基于电-热联合市场出清的综合需求响应建模及策略

随着综合能源系统和多能源市场的发展,传统需求响应已逐渐向综合需求响应的方向转变。在综合需求响应中,用户既可以通过改变用能习惯,又可以通过转换能量来源参与响应,从而实现供需资源协调优化。以冬季居民电能、热能需求为场景,首先基于零售侧能源市场参与主体的机理模型,构建零售侧电-热联合双边竞价能源市场框架。其次,提出电、热负荷参与联合市场的竞价策略,进而建立以最大化能源生产者和消费者剩余为目标的电-热联合市场出清模型;考虑不同负荷的控制模式和运行机理,提出电、热负荷响应市场出清信号的控制策略。最后,通过算例验证了所提方法在实现供需双侧资源协调优化、促进可再生能源消纳以及用户节能方面的积极作用。     

基于优惠券激励的需求响应双层优化机制

提出了一种用户自主参与的需求响应(Customer Voluntary Demand Response, CVDR)计划,电力企业为用户提供优惠券激励,鼓励用户在尖峰电价时减少用电需求。电力企业通过实施CVDR计划降低自身尖峰电价的购电经济损失,同时用户在优惠券激励作用下提升收益。因此提出了电力企业和用户之间合作博弈的双层优化模型,结合Karush-Kuhn-Tucker条件和Big-M法将双层优化转化为一个单层混合整数线性问题进行求解。算例仿真采用居民和小商业配电网,通过数值分析验证CVDR计划增强了用户的收益,减少了电力企业经济损失,实现了调峰需求。     

考虑数据缺失的电力系统暂态稳定自适应集成评估方法

随着电力物联网概念的提出,暂态稳定评估在电力系统规划运行中扮演着越来越重要的角色.由于同步相量测量单元(PMU)的广泛配置,基于机器学习和PMU在线量测数据的暂态稳定实时评估方法展现出了巨大的发展潜力.针对这类方法在应用中可能因PMU失效而严重影响精度的问题,文中提出了一种考虑数据缺失的电力系统暂态稳定自适应集成评估方法.首先,在保证全网节点可观性的基础上构建考虑PMU重要性的PMU子集集合搜索算法.然后,根据PMU子集对应的特征集训练暂态稳定评估子模型.最后,在任意可能的PMU失效情况下采用自适应加权融合机制构建集成暂态稳定评估模型.在新英格兰10机39节点电力系统上的仿真表明,文中提出的方法在PMU失效造成的数据缺失下仍然能够准确、可靠地进行暂态稳定评估,在鲁棒性、计算量及准确率上相比已有的方法均具有较大优势.     

基于可拓距K-均值聚类和正弦微分进化算法的风储联合系统优化配置

以最大化风储联合投资商的收益和风电就地消纳率为目标,考虑源网荷协同优化和需求响应构建了风储联合系统的多目标优化配置模型;采用可拓距K-均值聚类算法对分布式风电出力和负荷需求的不确定性进行多场景分析,以实现更为准确而均衡的场景缩减;通过引入多核并行运行环境与正弦函数的思想,提出基于并行多目标正弦微分进化算法对优化配置模型进行高效求解;以IEEE 33节点配电系统为算例进行风储联合系统的优化配置,仿真结果验证了所建模型的有效性和优越性.     

视频图像数据压缩中的自适应量化技术

为了使视频图像编码器产生的比特流和信道相匹配,本文提出了一种DCT系数自适应量化技术.此种技术,根据人眼视觉系统和DCT域的能量分布,得到最适合的量化矩阵,用码率缓存器状态控制量化精度、调节量化等级,从而得到稳定的高质量的重建图像.实验结果表明,图像编码器输出所需的比特率比传统方法少,解码重建图像主观和客观评价得到改善,且图像质量稳定.     

二维搜索与梯度重心相结合的光条提取方法

为了在线结构光三维形貌测量中快速准确提取光条的中心位置,保证测量精度,研究了一种基于二维搜索与梯度重心相结合的光条中心提取方法。首先,分析了图像中光条的几何特征和灰度分布特点,采用二维搜索的方法对光条中心进行初步定位;然后,采用自适应阈值法确定光条边界的精确位置;最后,采用梯度重心法对光条中心进行精确定位,得到光条中心的精确位置。该方法单幅图像光条提取时间控制在0.03 s以内,提取误差(3σ)为0.1 pixel,在60 mm×60 mm的测量范围内,测量精度优于30μm,满足了测量对精确性和实时性的要求,解决了实验中存在的局部过曝的问题,具有较强的适应能力。     

基于模糊优化集对分析理论的需求响应潜力评估

以负荷聚合商为中间商的需求响应（demand response, DR）运营模式可以充分挖掘需求侧资源潜力,实现综合优化配置。针对该模式下需求响应潜力评估的问题,提出一种基于模糊优化集对分析理论的需求侧用户响应潜力评估方法。通过分析影响该模式下用户参与响应的因素,建立用户评估指标体系。在此基础上,对集对分析理论进行模糊优化,建立潜力评估的量化模型,实现对用户响应潜力的初步量化。通过模拟聚合商与用户之间的负荷分配仿真实验,验证该评估方法在提高聚合商削减负荷任务分配的准确性及任务完成率方面的有效性。     

边缘计算在电力供需领域的应用展望

随着电力供需领域设备的智能化,电力供需领域之间传递的信息量不断增大,导致带宽资源的浪费以及信息不能得到及时的处理。将边缘计算引入电力供需领域能很好地解决这些问题。论述了边缘计算的产生以及优势;随后分析了电力供需互动以及研究了电力供需领域对于边缘计算的需求;最后,对边缘计算在电力供需领域应用进行了展望,构建了边缘计算在电力供需领域应用的具体场景,为边缘计算在电力供需领域中的发展提供参考。     

改进粒子BP神经网络在变电站噪声控制中的应用

为了改善变电站噪声控制中已有自适应降噪滤波算法的自适应能力差、收敛速度慢等弊端,提出了一种新的基于粒子群优化（PSO）的误差反向传播神经网络（BPNN）智能滤波算法。该算法针对PSO算法易出现无法兼顾局部、全局搜索和群体多样性丢失等问题,采用以粒子“亲密”度为依据来自适应调整粒子惯性因子和变异率的改进策略;利用该改进粒子群优化（IPSO）算法取代梯度下降算法,实时优化BPNN的权、阈值,使噪声迅速降低,再用梯度下降算法对BPNN的权、阈值作进一步的精细优化,使噪声得到更大程度上的抑制。文中以某变电站变压器噪声信号为仿真声源,分别利用所提算法、PSO-BPNN算法及BPNN算法对该声源信号进行主动抑制,结果表明所提算法性能明显优于另外2种算法的性能,使变压器降噪系统性能得到较大的改善。     

基于CAPSO-RNN的光伏系统短期发电量预测

针对光伏系统的发电特性及影响光伏发电的因素,建立基于混沌自适应粒子群优化算法的反馈型神经网络短期发电量预测模型。该预测模型利用混沌自适应粒子群优化算法的全局优化能力初始化反馈性神经网络权值和阈值,可以克服反馈型神经网络收敛速度慢俄且易陷于局部最优等缺点。同时为提高预测精度,采用隶属度函数对温度进行模糊化处理。预测结果表明,建立的预测模型具有较高的精度。