基于逆推理论改进模糊均生函数的短期负荷预测

为提高短期电力负荷预测精度,针对电力负荷序列的周期性、随机波动性等特点,提出一种基于逆推理论改进模糊均生函数的短期负荷预测模型。该模型先将模糊均生函数算法引入负荷预测领域,同时应用逆推理论改进模糊均生函数的构造过程,然后将其与最优子集回归算法相结合,建立短期负荷预测模型,最后使用该模型进行预测。以山东电网某市的负荷数据为例,对该模型进行了验证,并与实际负荷数据及传统均生函数模型的预测结果进行对比。结果表明,所提模型能有效提高短期负荷预测的精度,具有很好的实用性。     

基于改进灰狼优化算法的孤岛微网系统容量优化分析

孤岛微网的日前调度安排对岛屿配电网的安全稳定运行意义重大。为了对孤岛微网的日前调度进行安排,更好地优化微网结构,文章针对含有光伏和抽水蓄能电站的孤岛微网进行建模分析,将光伏阵列数量、额定功率和抽水蓄能电站上水库的容积作为决策变量,等年值平均投资成本和负荷失电率为目标函数,使用Matlab对某岛屿的天气和负荷数据进行分析。为了使光电-抽水蓄能协同运行的效益最大化,采用灰狼优化算法求解微网模型。优化结果表明,灰狼优化算法在孤岛微网模型的容量优化问题中可以节约投资成本,实现环境友好型供电。     

基于自适应量子灰狼算法的锅炉NO_x预测模型

为更加精确地建立火电厂循环流化床锅炉NO_x排放质量浓度的预测模型,提出了一种利用量子位Bloch坐标球面生成编码的自适应量子灰狼算法(AQGWO)来优化快速学习网(FLN)的模型。将AQGWO与差分、粒子群等算法的优化能力进行比较,进而验证该算法优化的精度和收敛速度。在不同工况下实时采集某火电厂300 MW循环流化床锅炉的实验数据,在相同条件下将AQGWO-FLN模型与利用其他算法优化的FLN模型、基本FLN模型的预测结果进行对比。结果表明:利用AQGWO-FLN的模型具有最好的预测精度和泛化能力,可有效准确地预测火电厂锅炉的NO_x排放质量浓度。     

基于改进型蚁狮混合优化系统模型负荷可调节能力预测

为解决传统灰色模型在电力负荷预测应用中存在的问题,文章研究一种电力负荷可调节能力预测模型的性能提升方法.所提方法在传统灰色模型和改进蚁狮优化算法的基础上,结合灰色关联分析方法和动态滚动机制,提出一种改进型蚁狮混合优化灰色预测模型.为验证模型效果,文章采用北京某台区用电负荷可调节量模拟数据建模,并同4种预测模型的结果进行...     

基于改进灰狼算法的独立微电网容量优化配置

为降低独立微电网的综合发电成本,提高供电可靠性,研究基于改进灰狼优化算法的独立微电网电源容量优化配置方法。针对基本灰狼算法在进化后期由于种群多样性的缺失而易出现局部收敛或算法早熟的问题,提出一种具有全局寻优性能的改进灰狼优化算法。改进算法首先利用Tent混沌序列产生初始种群,以增强种群的多样性;其次,通过对收敛因子设置非线性调整策略来调节算法的全局探索与局部开发之间的平衡,提高算法的收敛性;最后引入柯西变异算子有效降低算法出现早熟收敛的概率,从而全面提高算法的优化性能。在分析风力发电机-光伏组件-蓄电池/柴油发电机独立微电网各发电单元特性的基础上,建立以年均系统成本最小化为目标的独立微电网容量优化配置模型,并利用提出的改进灰狼优化算法对该模型进行优化求解,仿真结果证明该算法具有一定的实用性和鲁棒性。     

基于遗传算法的电力系统综合负荷模型的建模与仿真

遗传算法是一种具有全局寻优能力的随机搜索算法,但其本身存在收敛速度慢和易早熟的缺陷。为此,引入一种改进的遗传算法用于电力负荷综合建模。该算法具有克服早熟、避免近亲繁殖和自适应的优良特性。应用建模实例表明,遗传算法辨识所得负荷模型的描述精度很高,其模型参数呈现很好的稳健性,从而有效地克服了传统优化方法的模型参数分散性。     

基于改进LSTM神经网络的风电功率短期预报算法

[目的]风能的波动性和间歇性给大规模的风电并网提出了挑战,解决这一问题的有效途径是能够提供准确的风电功率预报。[方法]针对这一挑战,提出了一种新的基于改进LSTM（长短期记忆）架构的深度学习神经网络的风功率预报模型,包含自主研制的数据异常检测与处理、风速特征提取、超参数调优于一体的风电功率预报方法。为了使神经网络模型能更加准确地学习风速特征对风电功率的影响,还定义了一种使用特征筛选以及特征倍增相结合的特征工程方法。[结果]仿真结果表明：所提出的数据清洗及数据增强算法在各种机器学习算法上可以将准确率提升约5%。提出的改进LSTM神经网络模型在数据清洗后与传统算法以及业内主流神经网络算法进行对比,可以将准确率提升2.5%。[结论]改进的方法不但具有较好的噪声数据清洗能力,而且在所有的试验中,改进模型在预报准确性方面优于其他所有算法,可以为实际应用提供指导。     

基于XGBoost建模及改进灰狼优化算法的再热汽温预测优化控制

为改善燃煤机组频繁变负荷过程中再热汽温的控制效果,提出一种基于机器学习的再热汽温预测优化控制方法。首先利用机组变负荷历史运行数据和XGBoost算法进行再热汽温特性建模,并采用随机搜索算法对模型参数进行优化以提高其预测精度。以最终的模型为基础,采用改进的灰狼优化算法(IGWO)对烟气侧再热挡板开度和蒸汽侧喷水减温阀指令进行实时寻优,实现再热汽温的预测优化控制。利用仿真机进行优化控制仿真试验。试验结果表明：采用智能预测优化控制方案可有效改善再热汽温控制效果,明显减少减温喷水用量,有助于提高机组的经济性。     

600 MW双机热电联供系统智能优化方法研究

以600 MW双机热电联供系统为研究对象,引入基于灰狼捕食行为模拟的群智能优化算法,针对其繁琐更新机制导致热电负荷分配时效性差的问题,进一步提出改进的灰狼优化算法(GGWO),利用前3等级狼的位置和高斯采样进行种群进化机制更新。通过EBSILON平台开展仿真试验,揭示600 MW双机热电联供系统的热电耦合特性和系统运行特性,并将改进的灰狼优化算法应用于该系统的热电负荷优化分配。结果表明：两台机组电负荷一定时,尽可能增大抽凝机组的抽汽供热量可减小系统总热耗量;通过智能热电负荷运行优化,可有效降低系统总热耗量,提高系统经济效益。     

基于改进的k-means聚类算法的季节性负荷特性分析

负荷特性分析的研究对电力系统稳定运行和调度具有重要意义。以历史负荷数据为基础,采用改进的k-means聚类方法得到具有代表性的负荷特性曲线。在考虑了检验聚类结果有效性模型的基础上加入了最大最小算法,让初始聚类中心稳定;采用改进的k-means聚类典型场景缩减算法,考虑到气候因素的影响,按照春、夏、秋、冬4个季节来对负荷数据进行分类,对历史负荷数据进行处理,得到具有代表性的负荷特性曲线。以某市的历史数据为例进行仿真分析,结果表明,该算法可以将原始的大规模场景缩减合并后得到可以表述该市的几个更少的负荷特性曲线,具有代表性和准确性,更具实际应用价值。