“碳达峰、碳中和”目标下的电力系统成本及价格水平预测

电力系统在碳达峰碳中和目标实现过程中,电源结构、电网形态等将发生重大变化,系统成本也将随之改变。在综合考虑电源结构、发电造价、燃料成本、电网投资等因素变化基础上,采用经营期法和“成本+收益”方法,开展中远期电力系统成本及价格水平预测。研究结果表明,未来电力系统各环节成本均呈上升趋势,其中电源侧成本在2040年前快速增长、之后相对稳定,而电网侧成本保持小幅上涨趋势。该研究可为进一步完善电价机制和市场化制度、加强电力系统成本疏导和公平分担提供参考依据。     

永磁同步电机多步模型预测电流控制球形编码研究

传统多步模型预测电流控制遍历所有开关序列, 并寻求成本函数最小, 使得运算量较大. 球形编码算法将成本函数转换为开关序列对应的矩阵二范数平方, 并采用事件触发机制动态精简计算量. 仿真结果表明: 基于球形编码的多步模型预测电流控制性能良好, 与传统方法完全等价, 控制效果相当. 基于STM32H743单片机平台, 球形编码和传统方法单控制周期执行时间实验结果表明: 对于多步预测, 球形编码算法可减少单控制周期执行时间, 2步预测减小至96.78%, 3步预测减小至87.99%, 4步预测减小至73.41%, 5步预测减少至63.63%, 在控制性能与传统方法相当的条件下, 提高系统实时性能     

基于时空耦合特性的充电站运行状态预测

提出一种基于时空耦合特性和深度学习模型的充电站运行状态预测方法。首先,基于充电站历史运行数据和所在区域的交通通行速度数据集,利用k-means聚类方法将充电站划分为不同类型,分析充电站运行状态在时间上的特性;建立单个充电站的"偏移量-交通-时间"三维矩阵模型,深度挖掘充电站运行状态与周边交通状况在时间和空间上的耦合相关性。其次,将充电站状态与交通状况的时间滞后相关特性进行空间重构,利用卷积神经网络进行特征提取,通过长短期记忆网络进行时间序列预测,构建基于Keras深度学习框架的充电站运行状态多步预测模型。最后,以20个充电站的真实运行数据进行验证,并与多种预测算法进行对比,结果表明,所提方法具有较高的预测精度。     

双碳及能源安全背景下中国电煤月度需求组合预测

双碳发展背景下,准确及时的电煤需求预测有利于国家制定电煤供需计划及能源安全供给。现有研究对电煤月度需求预测的较少,且精度欠佳,难以保证电煤月度需求感知的及时性和准确性。提出由回归加权融合反向传播神经网络、门控循环单元网络和长短期记忆网络的组合预测模型预测我国电煤月度需求。首先采用格兰杰因果检验从月度经济及能源生产因素中筛选显著影响电煤需求的变量。然后构建单一及组合模型进行预测,其中,组合模型权重由回归计算得到。结果表明,相较单一模型,组合预测模型在电煤需求预测中性能更好。     

CUG-2高精度钻参仪及其在深孔生产中的应用

详细介绍了CUG-2高精度钻参仪的组成和联机方法、主要功能、特点以及在山东乳山ZK43-1号深孔中的应用情况。实际应用表明,CUG-2高精度钻参仪不仅能够实时监测、显示和保存监测的钻探参数,还具有预测孔内事故和数据无线传输等显著优点,应用前景广泛。     

基于加权LS-SVM的飞行事故率预测模型

飞行事故率是表征飞行安全水平的重要指标,其预测是典型的小样本问题。针对飞行事故率预测建模难的问题,采用加权LS-SVM方法,建立了飞行事故率的时间序列预测模型。仿真实验表明,加权LS-SVM具有很高的建模精度和较强的泛化能力,从而验证了该方法的有效性和先进性。     

网络流量行为的态势分析与预测

在不断变化的现实网络环境中,流量参数之间的关系是相当复杂的,呈现的一般都是非线性规则,所以我们根据人工神经网络理论构造出以BP神经网络为核心的流量预测模型,对网络流量行为进行有效的态势分析进而产生预测流量的方案,并结合公司日常的网络管理加以应用,为企业用户提供更好的体验服务。     

基于SDSS的渔业资源预测决策系统

针对经济渔业资源特点,实现渔业资源及决策信息的图形化展示,提出用本体库取代知识库构建空间决策支持系统,优化知识组织方式,提高查询效率。将数据库、模型库、本体库与GIS有机集成,为决策者提供资源发展事态信息。融合灰色预测模型和BP神经网络的优点构建灰色神经网络预测预警模型,通过东海经济渔业资源数据进行实证分析,实验结果表明,该预测预警模型具有较高的精确度及较好的效果。     

基于SCADA系统的面向海量数据的电力预测系统

为适应电力预测系统的现实需求,研究了电力预测系统及电力预测算法的特点,指出电力预测系统的面向海量数据和准实时化的发展趋势.根据此发展趋势,结合B/S架构,设计了一个基于SCADA系统的面向海量数据电力预测系统.该系统综合考虑了预测算法特有的调试维护问题,系统安全性问题等其它现实需求,并提出了适应于电力预测算法特点的数据操作接口.在ASP.NET平台上实现了这套系统,并已成功应用于某地方供电系统.     

基于灰色模型的高炉炉温预测

以高炉炉温预测应用性为基本出发点,以灰色理论为基础,当实际系统的历史数据序列呈现增长过快或下降过快时,就不能盲目使用GM（1,1）模型,否则,预测效果会不令人满意。只有当满足建模的一定条件时,误差才能够被接受。对数据进行开方处理后能使平均相对误差在10%左右,效果不错。