基于极端梯度提升-长短期记忆神经网络组合模型的短期电力负荷预测

为了提高短期电力负荷预测的精度,提出一种基于极端梯度提升和长短期记忆网络的组合预测方法。首先采用Spearman相关系数法对负荷与气象因素进行相关性分析,提取模型输入特征。然后分别建立XGBoost、LSTM预测网络,并采用遗传算法优化网络的参数。最后利用模拟退火算法对各网络的预测结果分配最优权重系数,通过加权组合得到最终的集成预测结果。实验结果表明,XGBoost和LSTM组合模型对短期电力负荷预测的平均绝对百分比误差为0.88%,与XGBoost模型、LSTM模型相比,误差分别降低了2.17%、1.99%,在负荷预测领域更具有优势。     

基于TEG技术的加热器供能系统

可靠的军需后勤保障是推动战争胜利的重要环节,尤其是野战口粮补给,直接影响士兵的战斗表现。在现代高科技战争快速、高机动性的趋势下,单兵野战口粮热食化成为野战口粮发展的一大方向,通过燃料燃烧产生热量为口粮加热成为野战口粮热食化的主要方式。外军使用车载口粮加热装置为口粮加热,该装置须由军用车辆或柴油发电机供电,自持性、环境适应性和隐蔽性较差。设计了以温差发电器(thermoelectric generator,TEG)为核心的自持式供能系统,将燃烧器产生的热能直接转换为电能,对用于燃烧器供能的锂离子电池进行全过程持续充电;当TEG发电功率稳定且达到燃烧器用电需求时,进行工作模式切换,使TEG独立给燃烧器供能,维持燃烧器运行。实验结果表明,燃烧器启动25 min后,TEG放电功率最高可达116 W,可维持燃烧器运行的同时对锂离子电池充电,实现口粮加热器在野外环境的自循环独立运行,提高野外保障能力。     

基于改进PSO-Kmeans算法的实际日负荷

有效的实时用户日负荷曲线分类可为电网系统规划、负荷建模、负荷预测及需求侧管理等方面提供依据,同时为电网工作人员实现对负荷模型的判别提供帮助。为此提出一种基于改进PSO进化算法优化K means的日负荷曲线用户行业分类方法。首先利用牛顿插值法对缺失数据进行填补,然后运用定值线性函数对数据归一化,最后采用权重线性递减及同步学习因子改进PSO解决算法易陷入局部最优解的问题,以优化K means分类结果准确性。算例分析表明,PSO Kmeans算法迭代能力强,具有全局寻优能力,且具有一定的鲁棒性,相较于传统K means分类准确率高。     

浦东机场35kV航宇开关站运行方案分析

浦东国际机场内已建有5座35kV用户变电站,预计三期扩建工程需新增负荷164 MVA,现35kV 变电站 容量已无法满足负荷增长要求,而远期220kV 变电站建设周期较长.为确保浦东机场三期投用后的安全供电运行, 分析了35kV 航宇站根据不同的运行状况 (进线检修或故障跳闸等)而应采取的相应的运行方式.     

重载铁路典型牵引变电所电能质量测试与评估

重载铁路牵引供电系统相较于普速铁路牵引供电系统具有牵引电流大,电力机车类型多、数量多,交Ｇ直型、交Ｇ直Ｇ交型电力机车混跑及负载移动速度慢等特点,导致无功、负序和谐波等电能质量问题变得更加突出,给电力系统及牵引供电系统的稳定运行造成了不良影响.对此,利用专业电能质量测试装置,对国内某重载铁路线上的典型牵引变电所开展供电品质综合测试,并基于国家相关标准定量评估该牵引变电所功率因数、谐波、负序、电压偏差等电能指标及牵引网网压波动特性,这对于保证重载铁路安全供电和正常运输秩序具有重要意义。     

基于CNN-BiGRU-Attention的非侵入式负荷分解

随着智能电网的迅速发展,为了有效提高电能的使用率,合理规划电能资源,建立全国范围内的智能用电和负荷监测系统,非侵入式负荷监测(NILM)和分解问题一直受到广泛关注。为提高非侵入性负载分解性能,提出一种基于耦合神经网络的非侵入式负荷分解方法。首先,对数据集进行归一化和预处理。其次,构建一种将卷积神经网络(CNN)与双向门控循环单元(BiGRU)相结合的混合深度学习模型,对数据的空间特性和时序特性进行充分挖掘,并加入注意力机制,关注重要信息,剔除冗余特征。最后,采用国内自测数据集进行试验,使用不同的评价指标对该耦合神经网络进行评估,并与其他的常用分解模型进行对比。试验结果表明,所提方法的均值绝对误差与绝对误差和相较于其他分解方法都有所降低,均值绝对误差平均下降了35.9%,绝对误差和平均下降了39.9%。     

一种双边LCC补偿无线电能传输变换器谐振网络设计方法

针对双边LCC补偿方式的无线电能传输变换器,提出了一种谐振网络设计方法：基于抑制谐波电流、压缩磁元件体积以及在最大传输距离与最大横向偏移状态传输功率可接近额定功率的考虑,依据额定传输功率、开关频率等约束条件,确定谐振网络全部元件(包括松耦合变压器)的电参数。在此基础上提出了一种相应的带磁芯平面螺旋线圈松耦合变压器尺寸设计方案：依据松耦合变压器处于最大传输距离、最大横向偏移状态时的互感值,从理论上估算出其尺寸范围,再以少量有限元仿真搜索到其最佳尺寸。设计并制作了一台额定输出功率为4.5 kW的样机,验证了所提设计方法的正确性。     

基于模体挖掘与调和函数半监督学习的非侵入式负荷监测

针对现有非侵入式负荷监测(NILM)方法成本高昂等问题,提出一种基于模体挖掘与调和函数半监督学习的NILM方法。基于低频采样数据,根据从监测数据得到的功率阶跃量,利用时间序列分析法和模体挖掘法划分设备的运行窗;在设备运行窗中,根据设备特性与统计方法定义设备开启最大值到稳定运行点的斜率、设备稳定运行时的波动幅度2个新的特征量;构建设备运行窗的特征向量,并利用基于调和函数的半监督学习算法对运行窗中的设备类型进行识别。基于参考能量分解数据集,分别从事件匹配和设备识别的角度将模体挖掘和基于调和函数的半监督学习算法与其他NILM方法进行对比,验证了所提方法的准确性和可推广性。     

非侵入式负荷识别的电流序列可视化方法

以单一特征为标签的用电设备识别,因特征携带的信息量不足,在区分性质相似的负荷时易产生误判,为此,提出一种将电流序列编码为图像的二维可视化方法,通过计算机视觉技术对负荷进行分类识别。利用Fryze功率理论提取电流的非有功分量,通过格拉姆角场(GAF)将一维电流序列转换成二维图像,借助数据扩充的方式进行升维,并赋予矩阵颜色特征来提升负荷标签的辨识度;基于迁移学习的思想,利用预训练模型Inception_v3提取并学习GAF图像特征,并以该特征为标签对负荷类型进行分类识别。在2个公开数据集上的实验验证了所提方法在高频采集场景下的准确性和有效性。     

考虑供气约束与净负荷预测误差的电-气综合能源系统调度策略

当前电-气综合能源系统调度存在天然气供气流量波动性较大、调整次数过多等问题,导致配气系统调峰压力较大。为此建立天然气供气模型,包含供气流量调整幅度、方向、总次数等约束;对天然气系统标幺制进行推导,通过合理选择基准值可对天然气系统的相关参数进行合理放缩变换,以便观察分析;用高斯混合模型对净负荷预测误差概率分布进行精确拟合,基于此提出考虑天然气供气约束和净负荷预测误差的电-气综合能源系统调度策略,并采用数据驱动的机会约束规划来处理净负荷预测随机性。最后,通过算例验证所提策略的有效性,仿真结果表明所提策略可明显降低天然气供气流量波动,保障系统的可靠经济运行。