基于GAN的负荷数据修复及其在EV短期负荷预测中的应用

随着电动汽车(EV)充电设施规模的不断扩大,EV充电数据可以更方便地获得.某些非人为因素会导致数据集中存在数据缺失和数据异常的问题,阻碍了EV负荷预测精度的提高.因此,文中在生成对抗网络(GAN)中采用用于插补的门控循环单元神经网络(GRUI)细胞来处理不完整负荷数据集中前后观测值间的不规则时滞关系,提出了基于GRUI-GAN的数据插补模型来实现EV负荷数据修复.然后,以带有Mogrifier门控机制的长短期记忆网络进行EV负荷预测.最后,实验结果表明了所提方法可以生成精度较高的新数据对缺失值进行插补,并且经所提方法修复之后的数据有效提高了EV负荷预测精度.     

基于交替方向乘子法的输-配-天然气系统分布式优化调度

随着电力网络与天然气网络耦合程度的加深以及传统配电网向主动配电网的转变,传统输配电气分离下的优化调度无法充分利用各种资源的灵活控制能力,不能获得整体最优解.因此,考虑电气耦合下的输配气协同优化,提出一种输-配-天然气系统优化调度模型.此外,考虑到未来输电系统运营中心、配电系统运营中心与天然气系统运营中心之间的独立性,为了保护各运营中心的信息隐私,提出了一个基于交替方向乘子法的分布式求解框架求解所提模型.为了确保分布式求解算法的收敛性,利用二阶锥松弛方法将气网优化问题转化为凸优化问题.算例结果表明,考虑电气耦合的输配气协同优化能够充分利用主动配电网中的多能耦合资源和储能资源,促进可再生能源消纳,提升系统总体运行经济性.此外,所提分布式求解算法的精确性和收敛性也得到了验证.