基于长短期记忆网络的风电场发电功率超短期预测

精确的风电场发电功率超短期预测对电力系统的经济调度和安全稳定运行意义重大。为充分利用多数据源中的有效信息来进一步提高风电场超短期发电功率的预测精度,提出了一种基于长短期记忆(long short-term memory,LSTM)网络的多变量风电场超短期发电功率预测方法。该方法首先利用距离分析法筛选出与风电功率相关程度高的变量,进而降低数据的规模和复杂程度。然后利用LSTM网络对多变量时间序列进行动态时间建模,最终实现对风电功率的预测。采用美国加州某风电场的实测数据进行验证,结果表明,文中方法能够有效利用多变量时间序列进行风电场发电功率的超短期预测,较人工神经网络和支持向量机拥有更高的预测精度。     

基于堆叠稀疏降噪自动编码器的地区风电场群高精度超短期风电功率预测

为解决风电功率预测过程中面临的风电数据量大且复杂化以及如何提高预测精度的问题,基于堆叠稀疏降噪自动编码器提出地区风电场群高精度超短期风电功率预测方法。该方法采用自编码器对输入风电功率数据进行降维提取特征,为进一步增强自动编码器的抗干扰性,对其引入稀疏性约束和降噪技术。该方法能够有效降低数据的解析难度和提高特征提取的可靠性。通过实际算例验证,该预测方法可有效提高多风电场功率预测的精度。     

基于谱聚类和优化极端学习机的超短期风速预测

较高精度的超短期风速预测是并网运行风电场风电功率预测预报系统建立和运行的必要前提及保证。由于风速影响因素众多,具有较大的波动性和随机性,并具有高度的自相关性,给传统的风速预测方法带来了极大的挑战。提出一种基于谱聚类和极端学习机的超短期风速预测方法。该方法首先利用小波变换和主成分分析对风速数据进行去噪和降维处理,剔除数据的不规则波动,有效降低数据维度;然后分别应用谱聚类对小波变换后的各分解序列进行聚类分析,减少训练样本空间,提高样本有效性,降低计算复杂度;再应用极端学习机对各分解序列分别进行训练,同时通过遗传算法对极端学习机输入权值、偏置等参数进行优化,确保各分解序列输出最佳预测模型;最后将各分解序列预测结果相加得到最终预测结果。以某风电场实际数据进行的建模结果表明该模型有效实现了对风速的超短期、多步预测,采用的方法合理有效。     

基于ARMA-GARCH模型的超短期风功率预测研究

风功率预测对提高电能质量和电力系统的安全运行具有重要意义。基于时间序列的方法,对内蒙古赤峰地区某风场的风功率数据进行了超短期预测,通过对数据平稳性检验的结果,建立了时间序列的ARMA模型,利用拉格朗日乘子检验的方法,检验ARMA模型具有ARCH效应,并建立适合的ARMA-GARCH模型。结论通过对比ARMA模型,ARMA-ARCH模型和ARMA-GARCH模型的风功率预测精度可知,在解决数据的残差序列异方差函数具有长期相关性时,ARMA-GARCH模型能够有效的提高预测精度。     

基于改进Res-BiGRU模型的风电功率预测

在新能源研究领域中，风电功率预测是重点内容之一，准确的数值和变化趋势预测能使调度人员合理安排机组启停，改变基荷厂和主调频厂的运行方式，实现最优低碳发展。基于深度学习理论，设计了一种基于Res-BiGRU的融合神经网络模型，同时采用改进自编码器的数据预处理方法对数据进行降维。仿真结果表明，经过数据降维的融合模型的预测精度优于单一神经网络。     

基于样本熵和极端学习机的超短期风电功率组合预测模型

该文提出一种经验模态分解(empirical mode 该文提出一种经验模态分解(empirical mode decomposition,EMD)-样本熵(sample entropy,SE)和极端学习机(extreme learning machine,ELM)相结合的风电功率超短期预测方法。该方法首先利用 EMD-SE 将风电功率时间序列分解为一系列复杂度差异明显的风电子序列;其次利用最小二乘支持向量机(least squares support vector machine, LSSVM)、极端学习机和经原始岭回归(primal ridge regression,PRR)改进的极端学习机(PRR-ELM)对各子序列建立组合预测模型,并采用交叉验证法和重构相空间法确定各模型的参数和输入向量维数,以提高各组合模型的预测精度;最后以某一风电场实际采集的数据为算例,结果表明基于EMD-SE理论的ELM和PRR-ELM组合预测模型在预测精度和训练速度上都明显优于 EMD-SE 理论和 LSSVM 的组合模型,且其预测结果更接近于真实值,为实现风电功率在线的较高精度超短期预测提供了可能。     

自适应提升及预测误差修正的风电功率超短期预测

为了提高超短期风电功率预测精度,提出了一种自适应提升及预测误差修正的风电功率超短期预测方法。首先,使用CEEMDAN将原始风电功率序列分解为多个分量,用RCMSE对其重构成新模态以降低风电功率序列复杂性及提高预测效率;其次,用EESHHO优化ELM权值和阈值提高模型的泛化性,同时引入AdaBoost提高预测模型的精确度和稳定性;最后,在学习历史训练误差的基础上提出修正预测值的策略,进一步提高预测精度。算例结果验证了所提方法的有效性。     

基于小波与最小资源分配网络的超短期风电功率预测研究

针对风电场实际风速和风电功率序列的波动性、间歇性等特点以及RBF神经网络结构一旦确定隐节点个数就不可变等缺陷,提出了基于小波分析和最小资源分配网络的超短期风电功率预测方法。首先将历史风速和风电功率序列进行小波去噪及多频分解,得到多组高频信号和一组低频信号。然后对各频信号分别建立神经网络预测模型对未来4 h风电功率进行超短期预测。最后将各预测结果通过小波重构得到最终的超短期预测功率。实验结果证明,该方法能有效提高预测精度。     

基于CEEMDAN-IDOA-BiLSTM的超短期风电功率预测

准确可靠的风电功率预测对电力系统调度、风电场的效益和电网的安全稳定运行具有重要意义。为了提高超短期风电功率预测的准确性，提出了一种基于自适应噪声完备经验模态分解（complete ensemble empirical mode decomposition with adaptive noise， CEEMDAN）和改进野狗优化算法（improved dog optimization algorithm， IDOA）优化双向长短时记忆网络（bi-directional long short-term memory， BiLSTM）的组合模型预测超短期风电功率方法。该方法先采用CEEMDAN分解方法将原始的数据分解来降低原始数据的复杂性和不稳定性，将分解后的所有序列进行偏自相关方法分析，选出重要性较大序列作为IDOA-BiLSTM模型的输入，最后通过IDOA-BiLSTM模型进行超短期风电功率预测。采用甘肃某风电场实测数据为数据集，进行训练模型和预测分析，结果表明所提出的超短期风电功率预测模型具有较高的预测精度，具备实际应用的可行性。     

基于信息熵的历史数据选取对超短期风电功率预测精度影响研究

风电功率超短期预测通常依据历史数据滚动预测得到,因此,历史数据的时间分辨率对预测结果的准确性有显著影响。首先给出"预测信息熵"指标,预测信息熵兼顾不同时间分辨率下数据序列的信息含量和超短期预测时预测步数2个因素,表征不同时间分辨率的功率序列在超短期风电功率预测时的精确预测能力,最后提出基于"预测信息熵"选择超短期风电功率预测时应采取的时间分辨率的方法。以某风电场实测数据为例,采用最小二乘支持向量机模型进行风电功率超短期预测,预测过程中历史数据分辨率的选取采用了所提的基于预测信息熵的选取方法,预测结果验证了所提方法的有效性。     

电网实时数据服务平台通信网络架构

从数据传输的低时延、可靠性、安全性以及实时数据服务平台的稳定性、可维护性等多方面,分析研究适用于电网实时数据服务平台的传输协议和网络结构,提出一种基于电网实时数据的通信网络架构。该架构可以较好的满足电网实时数据服务平台的业务需求。     

天津市电力公司数据仓库实施方案研究与设计

按照国家电网公司信息化工作统一部署要求,天津市电力公司为进一步推动ERP系统的深化应用,基于SAP高级应用模块开发了ERP数据仓库系统,实现了一整套便捷、统一、标准化、精细化的ERP数据查询分析平台。各级管理人员可以通过此数据仓库平台,以便捷的方式和常规的网页浏览的形式进行业务查询。数据仓库的成功上线,在提高管理层的决策与监管水平,规范各类业务数据的管理,提升电力企业的竞争力等方面具有重大意义。     

人力资源管理数据仓库建设方案设计与实现

通过对山东电力集团公司ERP人资模块PeopleSoft系统数据仓库建设过程的研究,论述了山东电力集团公司人力资源管理业务数据的特点,并针对其特点设计的人力资源数据仓库建设方案、数据仓库建设的内容和具体的实施解决办法。从系统上线后运行的情况来看,本次项目实施中建立起的基于人力资源管理业务的数据仓库在平台运行、数据存储、数据分析、数据挖掘等方面均取得了理想效果。     

全域电网资源聚合架构的研究与应用

为满足电网企业信息系统日益增长的对完整、准确、及时、一致的电网资源信息的需求,克服传统自治系统架构模式的信息重复采集、难共享、不一致等问题,以及一体化大系统难于扩展和维护的问题,提出了涵盖电网设备配置、网络拓扑、需求侧对象等核心要素,聚合设备域、网络域、客户域3个方面的全域电网资源聚合架构。此架构以全域电网资源集成机制...     

ERP系统集中部署模式下的历史数据迁移方案研究

为促进业务共享融合与集约管控,国家电网公司已全面开展ERP集中部署研究工作,并启动试点实施工作。为保证ERP系统集中部署后历史数据的可用性,需对试点单位ERP系统技术信息进行收集与分析,并按照总部统一数据清理策略进行历史数据的整理与迁移。文章通过综合分析系统业务现状与技术现状,设计了数据迁移范围确认模版与数据转换的典型场景,充分验证历史数据迁移工具的有效性,最终设计出了试点单位ERP系统历史数据迁移转换至集中部署系统的整体迁移方案。文章提出的方案对于历史数据迁移工作起到了一定的参考与借鉴作用,使得系统内历史数据的价值得到了充分利用。     

智能建筑系统集成的数据采集、融合、决策分析与实施

通过对黑龙江省政协大楼的智能化系统集成软件ezIBS2.0的设计和实施,着重从数据流角度分析了如何在实施过程中把握集成软件数据采集、融合与决策.     

通过宏提高导入ERP数据正确性的研究及应用

ERP系统是国家电网公司落实国家信息化战略的具体实践,是融合先进管理思想对企业整体资源进行有效管理的一体化企业级信息系统。ERP数据质量的好坏直接决定企业信息化建设及各项业务能否正常开展的成败,因此,为保证导入ERP系统近千万条数据的正确性,通过对数据要求及特点的研究,开发了一套宏校验工具。实际应用效果表明,宏校验工具的应用大大减轻了数据检测人员的劳动强度,提高了数据正确性及检测速度。     

数据大集中在山西电力一体化系统的实现

山西电力一体化通信资源管理系统作为一个以通信资源管理为核心、集多个分散系统为一体的图形化和智能化的电力通信资源管理系统,实现数据大集中是它下一步发展的趋势。文章介绍了数据大集中的概念及一体化系统的运行现状,对该系统将来会出现的情况进行了预测,并通过实际测试分析,得出了如何在该系统中实现数据大集中。     

电网调控分布式SCADA系统体系架构与关键技术

由于采用主备机方式同时处理所有实时数据,现有数据采集与监控(SCADA)系统在数据吞吐能力、实时性、可扩展性、可靠性等方面面临着严峻挑战。文中提出一种新型分布式SCADA系统,对其体系架构和相关关键技术,如分布式资源和任务管理、分布式实时数据管理、分布式数据处理等进行了讨论。该系统突破了现有SCADA数据处理方式的瓶颈,可有效提升SCADA系统的性能,适应未来电网调控业务的发展。     

宁夏电力通信网资源管理系统的建设及应用

为了提高宁夏通信系统的自动化管理水平,对宁夏通信网资源进行集中、有效、完整、准确的管理,使通信网资源管理实现科学流程化管理,宁夏电力通信公司建立了一套完整有效的资源管理系统。本文详细介绍了宁夏电力通信网资源管理系统的建设目的、要求、结构、功能,提出了建设中存在的问题及解决办法,最后指出了其在宁夏电力通信网中发挥的巨大作用。