计及季节与趋势因素的综合能源系统负荷预测

针对复杂影响因素下综合能源系统月度负荷预测精度低的问题,提出基于时间序列特征分解的月度负荷预测模型.利用时间序列分解方法将负荷数据分解为季节分量、趋势分量与随机分量,根据各分量随时间变化的特性,分别采用向量自回归模型、最小二乘支持向量回归与平均值法进行预测.各分量预测结果的投影重构值作为月度负荷的预测值,并考虑了季节拐点与区域经济因素对月度负荷的影响.实例分析证明该方法能够有效提高综合能源系统的月度负荷预测精度.     

考虑源荷不确定性的光伏小镇鲁棒优化配置

光伏小镇能源系统是以光伏为主体，结合其它本地能源的综合能源系统。为充分利用太阳能和地热能，本文提出一种考虑源荷不确定性的两阶段鲁棒优化方法,引入不确定性调节参数以避免为保证供电可靠性而牺牲经济效益。建立以系统综合成本最小为目标的max-min-max两阶段鲁棒优化配置模型，对光伏小镇的光伏、热电联产机组、地源热泵、储能进行优化配置。光伏和负荷的不确定性采用不依赖于概率分布的盒式不确定集描述，以上下边界区间表示光伏和负荷的波动范围，形成鲁棒约束，通过列和约束生成算法和强对偶转换降低求解的复杂度。以我国北方某光伏小镇为研究案例，通过改变不确定性调节参数，能有效控制配置方案的保守性,在保证供电可靠性降低负荷缺电率的同时，降低了配置成本，弃光率也得到改善，方案具有很强的适用性。     

基于知识规则挖掘的风电机组故障识别与解释性分析

针对传统风电机组故障识别方法精度难以保证且缺乏解释性的问题，提出一种以模糊规则分类系统为框架的风电机组故障识别与解释性分析方案。离线阶段通过启发式学习生成代表性故障规则，采用多种群量子进化算法实现故障规则寻优，提高对故障的识别精度；在线阶段定义近邻规则竞争策略，在此基础上提出基于故障规则后处理策略的故障解释性分析方案，实现潜在故障概率排序以及解释性的关键异常征兆表达。以兆瓦级风电机组常见的10种故障数据进行仿真分析。结果表明，所提方法可有效提高故障识别精度，同时提供可靠的故障解释性结果。