基于CPS的电力供需互动技术及平台发展

为了应对能源互联网在用户末端的发展,解决智能电网在用电环节的落地问题,提出了一种满足电力供需互动的新型业务框架。利用标准的信息物理系统（CPS）建模理论,设计了基于信息物理融合的供需互动平台架构及核心节点功能。互动平台解耦了供需互动业务的传感单元、执行单元、计算单元,扩展了openADR逆向转换的信息模型。在智能电网架构模型（SGAM）框架下设计的基于CPS互动平台能够充分发挥分布式智能单元的优势,能够适应多级控制与优化需求,可有效支撑未来电力供需互动业务的灵活开展。     

寻找能源发展的绿色路径

随着石油、天然气价格不断上涨,电能在终端消费市场具有一定的竞争力。提高清洁能源利用,推广电能替代可缓解我国常规能源紧缺、环境污染的现状。     

火电厂节能项目的节能效果评价分析

对当前火电厂的节能技术进行了概述,并提出了科学、可行的节能项目评价指标体系,对火电厂节能项目的节能减排评价工作具有一定的指导和规范作用。     

基于熵权的中长期电力负荷组合预测

运用多个预测效果的评价指标综合比较多种中长期电力负荷预测方法,结合熵权的方法客观地为每种预测方法分配权重,将各方法的预测结果加权求和得到最终的预测结果。实例表明,该方法在提高预测精度的同时减小预测的风险。     

工程网络资源平衡的改进型遗传算法研究

对工程网络资源平衡的遗传算法的缺陷进行了分析,提出了聚类分析优化遗传算法。通过种群优化分类,使搜索半径不断缩小,实现了自适应连续优化搜索,较大提高了网络优化收敛速度、解的精度及全域寻优能力。通过分析和实例验证,表明该算法对大型工程网络具有明显的优越性,是一种可用于工程施工的实用型方法。     

基于周期波动及其影响分析的电力市场中长期电价预测

电力市场中的中长期电价受众多不确定因素影响,很难用传统的经验统计方法建模预测。现有的预测方法一般从系统模拟角度出发进行预测,需要较多的系统信息资料,难度很大。本文采用经验模式分解将电价分解成多个相对独立的分量,详细分析不同的因素对于这些分量的影响,从不同的时间尺度分析电价的影响因素。根据分量的特点有针对性地选择时间序列和支持向量机建模预测。实例研究表明该方法适合于分析和预测复杂的中长期电价。     

弱联络线功率浑沌振荡研究

本文应用Melnikov方法首次对两个周期性负荷扰动引起联络线功率浑沌振荡进行解析分析，得出引起系统出现浑沌振荡的条件，数值计算表明，在浑沌发生区域，系统中只有确定性的负荷扰动，联络线功率也会出现随机振荡现象。     

基于KPCA-MEE的电力市场售电公司信用评价研究

建立完善的售电公司信用评价体系,有助于规范电力市场交易、提高电力市场的机制建设和行业管理水平。将核主成分分析法和物元可拓理论相结合,构建KPCA-MEE售电公司信用评价模型。在所设计的售电公司信用评价指标体系基础上,采用核主成分分析法实现指标体系降维并确定指标权重,可有效避免主成分分析法中因各指标贡献率过度分散而影响评价效果的弊端。然后应用物元可拓理论对售电公司进行信用等级评价,解决评价对象的模糊性、不确定性问题,为等级评价提供可靠依据。基于4家售电公司的运营数据进行算例分析,计算结果证明该模型的有效性和合理性。     

基于置信度准则的电网企业危机管理能力熵权模糊综合评价

在充分考虑电网企业危机管理能力评价指标的基础上,建立了层次递阶模型,同时提出了一种熵权模糊评价方法对电网企业危机管理能力进行了综合评价。通过置信度准则可以对各个时点的电网企业危机管理能力进行等级划分,比传统的模糊综合评价方法更加科学、直观、可行。     

A novel recurrent neural network forecasting model for power intelligence center

In order to accurately forecast the load of power system and enhance the stability of the power network, a novel unascertained mathematics based recurrent neural network （UMRNN） for power intelligence center （PIC） was created through three steps. First, by combining with the general project uncertain element transmission theory （GPUET）, the basic definitions of stochastic, fuzzy, and grey uncertain elements were given based on the principal types of uncertain information. Second, a power dynamic alliance including four sectors： generation sector, transmission sector, distribution sector and customers was established. The key factors were amended according to the four transmission topologies of uncertain elements, thus the new factors entered the power intelligence center as the input elements. Finally, in the intelligence handing background of PIC, by performing uncertain and recursive process to the input values of network, and combining unascertained mathematics, the novel load forecasting model was built. Three different approaches were put forward to forecast an eastern regional power grid load in China. The root mean square error （ERMS） demonstrates that the forecasting accuracy of the proposed model UMRNN is 3% higher than that of BP neural network （BPNN）, and 5% higher than that of autoregressive integrated moving average （ARIMA）. Besides, an example also shows that the average relative error of the first quarter of 2008 forecasted by UMRNN is only 2.59%, which has high precision.