基于PSO-WPESN的短期电力负荷预测方法

精确的短期电力负荷预测是电力生产优化调度和安全稳定运行的重要保证,是智能电网建设的重要一环。为提高模型的预测精度,提出了一种基于粒子群优化小波包回声状态神经网络的短期电力负荷预测方法。首先利用多分辨率小波包分解方法对负荷数据进行分解和重构,建立小波包回声状态网预测模型;然后,利用粒子群算法对预测模型储备池中的参数进行优化。实验结果表明:针对短期电力负荷动态时间序列数据,与BP、Elman、传统ESN等网络相比,PSO-WPESN网络的预测精度、稳定性和泛化能力都得到明显增强,尤其是能在一定程度上缓解由于输出矩阵过大造成ESN存在病态解的弊端。     

粒子群优化小波包回声状态网的短期电力负荷预测

精确的短期电力负荷预测是电力生产优化调度和安全稳定运行的重要保证,是智能电网建设的重要一环。为提高模型的预测精度,提出了一种基于粒子群优化小波包回声状态神经网络的短期电力负荷预测方法。首先利用多分辨率分析小波包分解理论对负荷数据进行分解和重构,建立小波包回声状态网预测模型;然后,利用粒子群算法对预测模型储备池中的参数进行优化。实验结果表明：针对短期电力负荷动态时间序列数据,与BP、Elman、传统ESN等网络相比,PSO-WPESN网络的预测精度、稳定性和泛化能力都得到明显增强,尤其是能在一定程度上缓解由于输出矩阵过大造成ESN存在病态解的弊端。     

基于Prophet算法和Blending集成学习的实时负荷中期预测

目前的中期负荷预测一般未考虑负荷实时状态,而负荷数据的非线性、季节性、随机性、时序性特征将影响实时负荷的中期预测。构建一个实时负荷中期预测的框架,采用Prophet算法提取负荷数据的季节性部分,采用Blending集成学习对负荷数据的非季节部分进行滚动预测,将季节性部分和非季节性部分合成中期负荷实时数据。爱尔兰电力系统的算例结果验证了模型的有效性和稳定性。     

基于CNN-BiLSTM-Attention的超短期电力负荷预测

超短期电力负荷预测对电力系统的快速响应和实时调度至关重要,准确预测负荷能保障电力系统的安全并提高用电效率。为获得准确可靠的负荷预测结果,针对电网负荷数据非线性和时序性等特征,提出了一种基于CNN-BiLSTM-Attention(AC-BiLSTM)的新型超短期电力负荷预测方法。该方法首先将卷积神经网络(CNN)和双向长短期记忆(BiLSTM)网络相结合充分提取负荷数据本身的时空特征。然后引入注意力(Attention)机制自动为BiLSTM隐藏层状态分配相应的权重,以区分不同时间负荷序列的重要性,能够有效减少历史信息的丢失并突出关键历史时间点的信息。最后通过全连接层输出最终负荷预测结果。以某地区真实负荷数据为例进行了实验分析。通过两种实验场景对比,验证了该方法具有较高的预测精度,可以为电力系统规划和稳定运行提供可靠的依据。     

基于TSNE-BiGRU模型短期电力负荷预测

短期电力负荷预测是电力系统合理调度与安全稳定运行的基础。为提高电力负荷预测精度,提出一种基于t分布邻域嵌入(t-SNE)算法和双向门控循环单元(Bi-GRU)网络的短期电力负荷预测方法。该方法首先通过多标签处理将电力负荷时序数据转换成高维时间戳数据,进而在维持数据信息完整性的前提下通过t-SNE算法对其降维,并结合实时电价数据,基于Bi-GRU网络学习时间戳数据、实时电价数据及实时负荷数据之间的非线性特性,最后经全连接输出层聚合相关信息给出预测结果。基于新加坡地区电力基准数据集进行试验,对比分析所建模型TSNE-BiGRU与基准模型Bi-GRU及GRU的预测性能。试验结果表明所建模型TSNE-BiGRU具有良好的鲁棒性,能有效提高短期电力负荷的预测精度。其平均百分比误差值为0.49%,相较Bi-GRU与GRU,分别降低了23.44%与32.88%;其平均绝对误差值为30.58,相较两基准模型分别降低了22.19%与32.84%;其均方根误差值为39.40,相较两基准模型分别降低了17.16%与27.88%。     

基于回声状态网络的电力负荷采样概率分布估计

针对长期电力负荷预测中存在的预测准确度不高的问题,提出基于回声状态网络的电力负荷采样概率分布估计预测方法。首先,对电力负荷时间序列预测的回声状态网络模型进行研究,在构建网络训练集和测试集的基础上,利用主成分分析方法实现数据维度降低,提高预测效率;其次,为提高预测准确度,采用分布估计算法对模型参数进行优化,同时为提高分布估计算法性能,基于Gibbs采样方式构建Markov链特征的概率条件分布模型,实现联合概率分布逐渐逼近;最后,通过在标准测试函数和法国电力负荷实测数据上的实验对比,验证所提算法有效性。     

基于TCN-GRU模型的短期负荷预测方法

为了进一步提高短期负荷的预测精度,为电力系统的稳定运行提供更加有力的保障,文中提出了一种将时间卷积网络(TCN)和门限循环单元(GRU)相结合的短期负荷预测方法TCN-GRU。首先,将采集的训练数据划分为时序数据和非时序数据;其次,将时序数据输入到TCN模型中以提取时序特征;然后,将提取出来的时序特征与非时序数据组合起来输入到GRU模型中对模型进行训练;最后,利用训练好的模型实现对短期电力负荷的预测。基于广东省佛山市某行业真实负荷数据验证了TCN-GRU模型的负荷预测能力,并通过对比多种深度学习模型的预测效果,验证该模型具有更高精度的短期负荷预测能力。     

新型电力AMI系统中基于Neural Prophet模型的电力负荷预测与修补研究

针对新型电力系统高级量测体系（AMI）系统中电力负荷异常值与空值的修补问题,提出一种基于Neural Prophet模型的电力负荷预测方法,用预测值修补AMI系统中出现的负荷异常值与空值。通过Neural Prophet模型的趋势模块、季节性模块、自回归模块3个模块组合进行电力负荷精准预测,可解决AMI系统的负荷数据修补问题。在电力负荷数据集上进行实验,结果表明所提方法与负荷预测经典算法相比具有较优的准确性且具有参数可解释的优势。所提方法可对AMI系统中有问题的电力负荷异常数据进行有效修改,对缺失的电力负荷数据进行填补。     

电力日负荷数据主成分分析与计算

为实现电力的准确性负荷预测,保证电力系统安全性和经济性,避免短期负荷精度存在误差,提出一种主成分分析方法。结合多元统计的主成分分析,依据主成分的实际贡献率,做好线性无关输入变量的提取工作,进而将变量维数逐渐压缩。结合递推合成BP网络实现数据预测,在电力短期负荷预测过程中,会将模型预测精度提高。电力日负荷数据主成分分析和计算仿真结果表明,这一简化模型在日负荷数据预测过程中速度较快,同时也有着较高的预测精度。     

电力系统中长期负荷预测软件包的开发

作者开发了基于Windows操作平台的电力系统中长期负荷预测软件包。该软件包分为原始数据处理、负荷预测、预测结果处理三个模块，各模块相互独立，易于扩充。在该软件包预测结果处理三个模块，各模块相互独立，易于扩充。在该软件包建立的负荷预测的模型库具有分析、计算快速，检验方法多、结果输出形式多样的特点。模型库具有智能化的专家系统，可以针对不同地区的具体情况进行调整，适用范围广泛。最后以某地区的需电量历史数据为例，选择了5种不同模型进行了预测，并与综合模型的预测结果进行了分析和比较。分析表明该软件包人机界面友好、选用模型合理、预测结果精度较高，能够满足当今快速发展的电力市场对于电力负荷预测的精度的要求，并解决了当前电力系统中一些负荷预测软件可操作性不强，模型适用范围小的问题。     

大规模储能系统发展现状及示范应用

随着储能技术的飞速发展,大规模储能系统已经成为保证电力系统可靠供电的一个重要手段。介绍了储能技术的类别及其在电力系统中的作用,并阐述了其在电力系统中的应用研究现状和目前的主要示范应用实例,论述了储能技术未来发展趋势。     

ICEMI' 2015征文通知（英文）

正Qingdao,China7.16-19,2015The International Conference on Electronic MeasurementInstruments(ICEMI)is the world’s premier conference dedicated to the electronic measurement and test of devices,boards and systems that is covering the complete cycle from design,verification,test,diagnosis,failure analysis and process of manufactory and products     

锂离子电池安全性能评价研究

综合考虑锂离子电池的安全性能检测要求和重点项目,以红外热像技术检测多次循环后的电池在过充过程中的温升,利用电池程控测试仪检测电池的电学信息,建立"热电"综合评价体系,并在3 C过充电条件下,将50℃的温度极值和5.0 V的电压极值确定为量化指标,对电池体系的安全性能进行评价。该评价系统具有快速、灵敏和全场性的优点。     

某300 MW机组循环水泵出力不足的诊断分析

某300 MW机组投产以来循环水流量不足,极大地影响了机组的经济性。通过试验诊断分析得到,循环水系统设计阻力小于实际值,导致按照设计阻力选型的循环水泵出力不足,使得循环水流量偏小,影响了机组运行的真空。根据循环水系统实际阻力特性,对循环水泵进行重新选型整体改造,取得了较好的效果,与改造前相比,供电煤耗降低1.174 ~1.200 g/（kW·h）。据此,提出了循环水泵在设计选型时的注意事项。     

局部阴影条件下光伏阵列输出特性的研究

当光伏阵列处于阴影情况下时,输出的I-V曲线呈阶梯状,相应的P-V曲线含有多个局域峰值。通过理论分析、Matlab仿真以及实验测试,研究阴影分布对光伏模组输出特性的影响。并以工程用光伏电池模型为基础,用Matlab语言建立了一个简单实用的光伏阵列辅助设计软件,利用该软件对光伏阵列在不同光照、温度、遮挡模式以及阵列结构下进行仿真研究,深入分析了光伏阵列在局部阴影下的I-V和P-V特性,给出全局最大功率点位置随遮挡模式变化的定性结论,为局部阴影下光伏阵列特性和最大功率点跟踪算法的研究提供了有力的支持。     

燃料电池堆单片电压一致性研究进展

燃料电池堆单片电压一致性是电堆工作性能好坏的重要指标之一,单片电压一致性较高,电堆性能以及稳定性较好。由于操作参数、结构以及材料等因素影响,目前燃料电池堆单片电压一致性不是很理想,特别在大电流、水热分布不均、动载荷以及长时间运行时电压一致性明显变差。介绍了单片电压一致性的评价标准以及目前的研究进展,对燃料电池堆单片电压一致性的未来发展趋势进行了总结。     

喷射混合疏水回收装置的设计及应用

超临界锅炉启动过程中将产生大量高温高压疏水,将其输入除氧器可同时实现工质和热量的回收,进一步提高机组运行经济性。因此,为保证超临界锅炉启动疏水在进入除氧器时,不致引起除氧器内件的损坏和振动,开发专用的内置疏水回收装置具有重大意义。     

海外工程项目的成本控制与管理

当今,中国工程承包业正迎来走向世界的大好机遇,随之而来的也有艰辛和风险,特别在工程成本的控制与管理层面,面临着巨大的挑战。文章在总结海外工程项目特点的基础上,指出了海外工程与国内工程项目成本构成的差异,从各方面分析海外工程项目成本构成的特点,提出控制海外工程项目成本的策略和方法,包含了如何,进行成本管理等方面的具体内容,对于承接海外工程项目、估算工程成本和提高项目管理水平有着积极的意义。     

Energy worldviews: Engaging consumers by aligning rate design strategies with personal choice

Rate design serves objectives of cost recovery, market animation, and customer incentives. Yet in the quest to find the ‘perfect equitable rate,’ many rate designers and pilots overlook the diversity of consumer attitudes. AMI enables not only interval monitoring and controls, it allows alternative pricing plans, payment options, device adoption, and generation mixes reflecting individual priorities. Connecting consumer attitudes with a portfolio approach helps regulators and utilities achieve specific goals while improving satisfaction and engagement.     

The impact of retail electricity tariff evolution on solar photovoltaic deployment

This analysis explores the impact that the evolution of retail electricity tariffs can have on the deployment of solar photovoltaics. It suggests that ignoring the evolution of tariffs resulted in up to a 36% higher prediction of the capacity of distributed PV in 2050, compared to scenarios that represented tariff evolution. Critically, the evolution of tariffs had a negligible impact on the total generation from PV—both utility-scale and distributed—in the scenarios that were examined.