基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法

针对设备故障和人为干扰等因素造成光伏数据缺失的问题,提出了一种基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法。首先,使用Wasserstein散度生成对抗网络(Wasserstein divergence for GANs,WGAN-div)学习光伏数据的时序性规律与耦合关系;其次,设计了重构约束,通过优化生成器的噪声输入,使得重构后的样本最大限度贴近真实样本;针对优化高维变量问题,采用纵横交叉算法催化粒子群算法的寻优过程,防止优化时出现早熟问题。实验结果表明,在光伏数据含有大量缺失值时,所提方法具有较高的重构准确率。该方法也适用于电力系统中类似数据的缺失值重构,具有良好的应用前景。     

基于奇异谱分析的短期电价预测

针对电价序列具有非线性和非平稳性的特点,提出了一种基于奇异谱分析(SSA)和改进布谷鸟算法(ICS)优化极限学习机(ELM)的短期电价预测模型。采用奇异谱分析提取电价序列中的趋势成分和振荡成分,进行准周期信号分量重建,并对重建序列进行ELM建模预测。针对ELM预测模型中的参数易陷入局部最优的问题,为了提高预测精度,提出改进布谷鸟算法优化预测模型的参数。最后将所有预测序列进行叠加,得到最终的电价预测值。以澳大利亚某电力市场电价数据为例进行分析,通过与其他几种预测模型相比,表明SSA-ICS-ELM模型能有效提高电价预测的精度和稳定性。     

基于强化学习和组合式深度学习模型的超短期光伏功率预测

超短期光伏功率预测对光伏并网系统的安全运行有着重要意义.针对传统单一预测模型在进行光伏功率预测时受到功率随机波动性的影响导致预测精度往往不理想的问题,提出了组合式深度学习预测模型.首先,采用小波包分解对原始光伏功率序列进行分解,初步降低了原始光伏功率的非稳定性.其次,在此基础上分别采用长短时记忆网络、门控循环单元与循环神经网络3个单一模型对光伏功率进行预测得到3个预测结果并加权组合.最后,利用强化学习的Q学习算法对组合权重进行优化,进而最大化组合模型的预测性能.以某地光伏电站实测数据进行实验,结果表明文中所提出的组合预测模型优于其他预测模型,并验证了所提模型的有效性.     

基于贝叶斯神经网络的风电短期功率预报研究

提高风电功率预报的准确率对电网的安全运行调度有着重要的意义。针对标准BP学习算法泛化能力不强的问题,设计了一种基于贝叶斯正则化算法修正权值的学习算法,用于风电的功率预测。仿真结果对比表明新的算法具有比标准BP算法和径向基神经网络具有更好的泛化能力,同时取得了良好的预测效果。     

考虑大规模电动汽车入网的协同优化调度

就可入网电动汽车(PHEV)广泛接入电力系统后的机组最优组合问题进行了研究。将各时段的燃煤机组出力和PHEV充放电数量作为决策变量,以机组燃煤费用最小为目标函数,并引入相应的约束条件,提出一种带有动态约束处理的纵横交叉算法,以求出该模型的最优调度方案。纵横交叉算法采用一种双交叉搜索机制,在扩大了搜索空间同时,保持了种群的多样性,大大增强其全局搜索能力和收敛精度。两种交叉方式通过竞争算子完美的结合起来,所产生结果会呈链式反应在整个种群中蔓延。最后实验部分,以10机组模型为例,证明了此算法能有效解决非凹、约束耦合的发电成本最小化问题。     

一种新的弹性水击计算方法

提出了一种基于MATLAB新的弹性水击计算方法,提高了计算精度,而且易于建模仿真.仿真实验结果表明,新的计算方法更加准确地反映了水击压力极值点及整个动态过程,这对保证水电站运行的安全性和经济性以及研究机组动态过程有理论和实际应用价值.     

更换转轮改善水轮机性能的实践及试验研究

当转轮产生严重的空蚀磨损和水力性能问题时，只能依靠更换新型不锈钢转轮来解决。文中以刘家峡水电站机组改造增容为例，给出了各台机组转轮改造的主要技术措施，分析了更换转轮后的水轮机能量、稳定性、空蚀磨损性能的改善情况。这对水电厂的机组技术改造有很大的工程实际意义。     

基于多维度动态协调的大规模并网风电储能容量多指标优化配置策略

以并网风电与储能系统时空多维度上的耦合互动特性和风火储电力系统间动态协调机制的综合分析为基础,建立考虑风储系统功率传递与能量时空多维度输移特性、储能系统能量周期性循环与功率能量转移守恒规律、风火储系统互动耦合特征影响并兼顾其功率调节与能量输移双重效用的容量多指标优化配置数学模型。通过风火储电力系统仿真表明:所提出的多指标优化配置策略,不仅能合理量化风火电力系统中的储能容量配置,实现调节容量和风电功率输出特性间的协调,且可有效反映其时空多维度上的动态互济特征,充分利用清洁风电提高电力系统运行经济性。     

纵横交叉算法优化FCM在电力客户分类中的应用

电力客户分类是供电企业客户关系管理的基石,为了提高聚类算法的稳定性和精确性,提出了一种纵横交叉算法(CSO)与模糊C均值算法(FCM)有机结合的新聚类算法(CSO-FCM),并用新算法进行客户分类。新方法有效弥补了单一算法的不足,拥有模糊理论处理不确定信息的能力以及纵横交叉算法全局收敛性强的特点。利用新算法对电力客户数据进行客观、科学的挖掘分析,实现了对电力大客户较全面和准确的精细化分类,为供电企业制定有针对性的营销策略提供了依据。