数据驱动的综合能源系统负荷预测综述

为了进一步提高能源的利用效率,综合能源系统(integrated energy system,IES)使各种能源系统间联系更加紧密,已经成为能源转型过程中一种重要的能源利用方式.IES负荷预测作为IES需求侧能量预测的重要方面,已经成为IES规划与运行调度的首要前提,要求有效地学习多类能源耦合信息,并准确地对多元化用能...     

基于IPSO-WNN的综合能源系统短期负荷预测

针对传统小波神经网络(WNN)综合能源系统负荷预测模型存在收敛速度、易陷入局部最优等缺点而导致预测精度不高的问题,文中提出了一种基于改进粒子群(IPSO)的WNN综合能源系统短期负荷预测方法。利用Pearson系数对各影响因素进行分析,选择合适的因素作为综合能源负荷预测的输入量;对传统粒子群算法进行改进,在PSO中引入混沌算法并根据粒子适应度采用不同的粒子惯性权重选择策略;基于IPSO建立了WNN综合能源系统短期负荷预测模型。通过案例验证,基于IPSO的WNN预测模型相比于传统WNN预测模型,预测精度明显提升。     

基于GRU-TGTransformer的综合能源系统多元负荷短期预测

综合能源系统的多元负荷短期预测,对系统的优化调度和经济运行至关重要。多元负荷之间耦合关系紧密,Transformer作为一种完全建立在自注意力机制上的模型,能很好地分析多元负荷之间的内在联系。传统Transformer模型针对自然语言类问题而设计,难以直接应用于多元负荷预测。为此,提出一种GRU-TGTransformer(GRU-Talkinghead-Gated residuals-Transformer)模型。该模型采用门控循环单元代替原有的词嵌入及位置编码环节,对输入数据进行特征融合,取得具备相对位置信息的高维特征数据。通过在多头自注意力环节引入交流机制,提高多头自注意力的表达效果。为进一步强化网络结构,在残差连接中引入门控单元,提高模型在时序预测问题上的稳定性。以美国亚利桑那州立大学坦佩校区的综合能源系统为算例,通过对所提出模型与传统模型之间进行对比分析,证明所提出的模型具有更高的预测精度。     

基于耦合特征与多任务学习的综合能源系统短期负荷预测

在区域型综合能源系统（IES）内各负荷间耦合程度逐渐增强和对更准确、可靠的用能预测需求日益提高的背景下,提出一种基于耦合特征构造及多任务学习的IES冷热电负荷短期预测方法。首先,从特征工程的角度利用耦合特征挖掘算法构造IES冷热电负荷耦合特征变量,提取不同能源负荷需求间的耦合特征,进而将负荷历史数据、耦合特征变量及气温等外生变量作为模型输入,利用多任务学习的共享机制建立IES的负荷预测模型,使得各能源预测子任务间的高维特征及模型参数能够通过基于长短期记忆神经网络搭建的共享学习层相互借鉴,以实现对负荷间耦合特征的充分挖掘和利用。以美国亚利桑那州立大学坦佩校区IES为例,通过预测结果精度对比和深度学习模型可解释性研究,证明所提出的预测方法可以有效提高区域型IES冷热电短期负荷预测的精度。     

基于LSTM和多任务学习的综合能源系统多元负荷预测

随着综合能源利用技术的不断发展与用户用能需求的多元化,现有单一负荷预测方法难以反映多元负荷间的耦合特性,精确的多元负荷预测将成为综合能源系统优化调度和经济运行的首要前提.基于此,提出一种以长短时记忆神经网络作为共享层的多任务学习负荷预测方法,经由共享层模拟多元负荷间的耦合特性,进而达到提升预测精度的目的.首先,以"硬共...     

基于重构误差和极端模式识别的综合能源系统短期负荷预测

综合能源系统的运行场景存在极端模式,且含有异常数据,亟剧增加了综合能源负荷预测的难度。该文提出基于极端模式识别和误差重构的综合能源系统极端模式短期负荷预测方法,通过极端模式的识别,异常数据的检测,提高综合能源负荷预测的精度。首先,基于最小累积距离的综合能源负荷数据聚类,识别系统的极端模式;然后,利用深度学习模型的残差和聚类误差进行误差重构,检测异常数据;最后,采用改进的Stacking集成学习方法,进行极端模式的综合能源负荷预测。将所提方法应用于典型的综合能源系统,并与已有方法比较,实验结果表明,所提方法能够很好地解决极端模式的综合能源系统短期负荷预测问题。     

统一能源系统氢负荷中长期预测

为实现清洁、时变可再生能源消纳和污染、稳定化石能源利用的协调发展,提出新能源电制–储氢耦合碳一化工循环的统一能源系统。在统一能源系统背景下,考虑氢负荷预测的时空特性、应用场景、影响因素与预测方法,建立氢负荷预测框架。基于此,针对氢负荷预测历史数据与信息缺乏等问题,提出工业领域、电力系统、热力行业及交通领域的氢负荷预测函数,计算各场景下氢需求量,并提出计及原始数据检验的滚动灰色预测方法。最后,分场景预测全球氢负荷,仿真结果验证所提预测方法的有效性及统一能源系统节能减排的可行性。     

基于深度学习的综合能源配电系统负荷分析预测

为支撑综合能源配电系统的经济调度和优化运行,提出了一种基于深度学习的冷热电多元负荷综合预测方法。首先,使用皮尔逊系数定量计算多元负荷间的相关关系,分析负荷与影响因素间相关性;然后,构建基于卷积神经网络和支持向量回归的深度学习模型,其中卷积神经网络作为特征提取器从输入数据中提取隐含的更具代表性的特征信息,支持向量回归作为预测模型输出预测结果,同时开展缺失数据与离群数据的预处理;最后,应用某综合能源系统的实际数据对算法的有效性进行了验证,比较分析了考虑多元负荷相关性对预测结果的影响。结果表明:所提出的RCNN-SVR模型对冷、热、电负荷均有较好的预测精度。研究成果可为综合能源配电系统的综合负荷预测提供参考。     

基于改进DaNN的综合能源系统多能负荷预测

随着能源革命的推进及双碳目标的提出,综合能源系统越发受到广大研究者的重视,对综合能源系统进行高效的规划和控制离不开精准的多能负荷预测。基于上述需求,引入迁移学习理论,提出一种改进领域自适应神经网络（DaNN）负荷预测模型对综合能源系统中的冷、热、电负荷进行统一建模与预测。首先,通过历史数据分别构筑冷、热、电负荷特征图,随后输入改进DaNN的参数共享卷积层和全连接层;其次,基于冷、热、电负荷联合预测的特点改进传统神经网络的损失函数,加入最大均值差异指标,并优化训练模型;最后,通过3个各自独立的全连接层分别输出冷、热、电负荷的预测值。通过采用实际算例验证并与基准模型对比可知,所提改进DaNN模型能够有效提高综合能源多能负荷预测精度。     

基于径向基函数神经网络的综合能源系统多元负荷短期预测

准确的能源负荷预测对综合能源系统的经济调度和优化运行有着重要的影响。提出一种基于径向基函数神经网络（radial basis function neural network,RBF-NN）模型的综合能源系统电、气、热多元负荷短期预测方法。首先利用Copula理论对电、气、热负荷进行相关性分析,建立了电、气、热负荷和温度的时间序列;接着设计RBF-NN网络模型结构,采用K-means聚类算法对隐含层节点进行优化;最后通过国内某园区综合能源系统的实际数据对模型进行验证。通过3个案例结果的比较,验证了文中提出的方法可以有效地考虑电、气、热负荷之间的耦合关系,具有较高的预测精度。     

“物理分布、逻辑集中”架构下调度系统一体化分析中心总体设计

特高压电网的建设使得电网运行特性呈现复杂性增加、一体化特征增强等特点,对调度系统的分析决策提出了一体化分析要求,而传统的调度系统无法适应这种新的需求。基于"物理分布、逻辑统一"的全网集散式调度与控制技术的总体思路,提出了一体化分析中心的总体架构,并基于该架构进行了模型中心、在线分析服务和离线分析服务的详细设计。结合未来电网发展趋势对电网分析决策的需求,指出了未来调度系统分析决策软件的发展方向,为电网在线调度决策的研发提供了参考。     

配电网工程现场管控掌上终端系统总体构架设计

为满足配电网施工作业安全管控与施工作业质量管控的需要,有效提高配电网工程现场工作的管控能力,文章将配电网工程现场管控技术与无线掌上终端技术相结合,提出了应用于配电网工程现场管控的掌上终端系统的总体设计方案.所构建的配网工程管控APP及其支撑系统,涵盖了项目管理、施工前期、施工过程以及工程竣工验收的工程全过程管控.通过所...     

Low-power design and architecture

For application specific integrated circuits (ASIC) designers, power is becoming more of a constraint: the increasing power consumption decreases reliability and increases costs associated with packaging and cooling devices. In this article, the authors review some design techniques for low-power systems     

微电网结构设计的基本原则

微电网结构设计是微电网建设的基础,设计微电网结构时需遵循一定的设计原则,而微电网的结构设计较之于传统配电网又有不同。本文详细分析了交流微电网和直流微电网的相同点和不同点,并指出交直流混合微电网兼顾了两者的优点,更加有利于分布式电源的接入。本文阐述了微电网结构设计的若干原则,在考虑分区、分层原则的同时,还要考虑资源利用最大化、能源互补、储能和无功补偿等问题,文中还给出了当资源和负荷条件不能自然满足设计原则时的解决措施。最后,以北京某大学为例进行了微电网的设计,验证了上述设计原则的合理性和可行性。     

周、月负荷预测的GS-ANN综合模型

灰色系统(GS)和人工神经网络(ANN)作为2种行之有效的负荷预测工具有着各自的优缺点和适用范围.将灰色系统预测和人工神经网络预测的结合方式总结为5种,即并联型、串联型、灰色系统辅助人工神经网络型、人工神经网络辅助灰色系统型和补偿型.针对周、月负荷预测的规律和需要,通过对比推荐采用串联型综合模型,提出在GS的基础上将主要影响因素也作为ANN的输入,对周、月负荷序列进行建模.通过算例证明了其在周、月负荷预测中的精度明显优于单一的灰色系统模型和人工神经网络模型.     

An integrated load forecasting-load management simulator: itsdesign and performance

An integrated load-forecasting-load-management (LFLM) simulator is constructed that can be used by electric cooperatives and electric utilities alike. Rule-based algorithms have been used for implementing various functions of the simulator. The major elements of the simulator are 24 hour load forecasts, water heater and air conditioner load models, direct load control dispatch, and intelligent databases. The system has been provided with adequate amount of intelligence so that it is able to make the right decisions, revise and update its rules and factors, diagnose problems and take corrective actions without the need for operator intervention in most situations. The load-management simulator consists of a central unit, remote unit, and data sources. Five microcomputers, six monitors, two dot-matrix printers, four modems and a terminal are the main components of the system. The central unit consists of an IBM-RT/PC microcomputer and its communication accessories. The design, implementation, and performance evaluation of the simulator are addressed     

国家电网公司微应用平台架构设计与实现

为了适应国家电网公司信息系统建设从传统架构模式向“大平台+微应用”架构模式转换,运用当前先进的技术和架构设计理念,针对传统单体式架构存在的问题,凭借其微应用自身特有的优势,从功能架构、技术架构、运行架构方面提出了设计方案.并在UAP微应用项目进行了实际部署和实现,举例给出了应用效果,通过测试和数据分析得出了微应用架构便于开发、运行、部署的结果.作为新兴事物,微应用在技术和管理上还有很多不足和需要改进的地方,这些将是下一步工作的方向.     

绿色生态住宅及其建筑设计

绿色生态住宅是当今住宅业极为关注的热点问题,也是建筑业可持续发展的-个关键环节.分析了绿色生态住宅的基本概念、标准,以及绿色生态住宅的建筑设计.介绍了国外一些已建成的绿色生态建筑以供参考.