电力现货市场前瞻优化的周期选择

前瞻优化对于适应可再生能源的发展需求,确保电力现货市场良好运作,发挥着重要作用.而合理的前瞻周期选择能够有效地提高电力系统全局优化的可靠性与经济性.因此,迫切需要对前瞻周期的选择问题进行研究.为此,文中首先通过建立电力现货市场前瞻优化模型,推导了优化模型下的节点边际电价公式,分析了跨时段约束对节点边际电价的影响.然后,构建了前瞻周期的偏差量模型,设计了电力现货市场前瞻周期的选择流程.最后,通过不同的算例,揭示了不同前瞻周期下跨时段约束对节点边际电价的影响,验证了流程所选最佳前瞻周期的有效性.     

基于相空间重构和随机配置网络的电力负荷短期预测

针对配电网负荷随时间空间变化的非线性特征导致短期负荷预测精度低和模型训练时间成本高的问题,设计了一种基于相空间重构(phase space reconstruction, PSR)和随机配置网络(stochastic configuration networks, SCN)的电力负荷短期预测模型。首先将配电网数据中与负荷相关的气象数据通过主元分析法(principal component analysis, PCA)进行数据降维,并与负荷序列组合成多变量的时间序列,运用混沌时间序列理论,通过互信息法和虚假近邻法求取参数并重构相空间,最后使用随机配置网络预测电力负荷。采用欧洲电网公开数据集的历史负荷和气象数据验证所提方法,结果表明,与网格搜索法优化的支持向量机(support vector machines, SVM)、反向传播神经网络(back propagation neural networks, BP)、长短期记忆网络(long short-term memory network, LSTM)和整合移动平均自回归(autoregressive integrated moving average, ARIMA)相比,所设计方法具有智能化水平高、运算高效的特点,有一定的实用价值。     

基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。     

嵌入式技术在虫害测报系统中的应用研究

通过对嵌入式系统定义及嵌入式技术特点的阐述,说明了ARM嵌入式技术的优势。结合嵌入式技术在虫害测报系统中的具体应用实例,说明了运用ARM嵌入式系统的必要性、有效性以及必然趋势。     

基于用户行为模型的客流量分析与预测

为了预测无线城市接入中商圈的短时客流量,通过分析顾客购物行为模式,提出了一种基于停留时间和区间活跃度的身份识别方案,用于区分工作人员和顾客;采用二元线性回归方法对停留时间和活跃次数进行置信水平为95%的拟合,分析了不同拟合参数对预测的影响.实验结果表明:停留时间和活跃度用于区分身份信息合理有效,且在时间阈值为3小时,活跃度阈值为2次时,用小波神经网络预测效果最好.     

点线光流预测机制的图像序列运动直线跟踪

目的 针对复杂场景图像序列中运动直线特征的提取、跟踪问题,提出一种基于点、线光流预测机制的图像序列运动直线跟踪方法。方法 首先根据图像直线的表达式定义点、线光流基本约束方程,由基本约束方程推导出关于点光流与直线光流对应关系的3个重要推论。然后依据点、线光流对应关系,利用图像序列中直线特征上的像素点光流计算直线光流的估计值并根据直线光流阈值筛选图像序列运动直线。最后由筛选出的运动直线及直线光流估计值计算直线的预测坐标并在Hough域内进行跟踪匹配,得到图像序列运动直线跟踪结果。结果 通过合成及真实图像序列实验验证,本文方法能够准确地筛选出图像序列中感兴趣的运动直线,并对运动直线进行稳定地跟踪、匹配,直线跟踪结果未产生干扰直线的误匹配,直线跟踪时间消耗不超过12 s。结论 相对于传统的直线跟踪、匹配方法,本文方法具有较高地直线跟踪精度和较好的鲁棒性,更适用于复杂场景下的运动直线跟踪、匹配问题。     

基于经验模式分解卡尔曼滤波的径流预报校正

针对水文径流预测过程中不可避免的误差,提出基于经验模式分解的卡尔曼滤波校正方法,采用经验模式分解理论将径流序列转变为平稳过程,并结合预报过程误差规律及不同物理背景,运用基于Sigma点的卡尔曼滤波校正的动态系统分析技术,对单个水文模型的输出资料进行同化操作,对状态方程进行多变量最优控制,实时修正径流预报误差。实时校正结果表明,基于经验模式分解的卡尔曼滤波校正方法能一定程度上提高径流预报精度。     

城市需水的智能预测方法研究

选取对城市用水影响较大的因素作为预测指标,通过HP滤波分析其指标及用水量的趋势成分及波动成分。应用多元线性回归法对趋势性成分进行模拟,应用模糊神经网络对波动性成分进行网络训练,以获得城市需水的总预测值。以大连市1980~2000年用水及其相关因子为例建模,以2001~2007年指标对模型进行检验,预测了大连市2010、2020年的需水值,为城市水资源规划提供一定的理论支持。     

三峡水库实时调度水文气象预报应用风险及控制

为量化水文气象预报误差对水库实时预报调度的影响,以三峡水库为例,基于其历年水文气象预报信息的误差分析成果,假定入库过程,并叠加对应不同概率的预报误差,以此作为水库调洪演算模型的输入。分析了不同预见期、不同保证率水文气象误差条件下,不超过风险控制点的库水位指标,提出了三峡水库实时预报调度风险控制策略,可为水库科学调度提供参考。