基于Wide&Deep-LSTM模型的短期台区负荷预测EI北大核心CSCD

负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷预测的精确度奠定了良好的基础。文中将深度学习方法引入到电力系统的短期台区负荷预测中,综合利用了负荷台区的电压、电流、功率以及时间等特征信息。同时在已有的长短期记忆网络(LSTM)模型和宽度&深度(Wide&Deep)模型的基础上,建立了基于Wide&DeepLSTM的深度学习短期负荷预测模型,并在此基础上进行了日前台区负荷预测。该模型能够兼具深度神经网络的学习能力与LSTM模块的时间序列信息表达特性,能够较好地解决台区电力负荷预测的多特征维度及时序性特征问题。最后利用Tensorflow深度学习框架生成了仿真模型并加以验证,仿真结果充分证明了所提方法的准确性与实用性。     

基于电压时序数据的配电台区户变关系智能识别

为解决低压配电网络户变关系不准确带来的台区线损统计、排查困难等问题,根据电力大数据技术,提出了基于变压器低压侧和用户侧电压时序数据聚类的配电台区户变关系智能识别方法.首先,采用改进的动态时间规整算法计算用户时序电压序列的相似度;其次,提出基于自组织特征映射算法与K-means算法相结合的两阶段聚类方法,结合时序数据相似...     

分区电网结构对受电极限的影响分析

受端电网不同分区结构对其受限方式影响较大。比较了分区的两种受限方式热稳定极限和静态电压稳定极限,得到了受限方式随分区结构的变化规律。结合实际分区电网的特点,对分区网络进行合理简化,采用阻抗模指标计算出静态电压稳定极限,与分区变压器制约下的热稳极限对比得出分区受限方式,分析了线路长度、变电站容量、负荷功率因数和分区内部电源接入情况对受限方式的影响。根据实际电网仿真验证了分析过程和规律的正确性,可为电网分区规划运行提供一定的技术参考。     

二氧化碳转化催化剂研究进展及相关问题思考

CO₂化学利用对碳资源利用、化解产能过剩、完善相关产业链有重要意义,CO₂转化催化剂研究因此受到广泛关注。针对具有规模应用前景的CO₂加氢合成甲醇、CO₂甲烷化和甲烷CO₂重整催化剂研究现状与存在问题,讨论了计算催化和催化剂强化制备在研究新型高效CO₂转化催化剂中的重要应用,说明了CO₂负离子的潜在应用价值;以等离子体强化制备催化剂为例,强调了多学科交叉的重要性。讨论了制备有利于传热、活性组分优化的结构化催化剂在进一步改进催化剂活性中的重要作用。指出了CO₂温室效应的复杂性,还有一些问题(如人类活动对地球磁场影响进而对气候的影响)并不清楚,强调了加强基础研究对解决这些问题的重要性。     

考虑短路容量和电压稳定约束的受端电网饱和负荷规模研究

考虑短路容量和静态电压稳定约束,文章提出了一种交流受端电网饱和负荷规模的量化评估方法。通过网络阻抗建立了短路容量、静态电压稳定极限和热稳定的联系,结合潮流和阻抗分布特性分析得出短路容量和静态电压稳定极限之间存在一定比例。根据实际受端电网环网大小和电网允许的最大短路容量得出输电通道最小阻抗,考虑实际电网环网潮流相对输电通道较低情况,将受端负荷整体结构解耦成单通道对接入点负荷供电模型,得出整个受端地区短路容量和热稳定约束下的静态电压稳定极限解析公式,量化评估了受端电网饱和负荷规模。实际电网仿真验证了其准确性,可为电网分区规划提供一定的参考。     

750/330 kV受端电网合理分区规模研究

随着330 kV受端电网主变台数增加,电网联系日益紧密,西北电网330 kV母线短路电流水平逐年增高,电网分区运行成为限制电网短路电流的重要措施。通过总结分析陕甘青地区典型的750/330 kV受端电网结构特点,考虑主变台数、主变容量及站间距离长度等因素,构建了单站独立供电、两站分区或三站链式分区的受端电网分区等值模型。通过分析典型分区模型短路电流水平及分区内主变负载率情况,确定了分区内主变台数的上下限,提出750/330 kV受端电网合理分区规模为2~3座750 kV变电站和约4~6台主变带一片330 kV电网。最后通过青海实际750/330 kV电网验证了所提750/330 kV受端电网分区规模的有效性。