基于CNN-LSTM的综合能源系统负荷预测模型

负荷的准确预测是综合能源系统设计、运行、调度和管理的前提。现有的负荷预测模型中大都考虑了气象、日期因素,却没有考虑系统中电、冷、热负荷间的相关性,这会对模型的预测精度造成影响。使用了科普拉理论对系统中3种负荷之间的相关性进行分析。从分析结果看,它们之间具有强相关的关系。基于上述分析结果,提出了一种基于深度学习的智慧综合能源系统负荷预测模型,该模型使用卷积神经网络(convolutional neural network,CNN)来提取系统中电、冷、热负荷间的耦合特性相关的特征量。将得到的特征量转换为时间序列后,输入到长短期记忆(long short-term memory,LSTM)网络中进行负荷预测。实验显示,所提出的CNN-LSTM组合模型的预测精度更为精准,可为综合能源系统的负荷预测提供参考。     

建筑冷负荷对综合能源系统运行优化的影响

为解决现有综合能源系统运行优化研究对建筑冷负荷的影响考虑不充分（多以“典型日负荷”或“预测负荷”代替空调期冷负荷）的问题,首先应用EnergyPlus软件对北京某园区进行建模和负荷分析,再以经济性为优化目标,基于园区的电、冷负荷供需平衡和综合能源系统设备的典型模型建立运行约束模型,在空调期对多能源耦合的综合能源系统建立运行优化模型。对优化模型使用Yalmip建模和编程,使用Cplex求解器求解问题,得到不同负荷条件下的综合能源系统空调期的运行优化方案,并分析其统一性和差异性。结果表明：本文构建的以经济性为目标的优化模型,可以使多能耦合的综合能源系统在目标下运行更加优化;不同建筑冷负荷条件下运行优化方案具有较大差异性;不同负荷条件下运行优化方案具有一定规律性。可见综合能源系统的运行优化研究应该全面考虑冷负荷的影响,本文提出的规律性运行优化方案为综合能源系统提升运行经济性提供了依据。     

基于预训练语言表示模型的汉语韵律结构预测

韵律结构预测作为语音合成系统中的一个关键步骤,其结果直接影响合成语音的自然度和可懂度.本文提出了一种基于预训练语言表示模型的韵律结构预测方法,以字为建模单位,在预训练语言模型的基础上对每个韵律层级设置了独立的输出层,利用韵律标注数据对预训练模型进行微调.另外在此基础上额外增加了分词任务,通过多任务学习的方法对各韵律层级间的关系及韵律与词间的关系建模,实现对输入文本各级韵律边界的同时预测.实验首先证明了多输出结构设置的合理性及使用预训练模型的有效性,并验证了分词任务的加入可以进一步提升模型性能;将最优的结果与设置的两个基线模型相比,在韵律词和韵律短语预测的F1值上与条件随机场模型相比分别有2.48%和4.50%的绝对提升,而与双向长短时记忆网络相比分别有6.2%和5.4%的绝对提升;最后实验表明该方法可以在保证预测性能的同时减少对训练数据量的需求.     

基于MPC算法的电力系统负荷频率控制

针对在大规模电力系统互联情况下如何准确、快速控制系统负荷频率的问题,本文结合模型预测控制算法(MPC),提出了一种多区域电力系统负荷频率控制方法.该方法实现了超前预测、多约束条件滚动优化和反馈校正,克服了传统PI调节方法对系统参数的敏感性,提高了负荷频率控制系统的稳定性和鲁棒性.文中对三区域电力系统进行建模,并在每个系统中设置了MPC控制器和PI控制器.仿真表明,在多区域系统、多约束条件下MPC算法在频率控制的稳定性和快速性方面远优于PI算法;当系统参数偏移10%时,MPC算法仍能保证控制性能.     

考虑光热电站和柔性负荷的电氢热综合能源系统联合优化运行

为解决现有综合能源系统运行灵活性差及风、光消纳难的问题,同时充分利用氢能实现碳减排目标,本文提出一种考虑光热电站和柔性负荷的电氢热综合能源系统联合优化运行方法。首先,基于光热电站和含电转氢余热利用的氢能系统模型构建电氢热综合能源系统。其次,考虑需求侧电氢热柔性负荷的特征和调节价值,构建含可平移、可转移、可削减负荷的电氢热柔性负荷模型。然后,进一步构建考虑电氢热柔性负荷调节特性的电氢热综合能源系统联合优化运行模型。最后,通过算例仿真验证所提方法能够兼顾经济运行与低碳效果,不仅可以提高光热电站与氢能系统的联合运行能力,而且能够有效提升系统运行的经济性和低碳性,电、氢、热负荷峰谷差分别降低6.68%、11.95%、8.35%,系统运行总成本降低24.4%。     

基于不确定性估计的推荐系统多任务学习去偏方法

推荐系统在互联网应用中扮演重要的角色，它的核心任务是将最相关的物品推荐给用户，然而，由于推荐系统通常在大规模、稀疏和高维的数据集上运行，因此存在严重的偏差问题.近年来，多任务学习成为解决推荐系统偏差的有效方法，它可以同时学习多个相关任务，充分利用数据集的内在结构和相关性，研究人员最近还提出全空间反事实的转化率预测，利用逆倾向得分和双重鲁棒方法对推荐算法的效果进行估计.然而，通过理论分析发现，倾向性分数估计不准确和插值误差往往会导致预估偏差，这在实践中经常发生，影响了推荐的准确性和可靠性.由此，引入不确定性估计，结合多任务学习，通过计算每个用户反馈数据的概率分布来衡量数据的可靠程度，减轻模型在数据稀疏或数据噪声较大时的过拟合问题，有效地提高系统的泛化能力并减少偏差.实验结果表明，加入不确定性估计的多任务学习可以更好地适应不确定性的环境，在推荐系统中有广阔的应用前景.     

考虑综合成本的海上风电与远方清洁能源协同优化模型

近年来,海上风电成为我国新能源发电的新增长点,海上风电与远方清洁能源在东部负荷中心地区协调配置和运行策略问题亟待解决.文中通过综合分析海上风电与远方清洁能源供电成本,结合出力特性、负荷预测和需求侧管理等因素,建立了综合成本的能源配置分析方法,针对负荷中心多种类型电源优化问题,结合上网电价和辅助费用建立了系统综合成本估算方法,提出了以综合成本最低为目标,满足运行、安全和环保约束的电源运行协同优化模型,并以江苏省某地区为例进行了详细分析计算,论证了模型具有优化效果,为海上风电与远方清洁能源的协调配置和优化运行提供了分析手段.     

多模型块结构Laguerre函数预测控制在再热汽温系统中的应用

为了降低传统预测控制计算负荷并解决被控对象非线性的问题,融合Laguerre函数、块结构思想与多模型控制技术,提出了一种新型预测控制方法,并将其应用于超临界机组再热汽温系统.针对实际再热汽温系统经济性差的问题,通过改进传统预测控制目标函数,提出了集成经济性的性能指标.仿真结果表明,多模型块结构Laguerre函数预测控制方法可以完全关闭喷水阀门以提高机组经济性,在不同负荷点上均可得到优良的控制效果,计算负荷明显降低.工程应用结果表明,无论是在稳定负荷还是变负荷情况下,该方法均可以有效减小再热汽温波动范围,减少事故喷水量,提高再热汽温系统的安全性、稳定性和经济性.     

计及电动汽车的综合能源系统概率潮流计算

针对电动汽车充电负荷呈现出的随机性和波动性向综合能源系统注入了大量不确定性问题,通过蒙特卡洛抽样法,建立电动汽车充电负荷概率模型、电/气/热网络和耦合元件模型;考虑了发电机阀点效应、热电联产机组的部分负荷效应以及分布式平衡节点;提出了计及电动汽车不确定性的综合能源系统概率潮流计算方法.研究结果表明:所提出的算法可以求解计及电动汽车充电负荷不确定性的概率潮流.研究结论初步突破了对传统潮流的认识,帮助电网运行人员获取全网的潮流信息.     

考虑条件风险价值的电-气综合能源系统风险厌恶机组组合研究

为应对新能源不确定性带来的综合能源系统运行风险,选择合理的机组组合策略平衡综合能源系统的运行风险与运行费用,建立风险厌恶电-气综合能源系统机组组合模型。在电-气综合能源系统的机组组合中引入条件风险价值,分别描述电力系统和天然气系统的负荷损失风险,分析电力系统与天然气系统的运行风险和两系统间的相互影响。利用分段线性化技术对天然气流量方程进行线性化,通过Benders分解算法将模型分解为机组组合主问题、分场景子问题和天然气负荷损失风险校验问题,对所提模型进行高效求解。算例仿真结果表明,所提模型与传统模型相比可以有效减少小概率极端场景的电力负荷损失,算例中最严重场景负荷损失从34.62MW减少到9.59MW。所提模型可以协调电力负荷损失风险和天然气负荷损失风险,为电-气综合能源系统的协调调度提供参考。     

大同电力负荷预测新方法

负荷预测是电网规划、设计、调度、运行控制等工作的重要基础,是制定电力系统运行方式的重要依据,是电力系统安全、经济运行的前提和保障.准确的负荷预测,可以保证社会的正常生产和生活,有效提高经济效益和社会效益.因此,电力负荷预测对于保证电力工业的健康发展,乃至整个国民经济的发展均有着十分重要的意义.本文通过对负荷密度法和时间序列法相结合,针对中期负荷预测提出了一种新的电力负荷预测模型,并对大同市电力负荷进行了预测.     

基于典型运行场景聚类的电力系统灵活性评估方法

以风光水为代表的可再生能源电源会增加电力系统的不确定性.为了保证高比例可再生能源电力系统的灵活运行,提出一种典型运行场景电力系统灵活性评估方法.利用改进的K-means算法,将新能源和负荷的运行场景进行聚类组合得到典型运行场景.从区域内供需平衡、区域内潮流分布和区域间输电能力3个角度提出灵活性评估指标;计算每种典型场景的灵活性评估指标,并根据每种场景的出现概率计算得到综合评估指标以评估系统的整体灵活性.最后,基于南方某地区实际新能源和负荷历史数据在改进的IEEE 39节点系统上进行电力系统灵活性评估.结果表明,该聚类方法和灵活性指标可以有效反映电力系统的灵活性.     

含光、储、电动汽车居民小区电力负荷综合管理系统

电动汽车、小型光伏发电装置在居民配电系统获得日益广泛的应用,改变了居民负荷需求特征,给现有系统带来一系列问题.为提高居民小区光伏利用率,引导电动汽车有序充电,针对含光、储及电动汽车的居民小区,研究光伏出力及电动汽车充电行为的不确定性及特征,利用集中设置的储能装置,在不改变既有配电系统一次拓扑结构的前提下,构造居民小区电力负荷综合能源管理系统,并提出直接和间接负荷控制相结合的综合能源管理控制和调度策略.该系统及其控制策略利用分时电价机制间接调节电动汽车充电行为,避免夜间充电高峰;利用合理设置的集中储能装置,通过直接控制,转移多余光伏出力,充分消纳光伏出力,同时达到最大化用户收益和解决变压器白天光伏反向送电过载问题的目的.以实际居民小区实测数据为基础,对不同场景的仿真分析验证了方法的可行性和有效性.     

含风电的综合能源系统源-荷滚动优化调度模型

为了有效解决综合能源系统对强间歇性风电消纳能力较弱的问题,提出含风电的综合能源系统源-荷协同滚动优化调度方法;应用场景树分析法对综合能源系统中负荷需求响应与风电消纳等源-荷多不确定性进行定量分析;以综合能源系统运行成本最低为优化目标,构建含风电的综合能源系统源-荷协同优化调度模型,并采用滚动优化方法对模型进行求解.仿真...     

计及源荷双侧不确定性的综合能源系统优化配置

以源–网–荷–储的综合能源系统为研究对象,同时考虑源侧风光出力及负荷预测误差的双重不确定性对系统优化配置的影响。为提高系统的稳定性与经济性,以总成本最小为目标,采用价格需求响应中的分时电价研究策略。首先选用模糊聚类方法对用户负荷进行时段划分,然后采用机会约束将源荷双侧不确定性转化为确定性,再对供需平衡及设备约束的综合能源系统构建系统优化配置模型,最后对不同场景进行算例仿真。仿真表明所提出的定价机制具有削峰填谷作用,且不同场景下的优化配置有显著差异,验证了所提方法的有效性。     

基于神经网络在线学习的脱硝系统入口氮氧化物预测

针对脱硝系统入口氮氧化物静态软测量预测模型不能满足变负荷时需求的问题,建立了一种基于神经网络在线学习的软测量模型.利用粒子群算法对静态神经网络的参数进行寻优,结合预报误差和当前预测误差的大小在线更新网络的权值、阈值和学习速率,可以满足不同负荷下的需求,利用电厂的实际运行数据对模型进行了验证.结果表明:在不同负荷下,建立的神经网络在线学习模型的准确性高,实时性好,泛化能力强,可以很好地对入口氮氧化物进行预测,为脱硝系统入口氮氧化物在线测量和监测提供了一种有效的方法.     

基于预测控制的冷、热、电联产型微电网能量管理

由于可再生能源出力特性和微电网运行约束等限制,如何进一步提高微电网中可再生能源消纳量已成为研究热点。本文在冷、热、电联产型微电网中引入用于提高可再生能源消纳量并承担部分热、冷负荷的电锅炉、吸收式制冷机和压缩式电制冷机装置,提出了基于预测控制的微电网能量管理方法。综合考虑网内各单元的工作特性,建立满足实际运行约束的冷、热、电联产型微电网能量管理模型。在孤网运行模式下,兼顾储能装置容量期望以及各单元运行特性,构建微电网能量管理优化目标。利用预测控制滚动优化策略以及可再生能源输出和冷、热、电负荷需求的预测结果,建立带有逻辑变量的有限时域优化问题,实现基于预测控制的微电网最优能量管理。仿真结果表明:引入电锅炉、吸收式制冷机和压缩式电制冷机装置可以达到提高微电网中可再生能源的消纳量、减少燃料消耗、降低运行成本的目的,预测控制中的滚动优化策略能够有效消除可再生能源输出的不确定性和冷、热、电负荷需求波动性带来的影响。     

多重不确定性条件下区域综合能源系统随机调度

为研究多重不确定性条件下的区域综合能源系统的调度决策问题.首先基于Copula理论建立区域综合能源系统多随机源功率预测误差的联合概率分布模型;其次考虑多重功率预测误差的不确定性影响,提出一种以综合能源消费成本最小化为目标的随机调度期望值模型和算法,并基于典型系统进行案例分析,验证了模型算法的有效性.结果表明:多重不确定性因素的量化分析和随机调度模型的应用有助于提高区域综合能源系统调度决策结果的置信水平,具有一定的工程实用价值.     

基于聚类选址的区域能源系统站网布局优化规划

区域能源系统中能源站选址和管网布局规划是影响区域能源系统经济性的重要因素.综合考虑能源站选址、管网布局与负荷分布的特点,提出了基于聚类和最短路径算法的站网布局优化方法.首先,将最短路径权重作为聚类相似性度量,建立站网布局结构模型.然后以系统年均经济成本最小为目标,构架优化目标函数.最后以实际工程案例进行仿真分析,验证了该方法的有效性.所提出的方法可以对区域内能源站数量、选址以及管网布局进行综合优化,为区域能源系统站网布局规划提供理论参考.     

基于情感轮和多任务卷积神经网络的图像情感分布学习

图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直接引入到深度神经网络中.基于Mikel's情感轮定义成对情绪之间的相关性,EW-MTCNN模型采用多任务卷积神经网络学习情绪之间的相关性信息,同时优化情感分布预测和情绪分类任务.EW-MTCNN模型由3个模块组成,3个模块分别是图像特征提取层、情感轮先验知识层和多任务损失层.在情感分布数据集(Emotion6)和单标签数据集(Artphoto)上进行对比实验的结果表明:EW-MTCNN模型在情感分布预测与情绪分类任务上比其他情感分布学习方法具有更优的性能.