考虑多重因素的空调负荷聚合响应潜力评估及控制策略研究

空调负荷已成为电力系统重要的需求响应资源,但由于其类型差异性、接入分散性,造成调度中心难以直接获取其聚合功率并开展调度控制,限制了响应潜力发挥。对此,提出考虑空调负荷聚合响应潜力多类型资源协同调度与精准控制相结合的双层调控框架。在日前调度层,基于近似聚合模型获取空调负荷聚合功率,考虑用户热舒适度、意愿度及可控度等多重因素,建立空调负荷聚合响应潜力评估模型,获取其聚合响应潜力,并结合基础柔性负荷响应特性建立联合调度模型,充分挖掘负荷侧多类型资源参与系统调节的潜力;在日内控制层,针对执行降负荷调温控制策略中空调群组功率跌落现象,为引导其有序参与电网需求响应,建立变状态数的状态队列模型,并引入准备时间对参数异质空调集群进行分组控制,使空调负荷跟随调度计划,提升控制精度,缓解功率跌落对系统运行产生的影响。最后,通过某简化配网系统进行仿真分析,结果表明:所提双层调控框架在调度层可深度挖掘并引导利用空调负荷响应潜力,在控制层实现精准控制并削弱功率跌落负面影响,工程应用价值显著。     

基于 RSVP 的面向不良信息检测人机协作系统研究

针对复杂的环境背景下不良信息的快速准确检测问题,提出了基于快速序列视觉呈现( rapid serial visual presentation, RSVP)的面向不良信息检测人机协作系统。 首先利用快速佩戴便携式采集系统采集了 12 名受试者的脑电数据;然后采用 Mallat 算法提取较低维度的时频特征,使用人工神经网络(ANN)和支持向量机(SVM)两种模型分类对比;最后在训练集中引入 不同次数的叠加平均数据以改善模型的分类性能。 实验结果表明,在含有 3 个目标的 60 张图像中平均正确输出至少 2 张目 标,AUC 值达到了 0. 9。 该系统在小批量数据集、环境变化复杂的不良图像信息检测中有着良好的性能,相较于人工检测提高 了效率。     

工程项目经理关键能力识别模型研究

项目经理对实现项目成功和组织战略具有基础性作用。随着工程项目规模和复杂性的日益增长,组织对优秀项目经理的需求越来越大。本文旨在构建模型,识别工程项目经理待改进的关键能力要素,支持工程项目经理个人发展与组织人力资源管理实践。基于已有文献能力指标体系,通过问卷调研方法获取各指标的重要性及个人水平现状数据。采用重要性-绩效分析（IPA）方法识别急需改进的要素,进一步计算要素优先级指标,据此确定改进各要素的优先顺序。案例分析说明本文建立的模型可以有效应用于工程项目经理能力要素的识别和排序,便于实践应用。工程项目管理从业人员可以应用本模型锁定有待改进的关键能力要素,形成能力建设策略;研究人员可以借鉴本文对IPA方法的修正,应用于其他类似研究。     

基于VMD-CNN-BIGRU的电力系统短期负荷预测

为提高负荷预测精度,考虑了历史负荷本身内在规律及外部影响因素,提出一种基于变分模态分解（variational modal decomposition,VMD） –卷积神经网络（convolutional neural networks,CNN） –双向门控循环单元（bi-directional gated recurrent unit,BIGRU）混合网络的短期负荷预测方法,改善了训练时长和预测效果。通过仿真分析验证了所提方法的有效性,且该方法与其他模型相比有更高的负荷预测精度和更强的鲁棒性,能够提高电力系统短期负荷预测的精确度。     

基于特征选择和组合模型的短期电力负荷预测

提出基于特征选择和组合模型的短期电力负荷预测方法。首先将特征向量按特点分为2类,分别使用斯皮尔曼相关系数、最大相关最小冗余算法进行选择,依据贝叶斯信息量准则确定最优特征向量维度。然后使用3个不同的核函数建立单核递归支持向量回归模型并完成预测。最后构建神经网络,进行实验分析。仿真结果表明所提方法具有较高的预测精度与鲁棒性。     

基于模体挖掘与调和函数半监督学习的非侵入式负荷监测

针对现有非侵入式负荷监测(NILM)方法成本高昂等问题,提出一种基于模体挖掘与调和函数半监督学习的NILM方法。基于低频采样数据,根据从监测数据得到的功率阶跃量,利用时间序列分析法和模体挖掘法划分设备的运行窗;在设备运行窗中,根据设备特性与统计方法定义设备开启最大值到稳定运行点的斜率、设备稳定运行时的波动幅度2个新的特征量;构建设备运行窗的特征向量,并利用基于调和函数的半监督学习算法对运行窗中的设备类型进行识别。基于参考能量分解数据集,分别从事件匹配和设备识别的角度将模体挖掘和基于调和函数的半监督学习算法与其他NILM方法进行对比,验证了所提方法的准确性和可推广性。     

非侵入式负荷识别的电流序列可视化方法

以单一特征为标签的用电设备识别,因特征携带的信息量不足,在区分性质相似的负荷时易产生误判,为此,提出一种将电流序列编码为图像的二维可视化方法,通过计算机视觉技术对负荷进行分类识别。利用Fryze功率理论提取电流的非有功分量,通过格拉姆角场(GAF)将一维电流序列转换成二维图像,借助数据扩充的方式进行升维,并赋予矩阵颜色特征来提升负荷标签的辨识度;基于迁移学习的思想,利用预训练模型Inception_v3提取并学习GAF图像特征,并以该特征为标签对负荷类型进行分类识别。在2个公开数据集上的实验验证了所提方法在高频采集场景下的准确性和有效性。     

考虑供气约束与净负荷预测误差的电-气综合能源系统调度策略

当前电-气综合能源系统调度存在天然气供气流量波动性较大、调整次数过多等问题,导致配气系统调峰压力较大。为此建立天然气供气模型,包含供气流量调整幅度、方向、总次数等约束;对天然气系统标幺制进行推导,通过合理选择基准值可对天然气系统的相关参数进行合理放缩变换,以便观察分析;用高斯混合模型对净负荷预测误差概率分布进行精确拟合,基于此提出考虑天然气供气约束和净负荷预测误差的电-气综合能源系统调度策略,并采用数据驱动的机会约束规划来处理净负荷预测随机性。最后,通过算例验证所提策略的有效性,仿真结果表明所提策略可明显降低天然气供气流量波动,保障系统的可靠经济运行。     

基于类噪声信号的等值负荷惯量两阶段辨识方法

负荷惯量的准确、在线估计是电力系统电压和频率稳定分析的重要基础。为此,提出了一种基于类噪声的负荷惯量辨识方法,基于系统中时刻存在的类噪声信号跟踪等值负荷惯量的时变特性。考虑到类噪声条件下惯量参数可辨识性较差,采用两阶段辨识的思路,首先对负荷的电磁参数进行辨识,然后基于第一阶段辨识得到的状态变量估计出惯量、转矩系数等机电参数。仿真算例和实测数据分析表明,所提负荷惯量辨识方法能够适应不同变转矩情形下负荷惯量的类噪声辨识需求;相较于恒转矩辨识方法,该方法能够更加准确地反映实际负荷的机电暂态特性,得到稳定、可靠的惯量辨识结果。     

柔性直流输电系统接入交流电网的高频谐振风险运行方式辨识

柔性直流输电系统接入交流电网后存在高频谐振的风险,研究表明交流电网运行方式变化与高频谐振的产生存在内在关联。针对交直流系统中的高频谐振问题,首先构建了柔性直流输电系统直流侧和交流侧计及串补站的等效阻抗模型,分析了柔性直流输电系统接入交流电网的高频谐振机理。对柔性直流输电系统交流侧运行方式变化(特别是线路发生N-1、N-2故障)下等效阻抗的变化规律进行了理论分析和总结。此外,提出了一种柔性直流输电系统接入交流电网的高频谐振风险运行方式辨识方法,并以某地区电网局部交直流系统实际数据为例进行仿真,验证了所提辨识方法的有效性。