共查询到19条相似文献,搜索用时 265 毫秒
1.
2.
摘要: 随着我国城市建设的推进,公共楼宇的用电能耗增长迅速。为加强能耗管理、降低能耗水平,对公共楼宇空调系统日前用电负荷进行预测是工作的基础。针对当前公共楼宇空调系统日前负荷预测累积误差大的现象,提出对日前24 h单独建立负荷预测模型的并行预测策略。然后融合主成分分析和模糊C均值聚类对数据进行预处理,形成合适规模及变量维度的训练数据,将其作为支持向量机预测模型的输入,并通过粒子群算法对SVM 的模型参数进行自适应寻优。以实际公共楼宇空调负荷历史数据为基础,对比分析所提出的算法与串行预测策略及传统交叉验证试凑参数的SVM 预测算法,结果表明提出的方法充分利用了公共楼宇空调负荷的特点,预测精度高、速度快。 相似文献
3.
4.
本文介绍正交设计法对6250M_2天然气发动机的可控因素进行重新调整,从而使排气温度和天然气耗气量得到改善。 相似文献
5.
为进一步提高火电机组在自动发电控制(automatic generation control, AGC)模式下的负荷调节质量,同时保证机组本身运行的稳定性,设计了基于多模型预测控制的协调控制策略。针对传统多模型预测控制存在的子模型优选和多模型预测控制算法计算量大的问题,利用距离度量理论指导子模型集构建,建立被控对象在不同工况处的离线加权规则表,通过性能指标函数的加权融合实现各子控制器间的软切换,降低多模型预测控制算法计算负荷。工程应用表明:所提算法可显著提高机组负荷调节性能及机组运行稳定性。 相似文献
6.
7.
《能源研究与利用》2021,(1)
文中以660 MW燃煤发电机组为研究对象,提出了一种改进的基于历史数据匹配预测算法(Improve History Matching and Forecasting algorithm,IHMF)的机组短期负荷预测模型。IHMF算法利用日负荷的相似性特征,通过加权欧氏距离法同时对负荷差分序列和原始负荷序列进行相似性匹配,基于归一化后的和最小原则获得最相似日的负荷序列。算例测试表明:IHMF算法180 min内最大预测误差为6.875%,远低于HMF算法最大预测误差12.704%。此外,IHMF负荷预测模型在较长时间的连续状态下能够较好地预测出未来负荷的变化。文中所提的IHMF负荷预测模型可有效应用于电站实际生产,方便运行人员依据负荷预测结果提前制定机组运行计划与生产方案。 相似文献
8.
对杉木屑进行不同成型直径、含水率及压缩速度条件下的冷态压缩成型试验,分析多个影响因素对木屑成型试样的松弛密度、抗压强度及比能耗的影响。通过单因素影响试验分析表明,在含水率为16%和成型直径为10 ~ 12 mm时能获得较好的成型参数,压缩速度为40 mm/min时,可获得较大的松弛密度和抗压强度,但比能耗相对较大。通过设计三因素三水平正交试验,运用多指标综合加权评分法对试验结果进行分析,权重系数综合考虑松弛密度、抗压强度和比能耗的重要与次要程度,结果表明:木屑最佳成型因素水平组合为成型直径10 mm、含水率16%、压缩速度40 mm/min,此时木屑试样松弛密度、抗压强度和比能耗分别为0.91 g/cm3、315 N和30.20 J/g,综合加权评分值最高。 相似文献
9.
应用正交设计法优化大功率柴油机燃烧系统的多维仿真研究 总被引:1,自引:0,他引:1
应用正交设计法对大功率柴油机燃烧系统参数进行了多维仿真优化研究,综合考虑了柴油机的进气系统、喷油系统和燃烧室形状等参数,并通过方差分析得出了单因素和交互作用对柴油机动力性的影响规律.研究结果表明:正交设计法可以用于大功率柴油机燃烧系统优化匹配的多维仿真研究,使柴油机的动力性大幅度提高;从燃烧室廓形中提取出的3个参数(喉口半径、锥台角度和凹坑半径)可以作为燃烧室设计的特征参数;以动力性为优化目标时,喷孔数与涡流比的交互作用影响最大,涡流比、油束夹角与锥台角度的交互作用,喷油压力与喉口半径的交互作用的影响次之,喷孔数有一定的影响;最后得出各种交互作用的匹配关系及其对柴油机动力性的影响. 相似文献
10.
日负荷曲线预测是制定日调度计划等工作的基础,典型日负荷曲线的预测对电网规划设计具有重要的参考价值,其预测的准确性直接影响到电网建设和运行的经济效益。通过对历史数据的预处理、初始聚类中心的设置以及最优聚类数目的确定,建立典型日负荷曲线的聚类预测模型。基于历史数据的聚类结果以及待预测日的温度、降水量、湿度等相关参数,得出典型日负荷曲线预测结果。将该模型应用于上海电网典型日负荷曲线预测,显示聚类算法能够全面地考虑相关的因素,得到较为准确的预测结果。 相似文献
11.
12.
为充分分析关联因素对饱和负荷水平的影响,针对饱和负荷预测不确定性强、时间相关性大的特点,利用长短期记忆神经网络的长期记忆单元与可遗忘机制保存和更新历史用电信息,构建了多输入的长短期记忆神经网络饱和负荷预测模型。首先提取出人口、经济等6个影响因素作为网络模型输入量,采用Adam优化方法训练网络模型,并在多场景下,运用优化后的模型进行饱和负荷预测,结合饱和判据得到最终的饱和时间与用电规模。某省电网的饱和负荷预测结果表明,所建模型及预测方法合理、有效。 相似文献
13.
Medium-term load forecasting is an important stage in electric power system planning and operation. It is used in maintenance scheduling, and to plan for outages and major works in the power system. A new technique is proposed which uses hourly loads of successive years to predict hourly loads and peak load for the next selected time span. The proposed method implements a new combination of some existing and well established techniques. This is done by first filtering out the load trend, then applying the SVD (singular value decomposition) technique to de-noise the resulting signal. Hourly load is thus divided to three main components: a) a load trend-following component, b) a random component, and c) a de-noised component. Results of applying the technique to the Jordanian power system showed that good forecasting accuracies are attained. In addition, the proposed method outperforms the traditional exponential curve fitting method. The peak load error was found to be less than 5% using the proposed methodology. It was also found that a lag period of 4 years suits the load forecasting purposes of the Jordanian power system. The proposed method is generic and can be implemented to the hourly loads of any power system. 相似文献
14.
15.
针对能源互联网环境下用电用户数据量大、多维度这一特点,提出了一种混合神经网络深度学习的短期电力负荷预测方法。首先,考虑常见的电力系统负荷的影响因素,建立多维数据库,并进行偏相关分析,排除其他变量干扰;其次,将LSTM、GRU两种神经网络作为前端神经网络对多维数据库中数据进行处理;最后,采用随机概率剔除与Adam训练优化函数改进的BP神经网络作为末端神经网络,建立负荷预测模型。通过算例仿真对本文方法与传统BP神经网络、LSTM神经网络、GRU神经网络进行了对比,验证了所提方法的有效性。 相似文献
16.
Electric load forecasting is crucial for managing electric power systems economically and safely. This paper presents a new combined model for electric load forecasting based on the seasonal ARIMA forecasting model, the seasonal exponential smoothing model and the weighted support vector machines. The combined model can effectively count for the seasonality and nonlinearity shown in the electric load data and give more accurate forecasting results. The adaptive particle swarm optimization is employed to optimize the weight coefficients in the combined forecasting model. The proposed combined model has been compared with the individual models and the other combined model reported in the literature and its results are promising. 相似文献
17.
针对短期负荷预测对电力系统运行管理和优化调度的影响,提出一种基于分位回归鲁棒极限学习机的短时负荷预测方法,即先对所收集的历史负荷数据进行归一化处理,然后利用自相关分析提取最相关的历史负荷数据作为模型的输入变量,再融合鲁棒极限学习机和分位回归建立负荷预测基本模型,最后利用某电力公司2016年采样频率为30min的数据进行实例分析,试验数据表明相比极限学习机(ELM)、分位回归(QR)和分位回归支持向量机(QR-SVM),所提模型预测精度更高,验证了所提模型和算法的可行性和有效性。 相似文献
18.
针对电力系统中长期负荷预测样本少、间隔时间长、影响因素多等问题,提出基于分数阶灰色Elman的组合预测模型,首先针对负荷预测样本少、增长趋势明显的特点,利用分数阶灰色模型弱化原始序列的随机性,降低解的扰动界,其次利用Elman神经网络模型适应性与学习能力强的特点来解决负荷的非线性及影响因素复杂的问题,然后根据最优模型赋予二者最优权值,得到最终的组合模型,最后采用傅里叶级数残差校正模型修正组合模型的误差。仿真结果表明,本文提出的方法可有效拟合负荷的变化趋势,提升负荷预测的准确度。 相似文献
19.
考虑到电网负荷与诸多因素有关,设计了一种带有温度、气象、日期类型的广义回归神经网络(GRNN)负荷预测模型。为了提高该模型的预测精度,提出了一种改进果蝇优化算法优化广义回归神经网络(IFOA-GRNN)的方法,即在利用果蝇优化算法(FOA)进入迭代寻优时,通过改进搜索距离优化该算法的性能和稳定性。利用改进的FOA优化GRNN的光滑参数,然后利用训练好的预测模型对甘肃省某地区进行了短期负荷预测,并与FOA-GRNN和误差反向传播神经网络(BPNN)模型结果进行了误差比较。结果表明, IFOA-GRNN具有较高的预测精度,能够满足电力系统短期负荷预测的要求。 相似文献