泛在电力物联网优化与调控方法研究

建设泛在电力物联网能够为电网的运行与管理、投资与服务开辟新的道路。依托泛在电力物联网的发展路径,可实现泛在电力物联网优化调度建设,提升能源系统的效率。首先研究了泛在电力物联网平台层和感知层的优化主体和内容,然后在此基础上构建了物理网终端设备参与的边缘优化调度模型,最后以某园区的典型日负荷为依据,选择NSGA-II智能算法对该模型进行应用,验证了该模型的可行性,整体实现了对泛在电力物联网的建设与应用。     

基于混沌理论和支持向量机的电价预测

根据电价时间序列的混沌特性,结合混沌理论和支持向量机方法提出了一种新的电价预测模型。该模型基于混沌理论对电价时间序列进行相空间重构,并根据相空间演变规律确定模型的输入输出结构,然后采用支持向量机拟合相点演化的非线性关系。为增强模型的泛化推理能力,训练样本按照预测相点最近邻点原理选择。对美国PJM电力市场边际电价历史数据的仿真研究表明,文中提出的预测模型能有效、稳定地提高电价预测精度。     

新型电力系统下储能技术的应用场景及商业模式研究

“双碳”目标的提出,对现有的能源体系产生了一定影响,传统能源体系需要向清洁、低碳方向进行转型与升级。储能技术是能源体系转型的重要支撑,能够进一步规避间歇性能源对电网的冲击,提高电力系统的经济性与安全性,提升电网运行的可靠性。针对新型电力系统下储能技术的应用场景及商业模式,结合当前能源发展要求与方向,深入探讨了储能技术的分类和特性,分析了储能技术在发、输、配、用电领域中的应用场景,并提出现阶段及未来可行的储能商业模式,从而推进电力行业绿色低碳高质量发展,确保能源体系转型下电网的安全稳定运行。     

聚类电价预测方法研究

针对电价变化模式的复杂性,提出了一种基于聚类分析的电价预测模型。该模型将复杂的电价预测问题分解为更简单的子问题求解,首先通过聚类技术将输入空间划分为若干特征更明显的子空间,然后在子空间内分别使用支持向量机进行建模和预测。聚类分析中先应用减聚类算法自动确定聚类数并获取较优的初始聚类中心,然后采用K-均值算法进一步优化。采用美国PJM电力市场历史边际电价数据进行的仿真研究表明,电价预测模型能有效、稳定地提高电价预测精度。