综合能源系统整体架构设计及负荷预测

综合能源系统可有效减轻化石能源依赖、提升可再生能源利用水准,然而该类能源系统供能环节繁杂,耦合能源类型众多,合理规划并精准预测负荷势在必行。借助能源节点构建系统整体架构并对负荷做出预测。预测模型采用四类算法训练对应基学习器,借助已有结果训练元学习器从而得到最终结果,并选取欧洲ENTSO提供的瑞士多年份电力负荷数据佐证该模型的有效性。算例结果显示本文模型预测精度高于现有模型,可有效预测波动负荷,契合该类能源系统负荷预测场景。     

基于改进小生境PSO算法的综合能源系统调度

以减少综合能源系统运行成本、提高可再生能源利用率为目的,在调度目标中考虑可再生能源消纳程度,构建了满足电热冷负荷的综合能源系统模型。针对传统粒子群优化算法PSO(particle swarm optimization)易陷入局部最优的问题,将小生境技术与粒子群算法结合并提出一种非线性递减惯性权重策略,利用改进的小生境粒子群优化算法对构建的综合能源系统模型求解,结果表明改进后的算法具有更好的寻优能力,所提模型在兼顾经济性的同时提高了系统对可再生能源的消纳能力。     

并行多模型融合的混合神经网络超短期负荷预测

针对输入数据特征多时负荷预测模型精度提升难的问题,文章提出一种并行多模型融合的混合神经网络超短期负荷预测方法。将卷积神经网络(convolutional neural network,CNN)与门控循环单元神经网络(gated recurrent unit neural network,GRU-NN)并行,分别提取局部特征与时序特征,将2个网络结构的输出拼接并输入深度神经网络(deep neural network,DNN),由DNN进行超短期负荷预测。最后应用负荷与温度数据进行预测实验,结果表明相比于GRUNN网络结构、长短期记忆(long short term memory,LSTM)网络结构、串行CNN-LSTM网络结构与串行CNN-GRU网络结构,所提方法具有更好的预测性能。