基于极端学习机的光伏发电功率短期预测

为了进一步提高光伏发电功率的预测准确度,首次将极端学习机方法(ELM)和相似日方法结合并引入光伏发电功率短期预测领域.通过分析影响光伏发电功率的各个因素,分时段预测光伏发电功率.该方法在不同时间段中利用相似日评价函数选取历史相似日,结合预测日的天气因素,采用极端学习机对预测日对应时段的发电功率进行预测.通过对预测效果进行比较和分析,结果表明该方法比传统的神经网络预测算法有更好的预测效果.     

头戴式视线跟踪系统的一点标定方法

标定方法是视线跟踪技术中的关键环节,直接影响跟踪精度和用户体验。目前头戴式跟踪系统所使用标定方法,需要多个标定点进行标定。为更快、更方便地进行标定,提出一种方法,只需一个标定点,便可提取足够的标定信息完成标定过程。该方法可适用于目前的多种映射方法,如DLT方法、多项式方法、神经网络方法等,标定时间仅需10 s,精度可达1°,与多点标定相比,效率显著提高,而精度无明显差异。此外,使用一种新的神经网络模型:ELM(极端学习机)实现了神经网络标定方法,ELM的快速学习性能,显著缩短了神经网络训练时间。     

1951~2013年华北地区极端降水事件的变化

利用华北地区90个气象站点1951~2013年逐日降水量资料,计算了8个极端降水指数,采用滑动平均、线性回归、Mann\|Kendall非参数检验和Morlet小波分析等方法,分析了华北地区极端降水事件的变化规律。结果表明:华北地区近63 a连续干旱日数(CDD)呈明显的增加趋势,连续5 d降雨量、连续湿日、年总降雨量趋于减少并通过0.05显著性检验,其他4个极端降水指数都表现为减少趋势且不显著。各极端降水指数与年总降水量(PRCPTOT)有很好的相关性,除连续干旱日数与之呈负的弱相关性以外,其他指数均呈较强的正相关性。在近63 a的时间尺度上各项极端降水指数都存在2～4 a显著周期,多数指数也存在8 a、16 a和32 a的周期。在时间转折上,连续湿日(CWD)的突变点时间较早,发生于1964年。从空间分布来看,京津冀地区及山西大部是极端降水指数变化最为显著的区域,连续干旱日数增加,其他指数均呈现减小趋势。
     

节假日和极端天气电力负荷特征的萃取模型

负荷预测是电力系统的一个传统研究问题,通常情况下,相近日期的负荷曲线有较强的相似性,然而在特殊节假日和极端气象条件下,负荷的预测具有较强的不确定性。提出了一种节假日和极端天气条件下的电力负荷特征萃取模型,对传统遗传算法的编码机制和遗传操作进行了重新规定。以黑龙江省电网公司的历史负荷数据和气象数据为基础,从中萃取节假日和极端天气对负荷影响的相关规则,并通过实践证明了这些规则的可行性。     

极端环境下超级电容器聚合物电解质的研究进展

超级电容器具有高功率密度、快充放电速率和长循环寿命等优点而备受关注。近年来,随着科学技术的发展,超级电容器的应用场景不断拓宽,超级电容器从可再生能源大规模发电并网、轨道交通等常规领域向着新一代精密电子设备和高精尖军用武器装备等极端工况领域发展。然而,高/低温、高拉伸/压缩等极端工况对超级电容器结构和组成提出了新的挑战和要求。其中,电解质是影响超级电容器的性能、寿命和安全的关键组成之一。聚合物电解质由于具有质量轻、机械稳定性强、柔韧性和安全性高及界面接触良好等特点,为设计构筑新一代高安全性和高柔韧性超级电容器提供了新的可能。本文介绍超级电容器的分类、组成及特点,从高/低温、高拉伸/压缩、高/低湿度角度,重点梳理了极端环境下超级电容器聚合物电解质的研究进展。最后,分析和讨论了超级电容器碳电极及聚合物电解质在极端条件下所面临的挑战和未来的发展方向,为高性能超级电容器的设计和构筑提供可借鉴的新思路。     

计及统一潮流控制器的电力系统双层协调弹性调度

极端天气造成的故障会引发潮流转移,触发连锁故障,从而增加了大规模停电事故发生的概率。高比例电力电子设备接入电网的趋势增加了电网调度的灵活性。因此,提出计及统一潮流控制器的电力系统双层协调弹性调度策略。采用随机场景生成的方法模拟极端天气事件;通过潮流熵定量描述极端天气下潮流分布的不均衡性,以表征发生连锁故障的风险;将弹性调度代价最低和潮流熵最低分别作为上下层模型的目标函数,同时基于统一潮流控制器的调节潮流特性,构建双层弹性调度模型;基于KKT条件和对偶原则,将原双层调度模型转化为单层混合整数线性优化模型进行求解,并通过装有统一潮流控制器的IEEE 39和IEEE118节点系统进行算例仿真,验证了所提模型在降低大规模停电事故概率和提升系统弹性方面的有效性。     

电力系统短期可靠性评估综述

短期可靠性评估是监测、量度、预测电力系统短期运行风险的有效工具.电力市场化改革、大规模风电接入与极端天气变化严重影响了电力系统短期可靠性水平.针对短期可靠性评估元件模型、评估框架与指标体系三个方面内容进行了论述.综述了输电线路、发电机以及净负荷的短期可靠性模型,并在输电线路模型中重点考虑了天气状况影响、可靠性的模糊表征、计及暂态稳定性的影响等.总结了三类可靠性评估特征与短期可靠性分析过程,考虑了短期可靠性安全性分析、连锁反应事故防范以及特殊保护方案制定.从系统状态、影响程度等多个角度对短期可靠性指标体系进行了归纳分析.进一步指出短期可靠性评估未来的研究重点及方向.     

基于互信息属性分析与极端学习机的超短期风速预测

超短期风速预测对保证风电并网运行可靠性和维持电力系统安全稳定具有重要的意义,针对风速预测中不同因素对风速影响程度不同的特点,本文提出一种基于互信息属性分析与极端学习机的超短期风速预测方法。首先,选取与风速相关的68种候选属性因素,分别计算其相对于风速序列的互信息值,根据互信息,衡量属性对风速的影响程度,并选择输入属性;然后,由互信息值计算属性权值;之后,采用加权处理后的属性值来训练极端学习机,构建风速预测模型;最后,采用新模型预测未来4h内风速。采用北纬39.91°、西经105.29°的美国风能技术中心的实测数据开展实验,实验结果表明,新方法具有良好的预测精度,能够满足实际风速预测需要。     

基于极端不平衡学习的泛化低压异常箱表关系识别研究与应用

针对低压配电网箱表关系存在人工核查成本高、异常案例少、难以实现异常规律捕获的问题,采用极端不平衡分类学习方法实现低压异常箱表关系识别的泛化应用推广.通过电压原理识别出部分异常箱表关系样本集,随后构建CNN(卷积神经网络)异常箱表关系识别模型,通过样本三分类赋权值实现类别均衡处理;并在模型推广应用过程中,采用强化学习实现离线模型的在线泛化学习,并以分组模型交互学习和竞争优化的方式筛选出最优泛化识别模型.实验证明,通过人工核查和数据反馈,该方法可实现模型对异常样本数据分布规律的自拟合学习,提高模型对不同应用环境的泛化性,进一步降低人工现场核查工作量,保障低压台区用户拓扑网络关系的准确性.     

20世纪后半期以来赣江流域极端降水事件分析

全球气候变暖的背景下,局地极端降水事件发生频率逐渐上升。选用极端降水阈值(EPT)、极端降水量(R95)、极端降水天数(RD95)、极端降水强度(RI95)、连续五日最大降水量(RX5day)和一日最大降水量(RX1day) 6个极端降水指数,采用百分位阈值法、M-K趋势分析法、滑动t检验法和Kriging空间插值法对1964—2013年赣江流域的极端降水事件进行分析。结果表明:(1)赣江流域内大部分站点的极端降水指数呈不显著上升趋势;(2)各站点极端指数的突变时间大多数集中于20世纪八九十年代,且有少数站突变非常显著(α=0.01);(3)各极端降水指数除RD95外均呈现由东向西递减的规律,与之相反,RD95呈现出由西向东递减的变化。研究结果可为赣江流域防洪减灾和水资源的开发利用提供参考价值。