基于用户差异化热舒适度的空调负荷聚合调度策略

空调负荷作为需求侧重要资源,可灵活参与电力系统,促进新能源消纳。在空调负荷调度过程中,不同用户的热舒适要求和调度潜力存在差异。如何满足用户差异化热舒适度,且挖掘其调度潜力是要考虑的难题。针对上述问题,文中首先引进热舒适度模型以综合量化用户的热舒适体验;其次,根据热舒适度模型中的人体参数,采用K-means聚类方法划分出不同热忍受能力特征的用户群体。在此基础上,提出基于用户差异化热舒适度的空调直接负荷控制策略,并对其进行仿真验证。算例分析表明,相较于传统策略,文中所提策略在完成消纳任务的基础上挖掘了每类用户群体的调度潜力,并保障了其热舒适性。     

美国加州2020年轮流停电事故分析及其对中国电网的启示

2020年8月14日至8月15日美国加利福尼亚州（下文简称加州）发生轮流停电事故,同年 8月17日至8月18日和9月5日至9月6日,加州电网进入紧急状态,至少81万居民用户的正常用电受到影响。加州电力系统运营商(CAISO)关于该事件的事故分析报告指出,此次事故由一系列因素共同导致。文中结合CAISO的公开报告,梳理并总结了事故的发展过程,分析了此次事故的成因,最后结合中国电网实际情况,提出了关于提前预防极端天气、重点关注需求响应常态化、合理推进2060年碳中和发展战略、稳步提升跨区域电力调度能力的建议。     

基于GA-Bi-LSTM的盾构隧道下穿既有隧道沉降预测模型

为了对盾构隧道下穿既有隧道的安全控制提供支撑，以既有地铁隧道的沉降预测误差为目标，采用遗传算法(GA)对双向长短期记忆网络(Bi-LSTM)结构中的时间序列的长度、隐藏层的单元数、隐藏层层数、LSTM的层数以及dropout进行参数优化，并在综合考虑工程地质参数、空间参数和盾构施工参数的基础上，构建GA-Bi-LSTM既有隧道沉降预测模型。以长沙轨道交通3号线平行下穿长沙轨道交通1号线区间工程为依托，基于该区间内的既有隧道沉降监测值以及对应的输入参数数据，对模型进行训练和测试。研究结果表明：提出的GA-Bi-LSTM模型对既有隧道沉降预测的平均绝对误差(MAE)、均方根(RMSE)、样本回归值(R²)分别为0.42,0.45,0.90，平均相对误差仅为10.78%，相较于BP,SVM,LSTM,Bi-LSTM神经网络模型拥有更好的预测精度，说明该模型具有较好的可靠性和实用性，可为新建隧道下穿既有隧道的沉降预测提供一种新的思路和方法。