电力大数据下的短期电力负荷预测

电力产业是国民工业系统中重要的产业。在电网运行管理中,对于负荷预测具有非常重要的作用。更加准确的电力负荷预测可以为电网的安全稳定运行、实时进行电网负荷的调度提供了重要依据。特别是在经济方面,精确的电力负荷预测可以优化发、用电电网调度计划,合理调度和分配资源,从而起到使社会效益、经济效益最大化的作用。然而随着中国经济的飞速发展,对电力的需求不断增长,电力负荷本身受诸多因素以及政策影响比如日期、天气、气候、市场等其他因素,这些因素更大大加大了准确进行电力负荷预测的困难性。一直以来,人们一直都致力于提高电力负荷预测的准确性,人工神经网络算法具有泛化、学习能力强等优点,现在该算法已在电力负荷预测领域中得到了广泛应用,并且取得了良好的效果。近年来,人工神经网络领域取得重大突破,涌现出一个新的深度学习研究领域。本文就是基于最新发展的人工神经网络算法,结合实际地区电网数据研究了短期电力负荷预测的相关问题。     

基于网络感知的电网数据均衡动态关键路径调度算法

针对传统调度算法对电网数据调度负载不均衡、调度效果差的问题,提出了基于网络感知的电网数据均衡动态关键路径调度算法.依据电力网络的拓扑结构,选取与处理调度目标参数,结合随机均衡策略,动态迁移电网数据.充分考虑电网数据均衡动态属性,采用网络感知迭代均衡方法,进行电网数据归一化处理.依据均衡调度样本误差,确定最终负荷输出值.制定基于网络感知的均衡动态关键路径调度流程,解决电力数据中心吞吐率小的问题.由仿真实验结果可知,该算法调度能够解决电网数据时变耦合性跟踪问题,也证实该算法具有良好调度效果,达到优越负载均衡效果.     

一种改进的智能电网能耗调度算法

为了提高电网的运行效率,提出一种新的实时能耗调度算法,通过考虑负载不确定性来实现每个用户的电费最小化.我们将负载调度描述为一个优化问题.为了降低计算复杂度,提出一种近似动态规划算法,以解决电器运行的调度问题.在研究问题时,考虑了必须运行和可控运行在内的不同电器.与大部分当前需求侧管理算法假设完全知晓用户用电需求不同,算法只需知道将来部分需求的估计即可.仿真结果表明,能量调度算法既降低了用户用电支出,又提高了负载需求的峰均比,为用户和电力公司带来收益.     

基于TLBGA-GRU神经网络的短期负荷预测

短期负荷预测在电网调度安排和电力市场交易中发挥着重要作用,预测精度高,有利于提高发电设备的利用率和经济调度的有效性。为充分挖掘负荷数据中时序性特征的联系,解决神经网络中由超参数的随机选取导致的预测精度下降问题,提出一种基于教与学的遗传算法（TLBGA）和门控循环单元（GRU）神经网络的短期负荷预测方法。利用灰色关联分析法对原始数据进行相关度分析,剔除冗余特征,使输入与输出保持较好的映射关系,在遗传算法中加入一种基于教与学优化的新型变异算子,用于防止其出现早熟收敛问题,从而提高解的质量。在此基础上,运用改进后的TLBGA算法对GRU神经网络模型进行超参数寻优,更新GRU的模型超参数并使其性能达到最佳状态,以提高负荷预测的精度。对欧洲某地区的电力负荷数据集和美国PJM电力市场公开负荷数据集进行预测,结果表明,该方法的预测精度分别达到了97.1%和97.2%,相比反向传播神经网络、循环神经网络及GRU神经网络模型,具有更高的预测精度。     

基于差异进化算法的铁路电网动态经济调度应用研究

铁路电网动态经济调度问题是一个复杂的约束性优化问题,其目标是优化多种混合能源系统所需要的经济化配置权.本文提出了一种框架式差异进化化遗传算法,结合GA、DE两个遗传算法在子群中进行自我修复式的差异化进化,以每个优化后的子群为基础,并使用改进的探索式方法提高算法的收敛速率和优化性.通过算法和数据对比,本文所提算法在调度质量和稳定性中具有很大的优势,具有良好的收敛性、多样性和可扩展性,为铁路电网动态经济负荷调度的复杂难题研究起到了至关重要的作用.     

基于改进DBN的用电负荷预测建模与仿真

电力负荷数据的精准预测不仅能够保证电网可以安全地长期运行,而且能够提高经济效益和社会效益.针对电力负荷值的变化而导致变化规律很难用具体数学函数式表达的问题,提出了一种基于改进DBN的用电负荷预测模型.通过遗传算法选取网络权重,并将其应用于电网负荷预测.通过与BP网络模型的仿真对比可以得出,改进的DBN网络模型能够更好更...     

基于可调负荷的电网运行优化策略研究

为进一步加强智能电网运行调控,提出一种基于可调负荷的运行优化策略。其中,考虑到传统负荷调控未考虑约束条件的问题,构建含供电约束的实时分布式可调负荷控制算法,从而对某一时刻接入电网的可调负荷进行实时控制,让电力总负荷变化曲线地向电网供电功率曲线逼近。验结果表明：本研究构建的算法可使总负荷功率曲线无限逼近计划供电功率曲线;当t=12,负荷调度得到的用电功率与总负荷功率之间的绝对差值维持在[0,3]kW之间,而不包含供电约束的实时分布式可调负荷控制算法的绝对差值波动范围在[1,6]之间。由此得出,引入包含约束条件的负荷调度效果更好。     

基于电力大数据的用户用电感知研究

在基于电力大数据对用户提供多元化服务的研究中,发现电网在不同时刻停电,不同用户的停电感受不一样以及在调度计划制定时,由于不同线路所带用户不同需进行差异化服务。为此,提出基于电力大数据的用户用电感知研究。首先通过电网内部系统及外部系统进行数据采集,然后基于大数据从多维度进行数据处理和分析,建立了用电需求模型和用户用电感知模型并进行了深入应用;通过该模型可以实现有限投资供电可靠性提升最快,最大限度满足用户需求;可最大限度实现不同行业、类别的用户用电互补,提高设备利用率;可实现用电感知最低时段停电,停电涉及用户更精准。该模型的引用实现了电网规划、用户接入、调度运行的智能决策,使电网规划投资更精准,固定投资提升可靠性最快,提高设备利用效率和用户满意度。     

基于需求响应的家庭节电省电优化策略研究

电力需求的日益增长给电网发电及输电环节带来了巨大挑战,配用电网负荷率的增加也给电力系统正常运行带来了安全隐患.运用智能电力需求响应技术,有效整合用户侧电网响应潜力以提升电网运行的安全性、稳定性和经济性值得深入研究.基于智能用电双向交互技术,在满足用户用电要求的基础上,最大限度满足用户舒适度及电网调峰需求为目标,提出了居民侧负荷参与电力需求响应的家庭用电优化方案,重点提出了节电省电控制策略,有负荷转移和负荷调控两种方法,可为家庭提供系统的、全面的省电措施.结合提出的控制策略,基于Matlab平台进行具体仿真,通过波形和数据的分析,详细阐述了需求响应控制策略的要点和价值,也为以后的技术发展提供了数据信息.     

基于改进kNN算法与暂稳态特征的非侵入式负荷监测方法

非侵入式负荷监测（Non-intrusive Load Monitoring, NILM）通过分析电力总回路的电气信息得到回路中各电器的运行数据,为用户的节能优化和电网的优化调度提供依据。现有NILM方法主要将研究重点放在提高负荷识别准确度上,模型复杂度高,难以在嵌入式设备上应用。针对上述问题,提出一种基于改进kNN算法与暂稳态特征的NILM方法。首先选择无需训练的kNN算法作为负荷识别模型,采用距离权重统计方法对kNN算法进行改进,并增加余弦相似度判断机制检验kNN算法负荷识别结果准确性;然后选择暂态特征和稳态特征作为负荷特征以提高负荷特征辨识度;最后利用实验采集数据进行验证,上述NILM方法具有良好的性能。     

能效优先的用户关联与功率控制协同优化机制

在异构蜂窝网络中,针对系统的能效,提出了一种基于效用函数最大化模型的用户关联与功率控制协同优化方案,该方案表示为非线性混合整数问题。为了求得该问题的最优解,设计了一种迭代算法,首先将原问题转换为带参数的多项式形式的问题,在外层循环利用Dinkelbach方法求得最佳的能效因子,然后在内层循环分别求得最佳的用户关联矩阵和传输功率。最终实验结果表明,用户关联与功率控制协同的优化方案在能效和负载平衡方面比固定功率条件下的用户关联策略的性能更优。     

考虑经济性和电压稳定性的含电子电力变压器的多目标最优潮流计算

为探究含电子电力变压器的电力系统最优潮流问题,在分析电子电力变压器简化模型、最优潮流的控制变量以及约束条件的基础上,建立了综合考虑经济因素和电压稳定性的含电子电力变压器的多目标最优潮流模型。模型中将减少发电成本和提高负荷裕度指标作为目标函数,考虑了电子电力变压器灵活的有功无功调节能力、有载调压变压器的电压调节能力、可调度负荷及可调无功电源的有功无功调节能力,提出使用基于遗传算法和内点算法的混合算法对最优潮流模型进行求解,算法的主要思想是以遗传算法为框架,对离散变量进行优化,在遗传算法的每一次迭代过程中,采用内点算法对每个体进行连续变量的优化和适应度评估。基于IEEE-14节点算例,分别进行了基于混合算法和基于内点法的最优潮流计算,计算结果验证了文章所提模型的合理性和算法的有效性。     

遗传算法在考虑能耗的单机批调度中的应用

能耗总成本已成为生产调度中一个重要考虑因素,需要在最大完成时间和能耗总成本之间进行权衡,论文将遗传算法（GA）应用到考虑能耗的单机批调度中,并建立同时优化最大化完成时间和最小化能耗总成本的差异工件单机批调度模型.通过遗传算法在考虑能耗（CEC）和不考虑能耗（IEC）下求出非支配解集,利用工件分批的优化和对遗传选择算子的改进,以保证搜索的效率.实验结果表明,与IEC相比,在CEC下使用遗传算法求出的解效果更好,且随着问题规模的增大和工件加工功率的增加,所得解的优势更加明显.     

二进制布谷鸟搜索算法

为了寻找求解NP完全问题的新算法,采用二进制编码串表示鸟巢的位置,对布谷鸟寻找新鸟巢的Lévy飞行路径分别按照Kennedy和Eberha公式及刘建华公式进行二进制代码变换,引入二进制编码控制系数对变换得到的二进制编码进行混合更新,保留布谷鸟蛋被淘汰的机制等方法将新型高效的布谷鸟搜索（CS）算法改进为二进制布谷鸟搜索（BCS）算法。将BCS算法用于求解背包问题,结果好于遗传算法和几种混合遗传算法;将BCS算法用于求解旅行商问题,结果好于遗传算法、蚁群算法和微粒群算法,但略差于改进的惯性权重自适应调整微粒群优化算法。二进制布谷鸟搜索算法是求解NP完全问题的新型高效算法。     

异构蜂窝系统中动态联合呼叫接纳控制算法

针对异构蜂窝系统的接纳控制问题,设计了一种动态联合呼叫接纳控制算法。该算法采取TOPSIS法选择最优接入网,根据系统负载分布情况动态调整网络资费,对用户的接入选择决策施加影响,以均衡网络间负载;针对不同的呼叫优先级,采取多级接入阈值及动态带宽分配策略,在接入控制环节进一步改善系统性能及用户体验。仿真结果表明,该算法在重视用户偏好的同时实现了负载均衡,降低了呼叫阻塞率和掉线率。     

查询代价视图选择问题的研究及实现

实视图选择问题是数据仓库研究的重要问题之一。数据仓库存储实视图主要为OLAP查询,用户查询响应时间是首要考虑的问题,提出了查询代价视图选择问题,给出了其代价模型。提出了对查询代价视图选择问题利用遗传算法来解决的方法和策略。经实验证明,该算法达到了良好的效果,效率高。     

基于用户动态兴趣的视频点击率预测模型

针对经典的点击预测模型无法捕捉用户动态兴趣和分析特征低阶高阶交互困难的问题,提出一种基于用户动态兴趣的视频点击预测模型。该模型首先将离散的数据经嵌入过程后映射成易于操作的低维连续向量;为捕捉用户动态兴趣变化,引入transformer模型,同时分析用户点击视频序列与待预测的候选视频,抽取行为序列中的视频与待推荐视频之间的相互作用;为深入挖掘用户点击行为背后的隐式特征交互,引入DeepFM网络并在网络结构上进行优化改进,使模型更加适合顺序依赖的点击数据。实验结果表明本文提出改进的模型预测精度优于在点击率预测方面比较具有代表性的深度分解机等模型,同时引入transformer机制可以明显提升点击率预测的精度。     

A novel hybrid immune-based GA for dynamic routing to multiple destinations for overlay networks

Overlay networks play an important role in group communication applications in Internet. These applications require better efficiency in terms of delay, cost and load balancing. This paper presents an artificial immune system (AIS)-based hybrid genetic algorithm for the construction of Quality of Service (QoS) multicast tree among multicast service nodes in overlay network which optimizes path delivery, load-balancing variance and cost under bounded delay–degree constraint. This paper proposes an alternative AIS-based approach to handle the constraints instead of penalty function in overlay multicast routing problem. The clonal selection method of AIS is incorporated into the genetic algorithm (GA) to improve the diversity–convergence relationship which leads to optimized results. Proposed algorithm has the following features: (1) embedded problem specific local search function along with random point crossover to fine tune the search; (2) AIS principle is used to solve the constraints in GA; (3) clonal selection method to get the optimized results. Adaptable procedure is embedded into algorithm to handle the end user join/end user drop. Non-parametric statistical analysis has performed to show the significant difference among the proposed and existing algorithms. Simulation results reveal that our proposed algorithm produces better results in terms of cost, average path length, user rejection rate and convergence. Statistical analysis is also performed to assure the significance of the differences among the tested algorithms.     

NOMA系统异构网络中联合用户关联和功率控制协同优化

针对非正交多址接入(Non-Orthogonal Multiple Access,NOMA)系统的两层异构网络,提出了基于效用函数最大化模型的用户关联与功率控制协同优化问题。在该问题中将系统总能效作为效用函数,在一定的用户服务质量要求(QoS)和最大功率限制约束下,提出一种联合用户关联和功率控制的算法。该算法首先将原问题转换为带参数的多项式形式的问题,在外层循环利用二分法求得最佳的能效因子,然后在内层循环分别利用分布式用户关联算法和功率控制算法得到最佳的用户关联矩阵和最佳传输功率,最终实现系统总能效最大化。仿真结果表明,所提算法在能效方面比单独的固定功率分配方案和固定用户关联方案性能更优。     

Utilization-based pricing for power management and profit optimization in data centers

Traditional load balancing approaches may spread the load on more computers as long as the performance in terms of response time or cost is minimized. Nowadays power is a growing cost factor for data centers. In this paper, from the service provider’s point of view, the load balancing decision is made based on whether power consumption can be reduced or more profit can be earned. To achieve this, we design pricing algorithms to influence the load distribution. Both algorithms take into account the utilization of computers besides other factors, such as prices and power costs. In the first algorithm, we design pricing functions with respect to the computer utilization to encourage or discourage resource usage. In the second algorithm, we focus on the profit that a service provider can earn after deducting power cost from its revenue. We formulate this profit optimization problem and derive the optimum price solution.