基于系统动力学的电网企业综合计划关键指标预测

针对一般电网企业综合计划关键指标预测方法具有预测对象单一、过度依赖历史数据等问题,分析了售电量、线损率、购电量、售电均价、市场占有率及毛利润等6个综合计划关键指标的特点及计算方法,进而采用系统动力学方法构建了4个预测子系统,并结合某电网企业的实际数据,运用STELLA软件进行了算例仿真。结果表明,采用系统动力学方法能有效地反映电网企业未来的经营状况,合理、实用。     

新电改背景下基于数据包络分析的电网投资有效性研究与应用

基于杜邦分析法和公共事业投资有效性管理框架,设计和完善了大型售电公司全要素发展经营效率评价指标体系,引入数据包络分析（DEA）方法,对2010—2016年某售电公司发展经营效率进行计算并进行了时间、空间分布评价。本文将数据包络分析和ROC曲线评价结果应用于企业管理实践,基于径向基神经网络方法,定量计算了支撑其既定投资规模所应具备的经营效率水平,对每万元电网资产运行维护成本、流动资产周转率、退役变压器平均寿命等4项关键指标给出了建议值,并提出相应管理措施。     

基于机器学习的电力大客户群体月度售电量预测研究

精确的售电量预测对于电力公司合理安排供电计划、科学优化电力资源配置、提高用电管理效率、节约能源降低消耗等方面具有积极作用,电力公司也一直致力于研究售电量、售电收入的变化规律。随着预测技术的不断发展,关于售电量预测的理论以及方法已有很多,但每一种单一预测模型只能从某一方面刻画数据序列的规律,都只能反映序列的部分信息,因此文中提出了一种综合时间序列分析方法以及多种机器学习算法的电力大客户群体月度售电量预测方法,最大程度地利用现有信息,并对某省总售电量的实例进行检验,结果显示,组合预测模型的误差小于多数单一预测模型的误差,有利于提高预测模型的精度,并且预测较为稳定。     

售电市场环境下售电公司与电力用户双层博弈模型研究

售电市场放开是我国售电侧改革的发展方向,竞争性售电市场中用户选择权放开,用户选择结果影响售电公司的售电策略,售电公司售电策略又会直接影响用户选择。构建售电公司与电力用户间双层博弈模型,下层模型为用户层演化博弈,上层模型为售电公司间非合作博弈。首先分析影响用户选择售电公司的因素,建立用户效用模型,采用演化博弈理论构建不同类型用户群体选择售电公司的多群体动态演化模型。在构建用户选择模型的基础上,分析售电公司的购售电策略,计及售电公司面临的风险因素,建立售电公司和电力用户的双层博弈模型并给出了博弈均衡的求解算法。算例分析结果表明,所构建的模型和算法具有可行性和有效性。     

输配电价改革环境下电网最大投资能力研究

输配电价改革将影响电网盈利方式,进而影响电网投资能力。立足于当前输配电价改革环境,分析新电改下电网投资能力,根据来源不同将电网企业资金区分为自有资金和外部资金,在此基础上构建了一种电网最大投资能力测算模型,并进行算例分析以验证模型可行性;最后通过敏感性分析,针对分析得到的影响电网最大投资能力的敏感因素,认为电网可通过合理利用财务杠杆、准许收益率合理核定、工程质量管控及会计制度变革等措施提高投资能力。     

基于TRAMO-SEATS的月售电量预测方法及应用

为提高月售电量预测准确度,引入TRAMOS-SEATS季节调整方法和Hodrick-Prescott滤波法将月售电量分解为趋势分量、季节分量、循环分量和不规则分量,消除了各分量之间的相互影响。采用ARIMA方法对趋势分量进行预测,采用Holt-Winters加法模型对季节分量进行预测,采用历史同期同类平均值法对循环分量和不规则分量进行预测,最后得到月售电量预测结果。应用实际算例对月售电量进行预测并与实际数据进行对比,验证法方法的正确性与有效性。     

基于相似日和小波神经网络的光伏短期功率预测

光伏发电功率预测对电网的稳定性和安全性具有十分重要的意义。提出了基于相似日和小波神经网络的预测方法,根据相似日理论通过灰色关联系数法选取历史相似日,将选取的6个相似日的发电数据作为模型的输入变量,同BP神经网络、小波神经网络的预测结果进行对比和误差分析。以某光伏电站历史发电数据为例,验证算法的可行性。     

基于小波变换和优化的Elman神经网络的光伏功率预测

准确地预测光伏发电功率,有利于提高电网系统运行的可靠性和经济性。分析各个气象因素对光伏发电功率的影响,确立了关键的气象因素,并利用小波分析获得气象因子样本集和光伏功率样本集不同频带下的小波系数作为神经网络的输入训练集,结合Elman神经网络建立不同天气条件下的光伏功率预测模型。提出基于自适应遗传算法优化的Elman神经网络模型,优化后的Elman神经网络在晴天、阴天、雨天3种情况下预测值的平均相对误差率分别为5.43%、8.26%、14.15%,相较于Elman神经网络分别降低了13.16%、16.61%、17.33%,改善了Elman神经网络的预测精度,提高了Elman神经网络的学习能力和泛化能力,验证了所提方法的有效性。     

基于深度模糊神经网络的太阳总辐射预测研究

提出一种基于深度模糊神经网络的太阳总辐射预测模型。首先利用Pearson相关系数分析太阳总辐射关键影响因素,其次利用深度学习多隐含层所具有的特征提取优势将模糊神经网络模块重复连接,构建深度模糊神经网络模型,并使用蝗虫优化算法对其中心值和宽度进行优化。利用所提太阳总辐射预测模型对5个气象站点的相关数据进行仿真实验,并对结果进行分析。仿真结果表明：所提预测模型较其他模型具有较高的预测精度,验证了模型的有效性,可满足无辐射监测站点太阳总辐射预测的需要。     

基于BP神经网络算法的矿井通风系统可靠性研究

矿井通风系统作为煤矿生产过程中的关键系统,对监测和预警机制有着非常重要的作用。借助BP神经网络算法,针对煤矿井下通风系统的预测模型,分析了BP神经网络算法原理。通过对BP神经网络测试结果分析可知,BP神经网络算法能满足矿井通风系统的预测,且预测精度能满足煤矿井下通风系统的使用条件。     

基于MMAS BP算法的短期风速非线性组合预测模型

为提高风电场短期风速的预测精度,引入一种基于改进蚁群算法优化神经网络的非线性组合预测方法,按误差平方和最小原则对所建灰色GM(1,1)模型、BP网络和RBF网络三种单一预测数据进行非线性组合,并将其结果作为最终预测值。仿真结果表明,该方法的平均绝对误差及均方误差分别为17.76%和3.68%,均小于单一模型、线性组合模型及神经网络组合模型的预测结果,提高了网络的泛化能力,降低了预测风险,为风电场风速预测提供了一种新途径。     

基于模糊神经网络的电站燃煤锅炉结渣预测

综合运用模糊数学和神经网络知识构建了一个模糊神经网络模型,用以预测电站燃煤锅炉的结渣特性．通过引入反映煤灰特性的4个常用指标以及反映锅炉运行情况的两个指标,使所建模型综合考虑了煤灰特性和锅炉运行因素对结渣的影响．以实际电厂燃煤锅炉为样本,基于改进的BP(back-propagation)算法对网络模型进行了训练．为验证模型的准确性,对7台电站燃煤锅炉的结渣特性进行预测,并将该模型与只考虑煤灰特性指标的常规 BP网络模型进行比较．验证结果表明,模糊神经网络模型的预测结果与实际相符,效果优于常规BP网络模型．     

福建省电网电价现状问题和改革思路

一、福建省电网电价现状省电网销售电价总体上为三轨制并存的格局。省电网1995年总售电量为175．76亿千瓦时，平均电价（电度电价，含税，不含附加费，下同）为0．285元／千瓦时。销售电价分为老价、中价、新价三大类。1995年老价电售电量6723亿千瓦时，平均电价0．167元／千瓦时。中价电售电量为17．02亿千瓦时，平均电价0．196元／千瓦时。新价电售电量为84．81亿千瓦时，平均电价0391元／千瓦时。上网电价只对独立核算的新电厂核定。实行一厂一价。目前新价电上网电价中价格水平最低的是1988年投产的范后水电厂，上网电价为0293元／干瓦…     

考虑抽水蓄能及电网运营成本的源荷储协调优化调度

将需求侧响应与抽水蓄能电站纳入系统优化调度,借助需求侧管理与抽水蓄能电站对负荷分布的调控能力以达到提高风电消纳水平和降低电网运营费用的目的。以弃风总量最小和电网购电费用最低为优化目标,并考虑系统功率平衡、机组启停时间、爬坡能力、机组出力界限、系统备用等约束条件,构建含大规模风电的源荷储协调优化调度模型,将模型转化为混合整数问题并应用MOSEK优化软件对其进行求解。算例结果表明,借助需求侧管理与抽水蓄能电站的协作效应,系统对风电消纳能力将有所提高,电网购电费用亦进一步降低。     

新电改背景下电网企业综合能源服务商业模式研究

新电改方案实施后,由于输配电价的改革和售电侧的放开,电网企业的盈利模式也随之发生了变化。这就要求电网企业转变服务理念与经营方式,来寻求竞争优势。基于"魏朱六要素商业模式"模型,对电网企业综合能源服务商业模式进行了分析,寻找电网企业未来拓宽盈利的途径,保障了企业在电改形势下可持续健康发展。     

基于敏感性分析及BP神经网络的水工结构模型材料研究

模型材料是水工结构模型试验成功的关键,但其制备方法较为依赖经验、成本较高,且试验数据利用率较低.为此,采用单因素敏感性分析方法分析了胶凝砂砾石模型材料弹性模量的影响因子,并基于敏感性分析结果利用Matlab建立了 BP神经网络预测模型.预测检验结果表明,水工结构模型材料的弹性模量对拌合水量和石膏量最敏感,其次是重晶石粉...     

基于神经网络的风电短期功率预测模型研究

为使电网制定更合理的调度计划,提高风电的并网容量,需要精确的模型进行短期风功率预测。为达到此目的,本文将偏航角度、浆距角等参数纳入神经网络进行建模分析,以河南某风场10台1. 5 MW风机3个月的数据为研究对象,分别采用风资源作为参数,风资源和偏航角度作为参数,风资源、偏航角度和浆距角作为参数的三种情况下预测分析。在三种情况下,采用风资源、偏航角度、浆距角作为输入参数的模型预测结果的标准均方根误差NRMSE为3. 20%、平均绝对误差MAE为360 kW,分别比仅采用风资源作为参数进行预测的数值下降了62. 7%和60. 6%。由此表明,采用风资源、偏航角度和浆距角作为参数的预测精度最高,作为神经网络输入参数进行风功率预测更为合理。     

风电场风速预测模型研究

介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。     

基于信赖域法改进的BP网络在新能源并网方面的研究

传统大电网调频以PID结合智能算法为主要调节方式,系统存在迟滞性,不能有效控制较大的频率波动。为此引入神经网络模型,从负荷预测的角度对频率实施超前控制。通过信赖域法对现有BP神经网络模型加以改进,提高了其学习速度与预测精度,进而设计了一种基于负荷预测系统的大电网频率控制策略,通过预测负荷的分级实现机组优化调节,减少了不必要的旋转备用容量。通过搭建3种新能源-传统能源互补式发电机组仿真模型,对负荷预测频率控制的效果进行了仿真分析。仿真结果表明,与传统频率控制相比较,负荷预测控制下的大电网频率波动更小,调节时间进一步缩短。     

含多风电场的地区电网供电可靠性研究

针对风电接入对电网可靠性指标,不能很好地评估其对系统的影响,文章综合考虑在可靠性指标、网络损耗和停电损失的约束基础上,提出了一种新的多目标函数。文章以广东某地区电网为例,基于DIgSILENT仿真软件建立了含多风电场的地区电网可靠性评估模型,分析了在不同风速、不同接入节点下,风电场对区域供电系统可靠性的影响,仿真结果为电网的安全运行和规划建设提供了一定的参考意义。