基于PSO-BP神经网络的短期光伏系统发电预测

对光伏发电影响因素进行了分析,建立了粒子群算法优化的前向神经网络光伏系统发电预测模型。该模型利用了粒子群算法来优化神经网络内部连接权值和阈值,兼具粒子群和BP神经模型的优点,具有较好的收敛速度,泛化性能与预测精度。将光伏电站发电历史数据与天气情况作为样本,运用所建立的模型进行了训练与预测。结果表明,经过粒子群优化的BP网络模型预测精度高于典型BP网络,验证了该方法的有效性。     

基于不同优化算法下风电预测精度对风水电协调影响研究

研究了持续法、ARIMA方法、改进BP神经网络3种不同的风电预测模型,在相同条件下,经实例仿真发现,改进BP神经网络模型的预测精度好于ARIMA预测模型,而ARIMA预测模型的预测精度好于持续法预测模型.基于上述3种不同的风电预测模型,建立了风-水发电联合协调运行的模型.采用遗传粒子群和混合粒子群2种不同的优化算法来研究风电预测精度对风-水电协调影响,通过仿真实例发现,风电预测模型精度越高,得到的理论值与实际值偏差越小;在考虑2种不同优化算法的情况下,遗传粒子群优化算法得到的数值与实际值偏差比混合粒子群大,同时基于不同风电预测模型下的误差也要比混合粒子群大.     

基于DTW-VMD-PSO-BP的光伏发电功率短期预测方法

针对光伏发电系统短期预测影响因素较多、预测精度较低、稳定度不高等问题,提出一种基于动态时间弯曲（DTW）和变分模态分解（VMD）的粒子群（PSO）优化的BP神经网络光伏发电预测方法。首先使用动态时间弯曲算法对光伏发电功率及影响因素的数据进行测算得到DTW值,再根据DTW值选择对光伏发电功率影响较大的辐射度作为主要影响因素,然后利用变分模态分解将影响因素及光伏发电功率进行分解,降低数据的波动性和非平稳性。运用粒子群优化的BP神经网络对各分量进行预测,然后将预测结果进行叠加,叠加所得结果即为最后预测结果。在Matlab中对该方法和其他神经网络进行算例验证和误差分析,结果表明采用该方法预测结果精度高,稳定性好。     

基于自适应粒子群优化BP神经网络的氨法烟气脱硫效率预测

针对氨法烟气脱硫效率的预测问题,建立了以脱硫系统运行中8个主要参数作为输入变量的BP神经网络模型,采用粒子群优化算法(PSO)对建立的BP神经网络模型的权值进行优化,提出基于粒子群优化算法的BP神经网络(PSO-BP)预测新模型,并利用某电厂脱硫系统20组运行数据对该模型进行了验证.结果表明:采用PSO算法对BP神经网络的权值和阈值进行寻优,避免了网络局部极小值的出现,提高了网络的泛化能力,采用PSO-BP预测模型可以对氨法烟气脱硫效率进行较高精度的预测.     

计及相似日的LSTM光伏出力预测模型研究

为了提高光伏电站输出功率的预测精度，该文构建基于灰色关联度分析法（GRA）和长短期记忆神经网络（LSTM）的光伏发电组合预测模型。在运用GRA方法确定影响光伏出力的主要气象因素和选定待预测日的相似日的基础上，利用相似日的气象参数和实际发电量分别训练BP神经网络和LSTM神经网络，构建基于GRA的光伏出力智能预测模型，并在云南某光伏电站得到很好的应用。对比传统的单一预测模型和BP神经网络与GRA的组合模型，考虑相似日的LSTM预测模型的精度明显提升，可很好地满足相关要求，具有广阔的应用前景。     

基于相似日和主成分分析的光伏发电系统短期出力预测

针对光伏发电功率的间歇性和波动性,提出了一种基于主成分分析(PCA)和粒子群优化(PSO)算法的BP神经网络短期发电功率预测方法。该方法先对原始输入数据进行主成分分析,再将分析结果作为BP神经网络的输入数据。由于粒子群算法搜索速度较慢,但全局搜索能力较强,而传统的BP神经网络搜索速度较快,但易陷入局部极值点,因此将两者结合起来,既弥补了各自的劣势,又避免了预测模型的失效,从而提高了预测模型的预测精度。分析结果表明,当天气类型改变时,该预测模型的有效性不变,预测误差均小于20%。     

基于遗传算法优化神经网络的光伏电站短期功率预测

针对现有光伏发电预测的不足,基于遗传算法(GA)和神经网络(BP)算法构建光伏电站功率预测模型,并使用组合权重法遴选相似日对模型进行修正。采用新疆某光伏电站运行实例验证模型的有效性,并对比BP-GA模型与单一BP模型的预测误差。结果表明,BP-GA模型克服了传统单一BP模型的不足,具有较高的预测精度,可为光伏发电预测工程实践提供参考。     

一种考虑季节特性的光伏电站多模型功率预测方法

随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测方法。通过不同季节下光伏发电系统的电气特性和出力特性分析,说明了按照季节来划分功率预测多模型的必要性。以某光伏电站为例,利用BP神经网络建立不同季节的光伏发电预测模型,通过遗传算法优化了季节模型参数。利用实测数据对2种功率预测方法进行了比较,结果表明,该方法能有效提高光伏电站的功率预测精度。     

基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法研究

短期分布式光伏发电功率预测对配电网调度计划的安排及优化具有重要意义。人工智能技术的进步为精细化分析光伏发电功率预测结果的影响因素以及提高光伏发电功率的预测精度提供了有效途径。文章提出一种基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法。首先,基于随机森林中的增益情况,对影响分布式光伏发电系统的各项特征参数进行筛选;然后,通过自适应神经模糊推理算法对输入数据进行训练,并使用粒子群算法对ANFIS模型进行优化;接着,建立基于离线训练和在线预测的ANFIS-PSO分布式光伏发电功率预测模型;最后,利用北京某地分布式光伏发电系统的实际数据来验证模拟结果的准确性。     

基于Elman算法的光伏阵列的短期功率预测研究

根据青海某5 MW光伏电场的历史光伏发电功率数据和当地的气象预报信息,分析影响功率预测的主要气象因素。采用Elman神经网络算法,结合与预测日同日类型下整点时刻的气象数据和光伏输出功率数据,建立光伏发电短期功率预测模型。对不同日类型的光伏出力的预测结果表明,该短期预测模型具有较高的精度,有助于电网能量的调度,对电力系统的安全稳定运行有积极作用。通过与BP神经网络和非线性状态估计(NSET)算法对比研究表明,Elman神经网络具有更高的预测精度。     

含风光电站的电力系统动态经济调度

随着电力系统中风电和光伏发电的接入比例不断增长,其输出功率的随机性给系统经济调度带来了不确定因素。通过将满足一定置信概率的风电、光伏发电的功率区间预测信息纳入发电计划中,同时引入了可中断负荷作为旋转备用,建立了基于功率区问预测的考虑机组组合的系统动态经济调度模型。求解模型时利用改进离散粒子群算法（discreteparticleswarlnoptimization,DPSO）来解决机组启停问题,采用连续粒子群算法来实现负荷的经济分配,并采用启发式调整规则,提高算法的效率和搜索性能。最后通过10机系统仿真算例验证了模型和算法的有效性。     

电力市场中的市场势力

解释了电力市场中市场势力的经济含义，从市场份额、市场信息获取度，策略互动和外部因素对电力市场中市场势力的作用方式和特点进行了分析，并就如何从市场管理、市场机制设计、信息公开、经济措施等几个角度对市场势力进行有效的监督和约束提出了建议。     

电能系统中的增能技术

介绍了直流增能技术的基本原理、先进性和经济性。叙述了最新研发的虚拟六相整流器,通过检测表明,增能增效潜力十分明显,而且实测效率高于三相桥式整流器。随着智能电网、微电网的兴起,特高压直流输电的启运,原先受直流电网发电机转速和频率约束的屏障,有可能被交流增能技术突破,从而进一步提高电能转化效率和提升设备运转效益。也就是说,不管是燃煤发电、水能发电、核能发电还是风能发电,都可以采用交流增能技术或者直流增能技术的不同相关技术,结合现有的发电、变电、输电先进技术产品来提高电力系统的输出功率和效率。     

中小功率变频器能耗制动

变频器是拖动控制系统中的功率变换器当今的拖动,控制系统是包含多种学科的技术领域因此变频器作为系统的重要功率变换部件,提供可控的高性能变压变频的交流电源而得到迅猛发展主要介绍中小功率变频器能耗制动原理。制动电阻计算方法。使用当中应该注意的事项。     

关于青海电网核电站发展的初步探讨

根据2007年国务院通过的《核电中长期发展规划》,到2020年投入运行的核电装机容量达4．5×10^9kW（届时约占全国总装机容量的4％）,在建核电装机容量达1．2×10^9kW。为实现这一发展目标,发展内陆核电势在必行。对青海核电建设的必要性论述及对我国目前内陆核电厂址选择条件结合青海实情,并借鉴欧洲国家内陆核电建设成功的先进经验,为内陆核电在青海省的突破和可持续发展创造有利条件。     

西藏电网考虑光伏接入的有功控制系统设计

目前光伏接入电网后以自由发电的形式向电网输送电能,光伏出力的不确定性和预测手段的局限性,将对传统的电网调度、运行和控制带来极大的挑战。首先介绍西藏电网考虑光伏接入的有功调度控制系统体系架构,并阐释光伏有功控制两层控制框架和控制数据流程。然后结合西藏地区电源结构,建立光伏资源优先接纳的优化调度模型,并进一步提出适应光伏接入的多源协调控制策略。文中提出的有功控制系统已在实际电网得到应用,通过算例验证所提方法的有效性。     

电动汽车和混合动力汽车

目前的燃料汽车由于燃烧时排出大量的二氧化碳和对人体有害的各种气体，因此人们迫切需要无污染的汽车。详细地介绍了目前混合动力汽车作为清洁汽车的优势及混合动力汽车的组成。     

Power Geometry

All local and asymptotic first approximations of a polynomial, a differential polynomial, and of a system of such polynomials can be selected algorithmically. Here the first approximation of a solution to the system of equations is a solution to the corresponding first approximation of the system of equations. The power transformations induce linear transformations of vector exponents and commute with the operation of selecting first approximations. In the first approximation of a system of equations they allow one to reduce the number of parameters and to reduce the presence of some variables to the form of derivatives of their logarithms. If the first approximation is the linear system, then in many cases the system of equations can be transformed into the normal form by means of the formal change of coordinates. The normal form is reduced to the problem of lower dimension by means of the power transformation. Combining these algorithms, we can resolve a singularity in many problems, find parameters determining the properties of solutions, and obtain the asymptotic expansions of solutions. Some applications from mechanics, celestial mechanics, and hydrodynamics are indicated. The work was partially supported by Russian Foundation for Basic Research, Grant 96-01-01411.     

考虑风光不确定性的电力系统概率潮流计算

针对概率潮流计算中采用蒙特卡罗算法而导致精度低、操作性复杂的问题,提出了一种基于改进拉丁超立方的蒙特卡罗法的概率潮流计算方法,按照样本在变量概率密度分布中所反映出的重要程度进行采样,得到的样本均值不变且方差较小。在含风电与光伏的IEEE-30节点系统概率潮流计算中的结果表明：该方法能更好地反映概率潮流计算中随机变量的数字特征,提高蒙特卡罗法的计算精度,降低随机函数尾部特性造成的误差,从而具有较好的工程实用价值。     

论电力网中的无功补偿

介绍了电力无功补偿功率因数的划分,在电网运行中,功率网数反映了电源输出的视在功率利用的程度,功率因数越大,电路的无功功率可以降到最小,从而提高电能输送的功率。