基于运维稳定性的碳排放效率综合评价方法

建筑碳排放的控制已被认为是减少碳排放的关键因素。以往的研究主要集中在不同运维方案之间的碳排放量比较,忽略了不同方案间转换的困难以及同一方案自身的不稳定性。因此,提出了一种基于分项用电信息的建筑能源使用时空多尺度碳排放评价方法,根据已知变量建立了碳排放基准模型来检测未知变量带来的不稳定性,从多尺度时空视角下评价碳排放效率并探讨维持稳定性所带来的可能减碳收益,成功地检测出了特定运维方案的不稳定性,缩小了定位异常的范围,实现障碍较低,可操作性更强。案例分析表明,该方法能够有效地检测异常碳排放效率,定位异常原因,更加便于建筑减碳的大规模推广。     

一种高效的基于云边端协同的电力数据采集系统

针对云计算模型的数据分析及数据处理在实时性、隐私保护和能耗等方面所存在的问题,研究边缘计算模型的概念及其在数据处理与数据分析方面的优势;提出新型的边缘计算系统架构,设计能实现系统任务的卸载、运行及调度策略;针对提出的新型边缘计算系统的改进方向和应用前景,展开分析和研究,构造了一种基于云边端协同的新型电力数据采集系统。该系统架构由上而下分为云侧系统主站、边侧智能终端和端侧表计设备3层,端侧表计设备负责采集电力数据并上报到边侧智能终端,智能终端负责对数据进行预处理,而云侧系统主站负责收集预处理后的数据并进行统一处理。基于该文所提系统,云侧采集系统主站统管边侧智能终端设备,并支持将应用程序下发到边侧智能终端进行边缘计算;边侧智能终端设备纳管端侧表计设备,支持将表计设备采集的数据上传到边缘侧缓存和就近处理、分析与决策。该文通过实例测试验证了所提方案既解决了边缘应用的实时处理和响应问题,又减轻了云端与边缘端之间数据通信的带宽压力。     

基于神经网络的电力系统节点碳排放因子预测方法

电力减碳是实现国家“双碳”目标的关键环节。基于碳流分析法的电碳计量方法,能较好地反映发电、电网和用户的真实碳排放情况。然而,碳流分析法的计算量大,时间滞后,难以支撑电力低碳调度和低碳生产等。针对此,提出基于Dropout神经网络的电力系统节点碳排放因子预测方法,并在3个IEEE标准节点系统上,将该方法与传统神经网络、潮流计算进行性能对比。结果表明：该方法准确度高,计算速度快,可用于电力系统低碳调度的辅助决策依据,还可用于电力用户低碳生产和生活的引导信息。     

一种高效的基于云边端协同的电力数据采集系统

针对云计算模型的数据分析及数据处理在实时性、隐私保护和能耗等方面所存在的问题,研究边缘计算模型的概念及其在数据处理与数据分析方面的优势;提出新型的边缘计算系统架构,设计能实现系统任务的卸载、运行及调度策略;针对提出的新型边缘计算系统的改进方向和应用前景,展开分析和研究,构造了一种基于云边端协同的新型电力数据采集系统。该系统架构由上而下分为云侧系统主站、边侧智能终端和端侧表计设备3层,端侧表计设备负责采集电力数据并上报到边侧智能终端,智能终端负责对数据进行预处理,而云侧系统主站负责收集预处理后的数据并进行统一处理。基于该文所提系统,云侧采集系统主站统管边侧智能终端设备,并支持将应用程序下发到边侧智能终端进行边缘计算;边侧智能终端设备纳管端侧表计设备,支持将表计设备采集的数据上传到边缘侧缓存和就近处理、分析与决策。该文通过实例测试验证了所提方案既解决了边缘应用的实时处理和响应问题,又减轻了云端与边缘端之间数据通信的带宽压力。     

基于SDAE和双模型联合训练的低压用户窃电检测方法

用户窃电行为是电网企业运营管理的痛点,基于数据驱动的低压用户窃电检测是当前的重要发展方向.由于窃电数据集具有自身高维度且样本不平衡的特点,对窃电检测模型的拟合能力和泛化能力要求极高.为此,文章利用堆栈降噪自编码器对低压用户日用电量数据进行特征提取,通过挖掘数据的深层特征减少窃电产生的极端数据对检测模型的影响;进而提出逻辑回归与深度神经网络联合训练模型进行低压用户窃电检测,将逻辑回归模型的记忆能力与深度神经网络模型的泛化能力相结合,进一步提升窃电检测的精度.通过实际电网数据的实验仿真,从AUC值、准确率和召回值三个评价指标验证了所提出方法相对于传统机器学习算法具有明显的性能优势.     

考虑光伏波动的有源配电网分布式储能双目标优化规划北大核心CSCD

文章针对光伏不确定性出力的场景下合理高效求解分布式储能优化配置方案的问题,建立了基于误差场景模拟法的有源配电网分布式储能优化规划模型。基于节点电压综合灵敏度分析方法进行了储能布点优化,避免了储能选址问题的大规模求解;以配电网综合成本和电压波动总和最小为双目标,构建了分布式储能优化规划模型;采用基于ε-约束法对双目标优化模型进行求解,并计及主观权值修正进行了折中最优解的选取。通过误差场景模拟光伏出力偏离预测值的不确定波动,规避了光伏出力随机性对储能配置方案的影响。通过仿真算例验证了所提分布式储能优化规划方法的有效性与适用性。     

电力碳排放计量技术现状及展望

电力行业是我国碳排放的重点领域,也是实现“双碳”目标的主要“责任人”。精准的电力碳排放计量是评估各地区、各行业、各企业的碳排放量,制定合理可行的碳达峰、碳中和实施路径的基础。文中对电力碳交易、碳排放计量现状进行分析,总结发电侧、电网侧及用户侧碳排放计量的技术现状。针对电力碳排放计量技术在电力低碳调度、低碳需求侧响应等工作中的应用现状,提出优化碳排放计量技术的关键性问题和未来发展方向,为电力行业碳排放计量的进一步研究提供参考和借鉴。     

基于卷积长短期记忆网络的群体设备预警

为实现多种设备智能预警,提出了一种基于空时多维工况数据特征的卷积长短期记忆网络算法。首先,针对长周期数据增强滑动窗口采样,并分析其特征属性,从而预先降维;然后,针对群体设备预警的逻辑建立损失评价指标,并对数据标签进行平滑处理;最后,搭建合适结构的卷积长短期记忆网络的预警模型,并采用梯度下降以训练模型参数。基于实际工况的实验评估环节,将所提算法与多种常用算法的预测指标对比,结果表明所提算法具有更高的准确度。