基于风速属性优化聚类的时序卷积特征聚合风速预测

准确的风速预测对于规模化风电并网及安全运行具有重要意义。利用快速相关滤波筛选风速关联属性因素并结合近邻传播原理优化风速聚类集合,提出基于时序卷积特征聚合的风速预测模型。考虑风速属性与风速序列间的隐含关联性,筛选高关联属性因素构建模型样本集,并通过鲸群算法优化近邻传播聚类分类相似典型集。构建时序卷积层提取多维风速属性特征,并嵌入特征聚合层完成特征降维与信息融合,最终结合记忆层输出风速预测值。以东北地区风场为研究对象进行风速超短期预测并与实测数据对比,验证了预测模型的准确性和泛化能力。     

基于硬C均值聚类算法和支持向量机的电力系统短期负荷预测

提出了一种联合使用硬C均值(hard C-mean,HCM) 聚类算法和支持向量机(support vector machine,SVM)的电力系统短期负荷预测方法。与目前采用单一SVM的负荷预测方法相比,考虑了电力负荷变化的周期性特征,依据输入样本的相似度选取训练样本,即通过对学习样本的聚类选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律。实际应用证明了该方法的有效性,该方法不仅提高了负荷预测精度,还缩短了预测执行时间。     

一种双绕组变压器经济运行的实用方法

介绍了并列运行双绕组变压器经济运行方式优化的方法。提出了一种变压器经济运行的时段控制法:根据短期负荷预测的数据确定未来1日的日负荷曲线,并将该曲线分段,再结合变压器经济运行理论,设置变压器在各个时段内的动作次数,最终确切地给出变压器经济投切的时机。最大限度地降低了变压器自身的综合功率损耗,同时减少了设备动作次数。实例分析表明该方法具有较好的经济效益。     

短期负荷预测中的负荷求导法及天气因素的使用

为了将超短期负荷预测中具有高准确率和高可靠性的负荷求导法移植到短期负荷预测中,从采用差分运算、降低直接预测的数值,以及充分使用负荷“近大远小”、“相似日”性质等角度对其进行了分析。结果表明可以将负荷求导法用于短期负荷预测。将其与标准日负荷曲线取平均作为预测结果,示例表明日平均误差小于2%。若将最近15天左右预测值与实际负荷值之间的差值,再通过各敏感点负荷与平均气温等作回归分析,可以实现考虑天气的负荷求导法。     

基于相关邻近点与峰谷荷修正的短期负荷时间序列预测

采用混沌相空间重构理论进行电力短期负荷预测,存在峰谷荷预测精度相对较差和预测参考点不易选取的问题.根据电力系统日负荷曲线构造了日峰谷荷时间序列,揭示了日峰谷荷时间序列的混沌特性,采用相空间重构直接预测未来峰谷荷,进而提高了峰谷荷和整点负荷的预测精度.针对相空间中相点的预测参考点确定问题,提出了按相点演化相关性进行选择的方法,首先根据模型要求的预测参考点数量选出邻近点,然后根据相点演化相关性排除伪邻近点,同时引入时间权重来反映相空间不同坐标的时间次序.实际电网负荷预测的仿真结果验证了文中提出的相空间相关邻近点的选择方法与峰谷荷修正思想的有效性.     

改进相似日评价函数在短期负荷预测中的应用

为提高短期负荷预测的精度,在分析传统相似日选取不足之处后提出了结合形状相似度与日特征相似度的两种改进的相似日评价函数,对其误差特性进行实例对比分析后得出了相似日方法在短期预测中部分共有的性质,最后结合回归预测方法,组成一种系统的短期负荷预测方法。通过实际数据的仿真实验证明该方法在传统相似日的基础上可以提高精度1.5%,是一种相对完整而有效的短期负荷预测方法。     

欧美刨花板市场下行

<正>自2022年夏季以来,受通货膨胀高企、能源成本危机和俄乌冲突等多重因素影响,刨花板市场呈下行趋势。刨花板生产商通过削减产量,应对需求下降,尤其是在室内家具行业出现消费疲软之后。消费者预测2023年欧洲的建筑行业将持续低迷。刨花板投资商希望市场行情只是短期低迷。新建工厂是长期筹划的结果,一般不会因为市场的短期波动而搁置,但在俄罗斯投资的工厂却是例外,由于欧盟制裁,目前不允许欧洲板材技术供应商向俄罗斯出口设备,不过中国供应商具有供货的可能性。     

基于改进加权一阶局域预测模型的短期负荷预测方法研究

针对混沌一阶局域预测模型中欧氏距离不能反映相空间中相点间的相关性大小,提出一种改进加权一阶局域预测模型。该模型将相点间的关联度和欧氏距离以加权值形式作用于一阶线性回归方程,综合考虑了最邻近点对预测中心点的邻近效应以及最邻近点与预测中心点的相关性,克服了常规一阶局域预测法存在的不足。通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。     

龙羊峡水电站水光互补优化调度研究

针对光伏发电大规模并网后水电站如何运行才能有效减小光电不稳定出力对电网造成的影响问题,建立了光伏发电出力预测模型及龙羊峡水光互补短期优化调度模型,采用改进的逐步优化算法对模型进行求解,设置了6种情景分析水光互补效果。结果表明,汛期或非汛期调度期内的龙羊峡水库水位在相应时段允许范围内,优化后的水光互补系统均不存在弃水仅产生少量的弃光。研究成果为光伏大规模并网后的水光互补短期优化调度方式提供了参考依据。     

基于EMD和长短期记忆网络的短期电力负荷预测研究

针对电力负荷非线性、非平稳性、时序性等特点,提出了一种基于EMD-LN-LSTM的短期电力负荷预测模型。利用经验模态分解(EMD)将经数据预处理之后的原始电力负荷数据分解为有限个内涵模态分量(IMF)和一个残差分量,以降低负荷序列的非平稳性和复杂度。将分解后的各分量分别输入到长短期记忆网络(LSTM)中进行预测,同时利用层标准化(LN)对LSTM进行规范化处理,优化网络模型。对各分量预测值进行重组,求出最终的负荷预测结果。以多伦多真实数据为算例,分别使用EMD-LN-LSTM模型和其他模型进行预测,结果表明:EMD-LN-LSTM模型24 h平均绝对百分比误差相较于RNN模型、LSTM模型分别降低了3.600%、1.864%,而拟合优度均高于RNN模型、LSTM模型,表明该模型能够更好地拟合负荷曲线,具有较高的预测精度。