基于GRU多步预测技术的云储能充放电策略

为解决云储能日前充放电策略预测的问题,提出了一种基于门控循环单元(GRU)多步预测技术的云储能充放电策略形成方法.首先,鉴于云储能优化需求及单用户负荷预测效果不稳定,构建用户聚类后的GRU多步预测方法预测一天的24点功率.然后分析了云储能模式下的用户和云储能提供商两个主体的交互过程,以预测为基础建立了云储能充放电决策滚动优化模型.仿真算例选取实际数据,在预测聚类用户光伏、负荷功率后,滚动优化求解实际值和预测值下的云储能充放电策略.算例通过5种场景验证了在云储能充放电策略中聚类的作用以及GRU多步预测技术的优势,并且证明云储能模式能够进一步削弱光伏、负荷预测误差的影响.     

基于级联神经网络的短期负荷概率预测新方法

针对负荷历史数据的统计特征,提出一种基于RBPN网络和RBF网络的级联神经网络预测方法.本模型将历史负荷与其相对应的影响因素进行模式分类,由最大后验概率判别准则确定待预测日影响因素的模式,并利用其对应模式样本数据进行负荷预测.该算法减少了训练样本的数量,提高了预测精度,最后给出的算例证明该方法是合理有效的.     

计及气温因素的年度负荷预测修正方法

为剔除气温敏感负荷对发展趋于饱和地区年度负荷预测的影响,提出计及气温因素的年度负荷预测原始数据和预测结果修正方法.根据年最大负荷与年最高温度的分段线性关系建立综合调整模型,基于该模型提出了负荷预测历史数据还原和预测结果数据调整方法,并给出预测调整修正算例.实际算例表明,该方法在上海市区的负荷预测过程中能充分考虑最高气温对最大负荷的影响,提高了负荷预测的实用性和有效性.     

面向主动响应和售电市场的主动配电系统负荷预测

随着配电系统广义需求响应资源增多和售电侧市场逐步开放,电网负荷需求和负荷特性随之发生变化,影响了传统负荷预测方法的预测精度。分析了影响用户差异性响应的各因素,提出主动配电系统分层分区结构下计及主动响应与售电市场影响的负荷精细化预测方法;基于精确识别用户响应模式的响应弹性矩阵,建立了经遗传算法优化的响应弹性矩阵负荷预测模型;通过算例计算,验证所提预测方法的有效性,并分析了影响预测精度的模型指标及高精度预测的指标参数取值方法。     

基于粗糙集理论的灰色理论中长期负荷预测法

针对城市配电网负荷受各种不确定因素的影响很大问题,应用粗糙集理论研究了历史数据不确定性影响下的配电网中长期负荷预测,利用粗糙集理论与灰色理论相结合,提出了适合配电网总量负荷预测的方法,通过实际算例验证了此种方法的有效性.     

基于变化趋势和气象因子的加权负荷预测方法

针对采用趋势变化法预测电力负荷时,存在因未充分考虑气象因素而影响预测精度的问题,提出了一种基于变化趋势和气象因子的加权负荷预测方法。该方法综合考虑气温、湿度和天气类型3个气象因子,对基于变化趋势的电力负荷预测方法进行修正。分析了基于变化趋势的电力负荷预测方法存在的 2 个问题：未考虑外界因素对电力负荷变化趋势的影响和预测电力负荷时存在累计误差。在充分研究日内平均负荷变化率和点间平均负荷变化率的基础上,给出了算法的详细计算步骤,并将其应用于苏北某地区电力负荷的预测算例中。结果表明该方法的预测误差为 3.42%,预测精度高且数据波动小,验证了该方法的有效性和可行性。     

证据理论在中期负荷预测中的应用

负荷预测中遇到的一个比较大的问题是影响负荷的因素很多，而且其中有很多不确定的因素。为此，本文提出了利用证据理论进行负荷预测的方法。本文中将影响负荷的因素分为三类：一类是负荷本身的历史数据；二类是可定量的相关因素；三类是难以定量的不确定因素。本文中就仅考虑一、二类因素和同时考虑三类因素两种情况，给出了利用证据理论进行负荷预测的推理网络和实现方法。算例表明。本文提出的方法预测精度较高，是一种将经验同数学模型有机结合的理想方法。     

基于智能相似日识别及偏差校正的短期负荷预测方法

在传统负荷预测理论的基础上,提出了基于智能相似日识别及偏差校正的新型短期负荷预测方法。首先构建地市—相关因素特征矩阵,通过判断矩阵相关性智能选取负荷相似日,从而实现负荷曲线的一次预测。在此基础上,建立了实时气象偏差校正策略,采用XGBoost算法进行负荷曲线的二次偏差校正,达到短期负荷预测的目标。算例研究表明,该策略能够有效提升短期负荷预测精度,而且具有较好的自适应特性,可以应用于电力系统短期负荷预测实践。     

基于ISSA-CNN-GRU模型的电动汽车充电负荷预测方法

电动汽车用户充电行为的随机性,给电动汽车充电站充电负荷的短期预测带来极大挑战。针对在多因素影响下电动汽车充电站充电负荷短期预测精度低的问题,提出一种基于改进麻雀搜索算法-卷积神经网络-门控循环神经网络(improved sparrow search algorithm-convolutional neural network-gated recurrent unit neural network, ISSA- CNN-GRU)模型的电动汽车充电站充电负荷短期预测方法。首先,构建包含气温、日期类型、节假日3种充电负荷显著影响因素与历史充电负荷的输入特征矩阵。然后,融合CNN在特征提取、数据降维和GRU神经网络在时间序列预测上的优势,搭建CNN-GRU混合神经网络模型,使用基于混合策略的ISSA算法优化混合神经网络模型的超参数。最后,在优化后的CNN-GRU模型中输入特征矩阵实现充电站充电负荷的短期预测。以美国ANN-DATA公开数据集中充电站的历史负荷数据作为实际算例,与随机森林、CNN、GRU神经网络、CNN-GRU模型以及分别用贝叶斯优化、粒子群优化、标准麻雀优化算法进行超参数调优的CNN-GRU模型相比,实验结果表明所提方法具有更好的预测效果。     

基于灰色投影改进随机森林算法的电力系统短期负荷预测

针对短期负荷预测领域传统的机器学习算法(如人工神经网络、支持向量机等)存在的诸如泛化性能不强、参数和模型结构确定困难等问题,将随机森林回归算法引入短期负荷预测领域。同时应用投影原理改进了传统的灰色关联相似日选取算法,提出了一种基于灰色投影改进随机森林算法的电力系统短期负荷预测组合方法。基于灰色投影的相似日选取方法,采用灰色关联度判断矩阵表征历史样本与待预测日影响因素间的关联关系,并用熵权法确立影响因素的权重对判断矩阵加权,最后利用各个样本关联度投影值排序得到相似日集合。采用随机森林算法建立预测模型,利用灰色投影筛选出的相似日样本集合训练模型,最后输入预测日特征向量(天气预报数值、日类型等)完成预测。以浙江电网某县级市的负荷数据作为实际算例,并将上述方法与支持向量机方法以及未作灰色投影改进的随机森林算法进行对比。实验结果表明,新方法具有较高的预测精度和鲁棒性。     

Optimal real time pricing of real and reactive powers

This paper presents a theory and simulation results of real time pricing of real and reactive powers that maximizes social benefit. Conventional studies represented the responses of consumers as demand functions, and the objective of optimization was minimization of operating cost of power system. In this paper, the responses of consumers are represented as the inverse of the demand functions and power flow equations are incorporated in the constraints. This makes it possible to incorporate constant power factor demand consumer as a participant. That also makes it possible to maximize the objective function of optimization that is social benefit of participating in the electricity market and to determine the price of electricity at each bus. Not only the real time price of real power but also that of reactive power is determined simultaneously by the incorporation of power factor of loads into the constraint of optimization     

基于需求响应的建筑楼宇综合能源系统优化调度

针对能耗高且增速快的建筑楼宇优化调度问题,构建了含光伏发电、冷热电联供系统、燃气锅炉和储能装置的建筑级综合能源系统。在对系统内各个能源设备进行建模分析的基础上,考虑需求响应补偿价,以建筑运行成本最低为目标函数,建立了基于需求响应的建筑级综合能源系统优化调度模型,采用基于云模型改进的粒子群算法对模型优化求解。引入算例进行仿真,对比是否参与需求响应的两种不同模式,以及云模型粒子群算法与基本粒子群算法的优化性能。结果表明,基于需求响应的云模型粒子群算法模式可有效节约建筑级综合能源系统运行成本,同时降低电网侧负荷峰谷差。     

基于云模型的短期电价预测

现有的电价预测方法有时间序列、神经网络、小波变换等,都是对点进行预测。该文提出一种基于云模型的短期电价预测新方法。首先,介绍了云模型的概念和特点,给出基于云模型的电价和负荷数据的离散化和概念跃升过程,得到了电价和负荷的概念模型。通过极大判定法对数据集进行软划分,建立电价与负荷的布尔型数据库,然后根据给定的支持度和置信度软域值,采用基于云的关联知识挖掘算法,得到时间、负荷和电价之间的关联规则。最后,以时间、负荷的合取作为规则前件,以电价作为规则后件,建立规则发生器,根据挖掘出的规则进行预测。该文所提方法得到的预测结果是一系列不确定的离散点的集合,集合中的每一个点都可作为预测结果提供给用户,用户可以根据经验和其它信息来适当选择结果,也可以将所有点的期望值作为结果提供给用户。     

挂牌交易模式下考虑合约和日前收益的风电商灵活合约制定策略

我国风电发展迅速,随着风电并网规模的增大,越来越多的风电商将作为市场主体参与到电力市场中。在合约市场中,风电商可以通过卖方灵活合约规避风电长期功率预测误差和日前市场电价波动的风险。本文在挂牌交易模式下,根据无套利灵活合约定价方法并给予买方一定激励来确定风电商在卖方灵活合约中的收益,并根据日前市场价格的概率分布得到日前市场的综合收益,风电商以合约收益和日前市场综合收益最大为目标,提出最优的卖方灵活合约。最后通过具体算例分析了各因素对风电商提出的最优的卖方灵活合约的影响,算例结果说明风电商可以根据风险承受能力和让利水平提出最优的卖方灵活合约。     

基于分时电价的电动汽车调度策略研究

电动汽车作为一种新兴负荷,大量接入配电网会对电能质量、频率稳定、电压稳定等产生一系列影响。通过对现有的分时电价制度进行分析,在配电网方面以系统负荷均方差最小化和系统负荷峰谷差最小化为目标函数。在用户侧方面以电动汽车用户充放电成本和电池损耗成本最低作为目标函数,建立电动汽车多目标优化调度模型。通过云自适应粒子群算法进行寻优。仿真结果表明:该调度策略适合于分时电价,与固定电价相比优化了系统负荷同时降低了用户成本。价差更大、均值更高的分时电价2与分时电价1相比略微增加了用户成本,但它对电网的调峰能力明显增强。     

网损因子法在华东区域电力市场的应用分析

在节点电价理论的框架下，对华东区域电力市场中目前试行的网损处理方法进行了分析。验证了其基于网损因子法回收网损，与基于微观经济学的节点电价理论完全一致，做到了市场所要求的公正、公平、公开。结合大量计算结果，验证了目前市场中所选择的网损因子参考点的合理性。这些工作可以引导市场参与者重视电能的生产、传输和使用效率，对于推进华东区域电力市场的健康发展、制定和完善相关的市场规则具有指导意义，并为最终在华东区域电力市场中实施节能降耗的战略目标作出贡献。     

计及负荷率分档的峰谷分时电价定价模型

针对大中工商业用户负荷率电价与峰谷电价的配合问题,结合我国电力体制和电价制度环境,基于消费者需求和供电成本异质性,构造了负荷率分档用户的用电消费细分市场,建立了各档用户的边际供电成本模型及需求价格弹性模型。应用边际成本定价理论,构建了计及负荷率分档的峰谷分时电价模型。该模型采用分层协调优化的方法:第一层深入分析每一负荷率档位用户的边际电量成本和边际容量成本,应用密度聚类技术及两部制定价理论,建立了每一负荷率档位及其两部制平均电价水平的制定方法。第二层以各档平均电度电价水平为约束,以削峰填谷为目标,基于电量电价弹性矩阵构建了负荷率峰谷分时电价协调优化模型。该模型综合协调了效率、公平和削峰填谷多重目标,算例验证了其合理性和有效性。     

Energy-aware cloud computing

Cloud computing, as a trending model for the information technology, provides unique features and opportunities including scalability, broad accessibility and dynamic provision of computing resources with limited capital investments. This paper presents the criteria, assets, and models for energy-aware cloud computing practices and envisions a market structure that addresses the impact of the quality and price of energy supply on the quality and cost of cloud computing services. Energy management practices for cloud providers at the macro and micro levels to improve the cost and reliability of cloud services are presented.     

基于NSGA-II和熵权法的氢综合能源系统商业运营模式

针对含氢综合能源系统运营过程中的成本和收益问题,提出一种考虑供能方式的综合能源商业运营方法。首先考虑各个投资主体,提出多环节供能模式和多方合作供能模式2种运营模式;分析各个模式下投资主体的成本和收益构成,最后以产能公司和供能公司净收益最高,各能源销售给用户价格最低为目标制定运营过程中各个公司的售能价格;利用带有精英保留策略的快速非支配多目标优化算法（NSGA-II）确定各个模式下最优价格Pareto解集,最后利用熵权法确定各个目标函数权重,选出最受三方（供能公司、产能公司和用户）欢迎的方案1和2的解集,进而得到最优的综合能源系统商业运营的2种模式。     

同步发电机云模型励磁控制器的设计

云模型是实现定性与定量间不确定性转换的有力工具,它将客观事物的模糊性与随机性结合在一起,解决了非线性与不确定性问题.为此,将云模型引入到同步发电机励磁控制中,根据云模型可实现不同映射关系的原理确定推理规则,设计出一种云模型励磁控制器.仿真结果表明,与传统的PID控制方法比较,云模型控制器具有较强的鲁棒性,对同步发电机运行点变化的适应性较好,增强了系统的暂态稳定性,具有良好的推广和应用价值.