湍流值对风电功率预测的影响与分析

风电功率预测是缓解弃风现象的有效手段。文中针对风电波动性,提出了一种在模糊C均值聚类算法(Fuzzy C-Means algorithm,FCM)中引入湍流值IT的风电功率预测方法。在FCM算法中引入湍流值IT对训练样本进行聚类,可以进一步增强训练样本与预测样本间的相似性,避免因训练样本减少,导致风电功率波动性影响能力增大的情况。以山西某风电场实测数据为依据,在MATLAB平台上通过支持向量机(Support Vector Machine,SVM)对FCM的聚类结果进行训练和预测,仿真结果表明,FCM-IT-SVM能有效增强风电功率的相似性,减小预测误差。     

基于解耦机制的短期母线负荷预测方法

准确的短期母线负荷预测是实现节能降耗与调度精细化管理的基础,提出了一种基于解耦机制的预测方法。首先研究划分样本集最优簇结构的AFS（AP,FCM,Silhouette）聚类算法。利用AP聚类（affinity propagation clustering）计算样本集聚类数的搜索区间;从大到小排列各样本点的密度指标,得到初始化矩阵;通过Sil—houette指标进行有效性检验,获取最优聚类结果。将预测过程分为负荷水平预测和标幺曲线预测两部分,并制定适应其各自特点的预测策略。采用改进的灰色关联分析计算各日特征相关因素关联负荷水平的权值,并将该权值赋予相似选择的目标函数,由最小二乘支持向量机训练相似集进而做出预测;划分标幺曲线样本集的最优簇结构,利用逐步判别分析建立的Bayes判别函数将目标日归类,并根据相似度加权平均该类历史标幺曲线。实例分析验证了该预测机制及模型的优越性。     

输煤系统雨季潮湿煤上仓风险优化控制

结合某发电公司输煤系统工艺流程及来煤煤质状况,阐述雨季潮湿煤上仓的负面影响及风险控制优化策略,以降低落煤管、原煤仓堵仓几率,控制潮湿煤对锅炉稳定燃烧的影响,避免锅炉因堵仓导致停炉事故.     

激光器重复频率对多普勒激光雷达信噪比影响的模拟研究

多普勒激光雷达在风场测量和数值天气预报等方面有重要意义,而信噪比则是衡量系统测量精度的重要参数.以2007年中国海洋大学研制的我国第一台车载多普勒测风激光雷达系统为参考,模拟了在相同平均功率下,使用4种重复频率不同的激光器的激光雷达系统测量海面风场中的信噪比,并与汕尾测量的海面风场数据进行了对比,模拟数据和实测数据能够较好吻合,模拟结果证明使用低重复频率激光器的激光雷达系统能够获得较高的信噪比.而根据多普勒激光雷达业务测量要求,要求比较高的激光重复频率,通过模拟研究,建议选择激光器激光重复频率500～1000 Hz.     

腊八豆工业化生产的试验

本文介绍了以黄豆为原料,利用工艺及现代生产技术传统美食腊八豆的工艺操作要求及工艺参数。     

一种实用的交易计划和阻塞管理算法

介绍了一种实用的电力交易计划算法。这种算法的特点是昼利用经济管理的办法而不是行政命令,制订的发电计划可以保证全网成本为最低,而且能公平对待上网竟价的各独立发电厂。在预计负荷与实际负荷有出入时,容易调用调整容量使系统总出力与总负荷相平衡。当出现阻塞时,可用经济手段消除阻塞,并且合理地分配阻塞费用。     

大气监测时段选择初探

利用统计方法以各种大气污染物瞬时监测数据为基础数据,选用控制在一定置信度下最大允许误差的统计公式确定出最少的样本容量,并采用模糊集合运算优化组合选择法,确定出代表日均值的最佳监测时段.     

基于心理图式的知识挖掘与创新设计——以国庆彩车设计为例

为了提高设计创新效率,本研究基于心理图式提出了国庆彩车的设计程序与方法。研究按照浅层、中层和深层的次序递进,设计心理图式划分为“造型图式”“叙事与动作图式”以及“人物和情感图式”的基本类别,并提出了综合性、时态性、差异性和集体性四类基本属性。而后结合新中国成立70周年彩车设计,对不同心理图式的应用方法和属性进行了案例分析。本文所提出的方法在设计实践中得到了实证,具有一定的实用价值。     

基于MBI-PBI-ResNet的超短期光伏功率预测

为了增强光伏并网的稳定性,提高光伏发电功率预测精度,提出一种基于相似日聚类、群分解(swarm decomposition, SWD)和MBI-PBI-ResNet深度学习网络模型的光伏发电功率超短期预测方法。首先,使用快速傅里叶变换(fast fourier transform, FFT)提取太阳辐照度的期望频率,将其作为聚类特征向量,并根据此聚类特征向量采用自适应仿射传播聚类(adaptive affinity propagation clustering, AdAP)实现相似日聚类。其次,对每一类相似日分别使用群分解算法进行分解,以提取原始数据的多尺度波动规律特征。最后,利用MBI-PBI-ResNet来实现对天气环境多变量关联影响下的时序特征挖掘以及对多尺度分量的局部波形空间特征和长时间依赖时序特征的同时挖掘,并对不同类型特征进行综合集成来实现光伏发电功率超短期预测。研究结果表明：所提方法在光伏发电功率超短期预测领域相较于其他深度学习方法预测精度提高了3%以上,说明此方法在光伏发电功率超短期预测领域具有较高的预测精度和较强的泛化能力。     

基于相似日负荷修正的台风期间短期负荷预测

在台风期间现有的负荷预测方法的预测精度一般不高.在此背景下,以广东地区为例,首先分析了气象因子与系统负荷之间的相关性,从总负荷中分解出趋势分量、周期分量和气象敏感分量,在此基础上提出了基于相似日气象负荷修正的适用于台风期间的短期负荷预测方法.同时,为克服台风日样本较少所导致的预测困难,将近期及往年同期气象因素相似的历史日扩充到相似日样本中,并引入趋势相似度因子、气象相似度因子和时间相似度因子来评估历史日的相似性.用广东电力系统的实际数据做了测试,预测结果表明采用所发展的修正模型时台风日的负荷预测精度较现有方法有了较大提高.