基于模糊信息粒化的电力系统中光伏出力预测模型分析

针对传统点预测模型出现的不稳定性问题,提出基于模糊信息粒化的电力系统中光伏出力预测模型。首先运用W. Pedrycz的模糊粒化方法,确定其基本思想,并对数据预测的序列进行模糊信息粒化处理;其次采用最小二乘支持向量机法,通过非线性映射构建最佳的线性回归函数;最后根据非线性惯性权值对自适应粒子群算法参数进行优化,并构建基于模糊信息粒化和最小二乘支持向量机的光伏出力预测功率波动模型。为进一步提升模型稳定性,使用EEMD将光伏数据分解成多个等同的子序列,对波动性较强序列的识别分组粒化,以获得精准预测值。实验结果表明,所提模型能够解决部分随机性与波动性问题,提高整体稳定性,且百分比误差率较小,可广泛应用在现实生活中。     

基于BP神经网络的配电网项目建设效果后评价方法

针对配电网项目的建设效果,建立了一套科学完备的后评价指标体系;基于BP人工神经网络,建立了具有L个隐含层节点、3层网络的配电网项目建设效果后评价模型,以配电网建设成效指标数据为样本作为输入即可得到建设效果的评价结果.以某省县域配电网为例,利用Matlab软件对BP神经网络进行训练与检验,结果表明所建立的BP神经网络模型对检验样本的模拟输出和期望输出是一致的;应用该模型测试样本得出的评价结果与模糊综合评价结果基本一致,表明所述方法是准确与可行的.     

基于智能负荷控制的分布式能源系统调控策略研究

为提高分布式能源系统（DES）经济性及运行效率,提出基于智能负荷控制的DES调控策略。首先,基于智能电表的测量数据,采用监督学习技术训练神经网络,构建智能负荷神经网络模型计算住宅可控有功功率;其次,考虑智能负荷与DES之间的互动关系,结合DES各设备运行及互补特性,构建智能分布式能源管理系统模型,分析其可控负荷的调度策略,并给出求解流程,利用IEEE-6节点系统进行算例分析。结果表明,DES总运行成本将随着需求响应控制的加强而降低,考虑智能负荷参与能源系统互动,可有效改善系统负荷曲线,减少切负荷现象,促进风电、光伏清洁能源的消纳。     

略论一个客家宗族社会的建构——以广东J县S镇庄氏为个案研究

宗族是中华文明的一个独特体现,曾经在传统中国的制度实践和文化传承方面发挥着重大作用,它在中国历史上经历了曲折的发展路程,在现代经济文化大发展的时代背景下,其再度重生复兴。在一些地方宗族社会建构的过程中,其宗族文化和行为无不彰显出时代特色和进化属性。     

基于模糊Petri网的配电网工程偏差指标诊断

随着近年来配电网工程建设的快速发展,配电网工程项目建设过程中各管控指标的数据也变得更加繁多和复杂,同时,当下多数配电网工程项目在数据处理方面的能力有限,对偏差指标的识别能力较弱,因此导致配电网工程中长期存在的一些偏差指标难以被识别和定位。基于模糊Petri网理论设计了配电网工程项目偏差指标的诊断模型,分析了配电网工程进行过程中各指标实时数据的确定方法,通过案例分析诊断定位出了配电网工程建设过程中的偏差指标,为后续管理者对配电网工程进行及时有效的管理提供了有力的参考依据。     

基于模糊Petri网的配电网工程偏差指标诊断

随着近年来配电网工程建设的快速发展,配电网工程项目建设过程中各管控指标的数据也变得更加繁多和复杂,同时,当下多数配电网工程项目在数据处理方面的能力有限,对偏差指标的识别能力较弱,因此导致配电网工程中长期存在的一些偏差指标难以被识别和定位。基于模糊Petri网理论设计了配电网工程项目偏差指标的诊断模型,分析了配电网工程进行过程中各指标实时数据的确定方法,通过案例分析诊断定位出了配电网工程建设过程中的偏差指标,为后续管理者对配电网工程进行及时有效的管理提供了有力的参考依据。     

网格环境下多约束访问控制模型

研究互联网优化控制问题,网格技术的应用和发展,要求有更加合理、安全的网格授权方式作保障,以确保网格任务的有效执行.针对基于角色的访问控制所引起的动态授权和多管理域等难点问题,结合现有的传统访问控制方式,根据角色的访问控制为基础,保障安全可靠,引入上下文、任务和条件的概念,加入监控功能,提出多约束访问控制模型,保证了最小特权的原则,实现了网格环境中的动态授权及跨域资源有条件共享和安全互操作.实验表明,方法能很好地避免了用户静态持有权限引起的不安全的问题,与传统安全模型相比具有较高的安全性.     

三维不规则三角网格的精确裁剪算法

给出了一种基于约束Delaunay三角剖分的三维不规则三角网格的精确裁剪算法。算法结合TIN数据的生成特点,首先将TIN投影到二维平面,然后利用约束Delaunay三角剖分把裁剪多边形的每条边嵌入三角网中,再利用边-三角形的拓扑关系删除裁剪多边形外部多余三角形,最后利用边-点的拓扑关系对裁剪多边形顶点高程进行插值,使生成裁剪后的TIN模型。对不同复杂程度的三维TIN模型进行裁剪实验,发现二维投影策略极大地提高了三维TIN裁剪效率。算法的程序实现简单,且符合工程需求。     

基于混合神经网络的多时间尺度负荷预测

精准的负荷预测对于电力系统保持经济、可靠运行有十分重要的意义,电力系统规划、运行、电力市场竞价系统的设计等都需要不同时间尺度的负荷预测结果,然而现有研究大多围绕一个时间尺度展开,单一模型难以满足实际工程需求。造成这一现象的原因在于模型预测结果的误差会随着预测时间尺度的延长而出现不同程度的增加,预测难度大,并且影响负荷的因素大多分布在不同时间尺度的数据上,难以充分利用。针对以上问题,本文在考虑负荷曲线的定积分与对应时间内用电量之间约束关系的前提下,提出融合多时间尺度数据的混合神经网络模型。该模型的损失函数同时考虑了点预测结果的误差以及负荷曲线定积分的物理意义,增强了负荷时间序列中各个元素之间的几何相关性。并且利用神经网络将短尺度数据提取为抽象的综合数据后,与长尺度数据拼接组成新的特征向量,用于预测不同时间尺度的负荷值。算例结果表明,本文提出的模型在实际的变压器负荷数据上能够实现多个时间尺度的预测并且有效提高预测精度。     

基于智能负荷控制的分布式能源系统调控策略研究

为提高分布式能源系统(DES)经济性及运行效率,提出基于智能负荷控制的DES调控策略.首先,基于智能电表的测量数据,采用监督学习技术训练神经网络,构建智能负荷神经网络模型计算住宅可控有功功率;其次,考虑智能负荷与DES之间的互动关系,结合DES各设备运行及互补特性,构建智能分布式能源管理系统模型,分析其可控负荷的调度策...