基于RBF-BP组合神经网络的短期风电功率预测研究

为提高风电输出功率预测精度,提出一种基于RBF-BP组合神经网络模型的短期风电功率预测方法。在考虑尾流等因素影响的基础上,对风速进行预处理。根据相关历史数据,建立RBF-BP组合神经网络短期风电功率预测模型,对风电输出功率进行预测。仿真分析结果表明,该预测方法能有效提高风电输出功率预测精度。     

基于相似日选取样本的短期风电功率混沌预测

为减小构成初始条件的样本数据所导致的预测误差,本文借鉴负荷预测中基于相似日选取样本的思想,采用趋势相似度的概念选择相似日作为模型输入量,对短期风电功率进行混沌预测。选择我国某区域风电功率数据作为研究对象,考虑不同预测步长和季节差异,进行了大量的算例仿真,结果验证了该方法提高混沌预测精度的有效性和适用性。     

基于布谷鸟算法优化独立循环神经网络深度学习的超短期风电功率预测

风电功率数据具有强烈的时序特性,其序列数据的特征提取,是进行风电功率准确预测的重要前提。为此,引入了更长、更深层次的多隐层独立循环神经网络来最大程度上提取可反映输入风电功率序列数据的本质特征量,进而建立起特征量与风电功率之间的非线性关系。然而,在建立深层独立循环神经网络时,存在模型超参数设置与优化困难的问题。为此,进一步提出结合布谷鸟算法对独立循环神经网络关键超参数进行优化设计的方法。最终,结合某风电场实际数据,将模型预测结果与实测数据进行对比,验证所提方法能够有效提高预测精度。     

基于非参数核密度估计的风电功率区间预测

由于风电的高度随机性和波动性,且风电功率的预测精度仍较低,因此传统的风电功率点预测不足以描绘风电的不确定性。在风电功率点预测值的基础上,采用非参数核密度估计方法计算风电功率预测误差的概率密度,并采用三次样条插值拟合预测误差的概率分布曲线,继而得出满足一定置信概率的风电功率预测区间。结果表明,采用风电功率区间预测能提供风电功率预测曲线和该曲线的变化范围,更有利于风电的不确定性建模。     

基于两级级联聚类的神经网络风电功率预测

对历史日及预测日的风速特性进行比较,提取综合相似程度高的历史日作为训练样本,对不同类别分别建立预测模型。采用两级级联的混合聚类算法实现相似数据的最优选择,并构建基于改进粒子群优化的小波神经网络模型预测风电功率。通过对中国西部某风电场的算例仿真,表明该方法能够有效识别样本数据的筛选,提高风电功率预测精度。     

考虑测风数据缺失的短期风电功率预测算法

准确的风电功率预测是提高电网稳定性、增加风电场竞争力的重要途径。文章提出了一种以虚拟测风塔技术对测风塔数据进行预处理的方法,对缺失数据进行补全,利用RBF神经网络建立风速预测模型,拟合风速功率曲线得到风电功率预测结果。实验分析显示,基于虚拟测风塔技术的数据预处理方法可有效增加测风数据完整度,提高预测精度,降低风电场的运行维护成本,进一步提高风电场竞争力,具有实际应用价值。     

自适应提升及预测误差修正的风电功率超短期预测

为了提高超短期风电功率预测精度,提出了一种自适应提升及预测误差修正的风电功率超短期预测方法。首先,使用CEEMDAN将原始风电功率序列分解为多个分量,用RCMSE对其重构成新模态以降低风电功率序列复杂性及提高预测效率;其次,用EESHHO优化ELM权值和阈值提高模型的泛化性,同时引入AdaBoost提高预测模型的精确度和稳定性;最后,在学习历史训练误差的基础上提出修正预测值的策略,进一步提高预测精度。算例结果验证了所提方法的有效性。     

基于小波分析和PSO优化神经网络的短期风电功率预测

针对风电场风速和风电功率序列起伏波动大、无明显变化规律等特点以及传统神经网络收敛速度慢、易陷入局部极小值等缺陷,提出了基于小波分析和改进粒子群算法优化神经网络的短期风电功率预测方法。首先,通过小波方法将用于神经网络训练的历史风速和风电功率序列进行分解,再针对风速和风电功率的各个分量分别建立相应的神经网络模型,采用分期变异粒子群算法对各个分量的神经网络学习算法进行优化,最后将各个分量的预测值进行小波重构得到风电功率预测结果。江苏如东某风电场风电机组的实验结果证明预测精度较传统神经网络方法有较大提高,验证了所提出方法的有效性。     

基于Elman神经网络的短期风电功率预测

为提高风电场输出功率预测精度,提出一种动态基于神经网络的功率预测方法。根据实际运行的风电场相关风速、相关风向和风电功率的历史数据,建立了基于Elman神经元网络的短期风电功率预测模型。运用多层Elman神经网络模型对西北某风电场实际1h和24h的风电输出功率预测,与BP神经网络模型对比,经仿真分析证明前者具有预测精度高的特点,三隐含层Elman神经网络模型预测效果最佳。这表明利用Elman回归神经网络建模对风电功率进行预测是可行的,能有效提高功率预测精度。     

基于误差修正的NNA-ILSTM短期风电功率预测

为更准确预测短期风电功率,提出了一种基于误差修正的NNA-ILSTM短期风电功率预测方法。首先,采用斯皮尔曼(Spearman)等级相关系数法对风电功率影响因素分析,选出相关性较高的参量;其次,对长短期记忆网络添加注意机制与修改损失函数以解决其对有效信息筛选不足的问题,利用神经网络算法(NNA)优化改进的长短期记忆网络(ILSTM)中的神经元数量和时间步长,提高其预测精度以及泛化能力,构建NNA-ILSTM预测模型;最后,分析预测误差与风电功率、风速之间相关性,构建误差修正模型,对NNA-ILSTM模型预测结果进行修正,得到风电功率预测的最终结果。实验结果表明,所提出的模型可以显著提高风电功率预测精度。     

生态水泥及其发展前景

从生态水泥与普通水泥的概念,着重讲述普通生态水泥与矿渣型生态水泥的各种特性以及与普通水泥在生产工艺、生产费用到对环境的影响分别加以对比和介绍,并对生态水泥的发展趋势进行了归纳,同时提出发展生态水泥,改善人居环境,促进人与自然和谐共存.     

具有智能化特征的安全稳定分析与控制决策技术

安全稳定预警与控制辅助决策是智能电网调度技术支持系统不可缺少的应用类功能。在分析安全稳定分析与控制决策计算工作特点的基础上,提出安全稳定分析与控制决策支持智能化的主要特征：自动化和自适应性。介绍了自动化的安全稳定分析计算技术,包括输入数据准备、任务执行和输出结果的自动化处理;阐述了自适应电网运行工况、外部环境和硬件运行状态的安全稳定分析技术,包括调整应用功能的输入数据和妥善处理安全稳定性交互影响,以及根据分析计算任务要求动态优化调度计算资源。这些技术已用于安全稳定综合防御系统,提高了分析结果的适应性和分析计算的效率,在电网运行规划、计划安全校核、超短期安全态势预测、调度操作安全校核和在线分析与控制等电网调度运行管理中发挥作用。     

省柴节煤灶炕技术及其推广

“烧柴做饭，火炕取暖”是我国广大农村的传统习惯。沿用多年的旧式灶炕，热效率低，每年要烧掉大量农作物秸秆和薪柴，还不能很好地解决农民炊事和取暖的问题。     

过热器再热器爆漏事故的原因分析及对策

过热器、再热器爆漏事故严重影响了锅炉机组的安全性和经济性,而造成过热器、再热器爆漏事故的主要因素有超温爆管、磨损、高温腐蚀、热疲劳、质量失控等。通过对这些因素的主要原因和爆口特征的分析,提出了一些过热器、再热器爆漏事故的防治措施。     

Direct and indirect uses of energy and materials in engineering and construction

The energy content of final products is made up of two parts: the direct energy content, the energy purchased by the firm making and selling the product; and the indirect energy content, the energy used in the manufacture of suplies and in the services purchased by the company. The present paper notes from published energy statistics that in both the UK and the USA the industries which extract and refine materials directly purchase far more energy than the industries which convert the materials into final products. An input-output analysis of the total, direct and indirect, energy purchased by the UK engineering and construction industries confirms the expectations that indirect energy purchases far exceed direct, in the main because large amounts of energy are consumed in the manufacture of materials.It follows that minimisation of the energy required in the manufacture of the products of the engineering and construction industries needs to be carried out in the context of a wider systems optimisation process, in which an industry's suppliers, and in particular its suppliers of materials, are considered an integral part of the system.Some implications of this observation are discussed both from the short and long term point of view.     

冶金渣综合利用与节能环保

论述以磁选除铁后的冶金渣为主要原料,集成高炉煤气、蒸汽等再生能源生产节能环保的建材产品的方法。该方法具有能利用大量冶金渣和再生资源、能多途径有效节省能源消耗、避免了冶金渣对环境的二次污染和再生资源的浪费。