排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
针对双碳目标下传统负荷预测模型难以捕捉数据内部时序特征导致负荷预测精度不高的问题,提出一种基于经验模态条件生成对抗网络(CGAN)的短期负荷预测模型。该模型在保留CGAN结构的基础上,首先使用经验模态分解(EMD)将历史负荷数据分解为多个经验模态分量,并采用多个长短期记忆(LSTM)神经网络作为生成器、卷积神经网络(CNN)作为判别器。然后,以分解后的经验模态分量为输入、负荷影响因素为条件对模型进行训练,使生成器能够输出精确的预测负荷数据。最后,以某地区配电网实际负荷数据对模型进行验证。试验结果表明,相比于其他基于深度学习的负荷预测模型,所提模型具有更小的预测误差。未来可将该方法应用于配电网调度中,以提高调度的安全性和经济性。 相似文献
2.
在海上风电规模化开发、集群化并网的背景下,如何回收海上风电接入系统的输电成本,公平合理地向各风电场分摊已成为目前海上风电行业亟待解决的问题。针对该问题,提出了一种考虑风电出力相关性的海上风电接入系统固定成本分摊方法。首先,利用藤Copula函数构建多个海上风电场的出力相关性模型,同时假定系统负荷需求模型服从正态分布,发电机服从0-1概率分布;然后,结合蒙特卡洛抽样和顺流概率潮流追踪法计算各海上风电场接入系统的固定成本分摊费用;最后,通过算例仿真分析,验证了所提方法的合理性和有效性。 相似文献
3.
双碳目标下,可再生能源及新型负荷的渗透率日益增加,其引入的不确定性将给电力系统的安全经济运行带来极大挑战。为准确表征新能源和负荷功率的不确定性,提出了一种基于注意力机制(AM)生成对抗网络(AM-GAN)的源荷场景生成方法。该方法在传统生成对抗网络(GAN)结构的基础上使用卷积神经网络来增强其特征生成能力,在判别器中引入AM提高其对源荷时序数据相似性的判定能力,选用Wasserstein距离来衡量生成数据和真实数据之间的距离,提高训练的稳定性。采用实际源荷数据对所提方法进行验证,并与基于传统GAN的场景生成方法进行对比。对比结果表明,所提方法能更准确地描述源荷不确定性。该方法可用于配电网规划,为新能源大规模并网的配电网规划提供解决思路。 相似文献
4.
5.
基于长线理论,详细分析了C-L周期性结构的一个单元的传输性质.在此基础上分析了多单元周期性结构的C-L网络的透射系数S21与微波频率、光子晶体结构之间的关系.定性分析了一维周期性结构的C-L网络的电磁特性产生的物理机制.最后,给出了实验结果,并对实验结果进行了详细的讨论. 相似文献
6.
7.
针对现有灵活性评估方法对配电网传输能力考虑不足的问题,提出了一种含高比例分布式电源的配电网灵活性评估方法。首先,分析了配电网灵活性需求与灵活性资源的运行特性,建立配电网灵活性供需模型,得到配电网灵活性供需匹配的4种情况。然后,基于灵活性供需分析提出了3类配电网灵活性评估指标,并构建了以运行成本最低为目标函数的优化调度模型。最后,通过对改进的IEEE33节点配电网进行仿真计算,验证了所提评估指标和评估方法的有效性和优越性。 相似文献
1