基于长短期记忆神经网络的配电网负荷预测方法研究

高渗透率分布式光伏接入配电网后,将削减配电网负荷。由于光伏出力与配电网负荷均具有强随机性,且与温度、太阳辐照等相关气象因素耦合特性不同,导致配电网净负荷随机性提高、预测难度增加。为满足强波动性配电网净负荷短时预测需要,提出基于长短期记忆(long short term memory,LSTM)神经网络短期预测模型构建新方法。采用LSTM分别构建小时前配电网负荷预测模型和短期光伏出力预测模型,并分别使用交叉验证方法优化各个LSTM预测器结构超参数;最后,以两者预测结果相减,获得配电网净负荷。实测数据实验表明,相较于支持向量回归(SVR)等方法,采用LSTM的新方法能够自适应挖掘历史负荷、光伏出力特征与预测对象间的相关性,避免了复杂的特征选择环节,且预测精度优于SVR预测方法。     

基于Luong Attention机制和特征优选策略的超短期负荷预测方法

现有超短期负荷预测研究较少考虑到多变量时序数据的特征选择,以及不同输入序列步长对负荷预测的影响程度.针对以上两点,首先通过基于轻量型梯度提升机的嵌入式特征选择算法筛选出影响负荷预测的关键特征,组成优选特征集合.然后,提出一种基于Luong注意力机制的序列到序列门控循环神经网络超短期负荷预测模型,序列到序列门控循环神经网...     

基于经验模态分解与特征相关分析的短期负荷预测方法

提出了一种基于经验模态分解与特征相关分析的短期负荷预测新方法。该方法从分解负荷序列入手,采用经验模态分解将原始负荷时间序列分解成不同频率的本征模函数(IMF)分量和残差分量,以弱化复杂影响因素环境下原始序列的波动性,获取更具规律性的分量。然后运用最小冗余度最大相关性标准(mRMR)技术分析各IMF分量和日类型、天气、电价等特征信息之间的相关性,获得最佳特征集。最后采用基于智能算法的最小二乘支持向量机(LSSVM)负荷预测模型对各经验模态分量进行预测,并将各分量预测结果叠加得到最终负荷预测值。以某电网实际数据进行算例分析,结果表明所提出的组合模型能够更准确地对外部因素敏感的短期负荷进行预测。     

基于VaR和集成神经网络分位数回归的短期负荷概率预测

短期负荷预测在电力系统规划与运行中起着重要作用。提出一种融合注意力机制和分位数回归的混合卷积双向长短期神经网络短期负荷概率预测模型。首先,利用相关性分析选取合适的天气变量和历史负荷。其次,通过Copula模型计算出风险阈值,该值被用于构造峰值二进制指示输入特征。接着,将所选特征集输入到卷积双向长短期神经网络预测模型,引入注意力机制给予数据不同关注。然后,采用核密度估计对负荷进行概率预测。最后,使用平均绝对百分比误差和均方根误差对模型预测性能进行评估。仿真结果表明,该模型具有更高的预测精度。     

基于量子加权多层级GRU神经网络的综合能源 系统多元负荷短期预测

针对综合能源系统多元负荷短期预测问题,提出一种基于量子加权多层级GRU(quantum weighted multi hierarchy gated recurrent unit, QWMHGRU)神经网络的多元负荷短期预测模型。采用最大信息系数对多元负荷间和负荷与天气因素间的相关性进行分析,选取模型输入量。然后改进GRU的门控结构,形成多层级门控循环单元(multi hierarchy gated recurrent unit, MHGRU),并将量子加权神经元引入MHGRU,构成QWMHGRU多变量负荷预测模型。仿真算例结果表明,QWMHGRU多元负荷预测模型在夏季和冬季的权重平均精度均可达97%以上,相比MHGRU、QWGRU和GRU模型具有更高的预测精度。     

基于多级负荷智能协调的母线短期负荷预测

为提高母线负荷预测精度,提出一种基于多级负荷智能协调的母线短期负荷预测方法。首先对预测母线负荷序列进行历史负荷与当前负荷的相关性分析,再进行系统空间母线与预测母线的相关性分析,根据两次相关性分析结果合理设置算例,得到预测网络的最优输入方式,然后利用长短时记忆网络(LSTM)建立母线短期负荷预测模型,最后运用吉林省某地区的实测数据将提出模型与反向传播(BP)神经网络和支持向量机(SVM)的预测结果进行对比分析,验证本文提出的预测模型具有更高的精确度。     

基于变分模态分解和复合变量选取的短期负荷预测

精准的短期负荷预测是实现电网精益化运行和管理重要保障,但存在短期负荷波动性强、负荷预测关键影响因素选取困难等精准预测难题。本文利用变分模态分解将原始电力负荷数据分解为多个子序列,挖掘短期负荷波动特征的同时避免模态混叠问题,提出复合变量选取算法分析筛选影响负荷波动的关键因素,有效去除预测干扰信息并进一步简化预测模型的复杂度,通过兼顾数据短期依赖和长期依赖的长短时记忆神经网络对各子序列进行预测,并将各子序列预测结果进行叠加实现最终的短期负荷预测,据此建立基于变分模态分解和复合变量选取的短期负荷预测方法。选取2019整年长沙市实际数据验证结果表明,本文提出算法在复杂外部影响因素下,能准确筛选负荷预测的关键影响因素,相比传统预测模型,提出模型结构更简单、预测精度更高。     

基于DBO-VMD和IWOA-BILSTM神经网络组合模型的短期电力负荷预测

新能源在现代电力系统中占比不断提高,其负荷不规律性、波动性远大于传统电力系统,这就导致负荷预测精度不高。针对这个问题,提出了蜣螂优化(dung beetle optimizer, DBO)算法优化变分模态分解(variational mode decomposition, VMD)与改进鲸鱼优化算法优化双向长短期记忆(improved whale optimization algorithm-bidirectional long short-term memory, IWOA-BILSTM)神经网络相结合的短期负荷预测模型。首先利用DBO优化VMD,分解时间序列数据,并根据最小包络熵对各种特征数据进行分类,增强了分解效果。通过对原始数据进行有效分解,降低了数据的波动性。然后使用非线性收敛因子、自适应权重策略与随机差分法变异策略增强鲸鱼优化算法的局部及全局搜索能力得到改进鲸鱼优化算法(improved whale optimization algorithm, IWOA),并用于优化双向长短期记忆(bidirectional long short-term memory, BILSTM)神经网络,增加了模型预测的精确度。最后将所提方法应用于某地真实的负荷数据,得到最终相对均方根误差、平均绝对误差和平均绝对百分比误差分别为0.0084、48.09、0.66%,证明了提出的模型对于短期负荷预测的有效性。     

小波贝叶斯神经网络在冲击负荷地区短期负荷预测中的应用

大量随机冲击负荷(炼钢厂、轧钢厂)接入系统给负荷预测造成困难,使得短期负荷预测精度下降。首先就冲击负荷地区的负荷特征进行分析,找出影响负荷预测精度的原因,提出利用小波变换对负荷序列进行多尺度分解,得到在不同频段下负荷子序列,重点针对各负荷分量不同特点,建立含不同输入量的贝叶斯神经网络预测模型,再将预测结果进行小波重构,从而得出最后预测结果。再与另两种模型进行对比,结果表明该方法能提高冲击负荷地区的短期负荷预测精度。     

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。     

大规模储能系统发展现状及示范应用

随着储能技术的飞速发展,大规模储能系统已经成为保证电力系统可靠供电的一个重要手段。介绍了储能技术的类别及其在电力系统中的作用,并阐述了其在电力系统中的应用研究现状和目前的主要示范应用实例,论述了储能技术未来发展趋势。     

ICEMI' 2015征文通知（英文）

正Qingdao,China7.16-19,2015The International Conference on Electronic MeasurementInstruments(ICEMI)is the world’s premier conference dedicated to the electronic measurement and test of devices,boards and systems that is covering the complete cycle from design,verification,test,diagnosis,failure analysis and process of manufactory and products     

锂离子电池安全性能评价研究

综合考虑锂离子电池的安全性能检测要求和重点项目,以红外热像技术检测多次循环后的电池在过充过程中的温升,利用电池程控测试仪检测电池的电学信息,建立"热电"综合评价体系,并在3 C过充电条件下,将50℃的温度极值和5.0 V的电压极值确定为量化指标,对电池体系的安全性能进行评价。该评价系统具有快速、灵敏和全场性的优点。     

某300 MW机组循环水泵出力不足的诊断分析

某300 MW机组投产以来循环水流量不足,极大地影响了机组的经济性。通过试验诊断分析得到,循环水系统设计阻力小于实际值,导致按照设计阻力选型的循环水泵出力不足,使得循环水流量偏小,影响了机组运行的真空。根据循环水系统实际阻力特性,对循环水泵进行重新选型整体改造,取得了较好的效果,与改造前相比,供电煤耗降低1.174 ~1.200 g/（kW·h）。据此,提出了循环水泵在设计选型时的注意事项。     

局部阴影条件下光伏阵列输出特性的研究

当光伏阵列处于阴影情况下时,输出的I-V曲线呈阶梯状,相应的P-V曲线含有多个局域峰值。通过理论分析、Matlab仿真以及实验测试,研究阴影分布对光伏模组输出特性的影响。并以工程用光伏电池模型为基础,用Matlab语言建立了一个简单实用的光伏阵列辅助设计软件,利用该软件对光伏阵列在不同光照、温度、遮挡模式以及阵列结构下进行仿真研究,深入分析了光伏阵列在局部阴影下的I-V和P-V特性,给出全局最大功率点位置随遮挡模式变化的定性结论,为局部阴影下光伏阵列特性和最大功率点跟踪算法的研究提供了有力的支持。     

燃料电池堆单片电压一致性研究进展

燃料电池堆单片电压一致性是电堆工作性能好坏的重要指标之一,单片电压一致性较高,电堆性能以及稳定性较好。由于操作参数、结构以及材料等因素影响,目前燃料电池堆单片电压一致性不是很理想,特别在大电流、水热分布不均、动载荷以及长时间运行时电压一致性明显变差。介绍了单片电压一致性的评价标准以及目前的研究进展,对燃料电池堆单片电压一致性的未来发展趋势进行了总结。     

喷射混合疏水回收装置的设计及应用

超临界锅炉启动过程中将产生大量高温高压疏水,将其输入除氧器可同时实现工质和热量的回收,进一步提高机组运行经济性。因此,为保证超临界锅炉启动疏水在进入除氧器时,不致引起除氧器内件的损坏和振动,开发专用的内置疏水回收装置具有重大意义。     

海外工程项目的成本控制与管理

当今,中国工程承包业正迎来走向世界的大好机遇,随之而来的也有艰辛和风险,特别在工程成本的控制与管理层面,面临着巨大的挑战。文章在总结海外工程项目特点的基础上,指出了海外工程与国内工程项目成本构成的差异,从各方面分析海外工程项目成本构成的特点,提出控制海外工程项目成本的策略和方法,包含了如何,进行成本管理等方面的具体内容,对于承接海外工程项目、估算工程成本和提高项目管理水平有着积极的意义。     

Energy worldviews: Engaging consumers by aligning rate design strategies with personal choice

Rate design serves objectives of cost recovery, market animation, and customer incentives. Yet in the quest to find the ‘perfect equitable rate,’ many rate designers and pilots overlook the diversity of consumer attitudes. AMI enables not only interval monitoring and controls, it allows alternative pricing plans, payment options, device adoption, and generation mixes reflecting individual priorities. Connecting consumer attitudes with a portfolio approach helps regulators and utilities achieve specific goals while improving satisfaction and engagement.     

The impact of retail electricity tariff evolution on solar photovoltaic deployment

This analysis explores the impact that the evolution of retail electricity tariffs can have on the deployment of solar photovoltaics. It suggests that ignoring the evolution of tariffs resulted in up to a 36% higher prediction of the capacity of distributed PV in 2050, compared to scenarios that represented tariff evolution. Critically, the evolution of tariffs had a negligible impact on the total generation from PV—both utility-scale and distributed—in the scenarios that were examined.