基于特征工程的集成学习短期光伏功率预测

短期光伏功率预测对于电网稳定运行具有重要意义。为了解决单一模型预测精度不佳的情况,提出了一种在Stacking集成学习框架下融合Bagging和Boosting算法的短期光伏功率预测模型。首先,引入Copula函数的相关性分析和轻量级梯度提升机的特征贡献度计算来进行特征筛选;然后,选取泛化性能较优的模型作为基学习器,并采用贝叶斯优化算法来对基学习器模型参数进行优化,最后,定义一个超级学习器,采用5折交叉验证,将基学习器与元学习器封装到超级学习器中训练。算例结果表明,在不同季节和不同天气条件下,Stacking模型相较于单一模型有着更高的预测精度。     

基于Stacking集成模型的网络流量预测研究

针对网络流量预测准确率不够高的问题,结合当下流行的集成学习(Ensemble Learning),提出一种Stacking集成多种模型的网络流量预测方法;将天气因素量化后作为输入,使用7个机器学习模型分别对网络流量进行预测,然后根据对不同模型预测结果的Pearson相关系数的分析,选取相关性较弱的5个模型作为Stack...     

双机制Stacking集成模型在短时交通流量预测中的应用

交通流量预测对于智能交通管理决策具有重要意义,为克服传统单一模型预测精度低、稳定性不足,同时为解决Stacking集成模型对基学习器输出信息利用率不高的问题,提出了一种双机制Stacking集成模型.双机制包括内机制和外机制,内机制通过在元学习器中引入注意力机制来调整网络中的特征信息,外机制通过在基学习器中融入动态权重...     

考虑光伏机理与数据驱动结合的短期功率预测

精确的光伏功率预测对电网的可靠与稳定运行至关重要。现有研究大多数都是将天气条件直接作为数据驱动的输入,未深入分析天气条件与光伏输出功率直接耦合关系,因此本文将机理模型与数据驱动方法相结合,提出一种新型的光伏功率预测方法。首先,建立光伏系统物理模型,依据建立的物理模型得到不同的辐照度分量以及光伏电池温度。其次,将这些关键的天气特征重新构建数据驱动的输入,实现光伏机理与数据驱动结合的短期功率预测。最后,进行误差修正然后得到最终的光伏功率预测结果。根据光伏系统实测数据集进行仿真分析,结果表明因为从物理模型得到了关键天气特征,考虑了天气条件与天气因素的耦合关系,预测精度有了明显提升,验证了所提方法的有效性。     

基于Stacking集成学习的福建省火电行业碳足迹情景预测

火电行业是中国碳排放的最主要来源之一,其碳足迹研究对中国实现2030年碳达峰目标至关重要。为此,提出一种基于Stacking集成学习的福建省火电行业碳足迹情景预测方法。首先,基于扩展Kaya恒等式识别火电行业碳排放的主要影响因素;然后,以决定系数(coefficient of detemination, R2)和平均绝对百分比误差(mean absolute percentage error, MAPE)作为评价指标优选模型的初级学习器与元学习器,构建融合不同学习器优势的Stacking集成学习碳足迹预测模型。最后,设置了基准发展、产业优化、技术突破、低碳发展四种碳达峰行动情景,以福建省为例对其2021~2035年火电行业的碳达峰进行计算。结果表明,所提方法能够准确预测火电行业的碳足迹,预测系数R2高于0.97、误差MAPE低于0.01。在此基础上,计算了不同碳达峰行动情景的火电行业碳排放峰值,得出在低碳发展情景下该省可在2027年实现碳达峰战略目标。相关研究为中国火电行业碳达峰预测提供理论依据与借鉴价值。     

短期光伏发电系统功率预测

针对光伏功率预测没有充分利用历史数据的问题,提出一种改进随机森林算法与长短期记忆神经网络相结合的预测方法（IRF-LSTM）。利用粒子群算法优化随机森林算法中的参数,并对原始气象数据进行特征选择。将特征选择后的结果作为输入,对预测模型输出的结果进行反归一化处理得到预测的功率序列。选用某光伏电站的实测数据对该算法模型进行预测,结果表明：该方法能充分利用预测时刻之前的气象时间序列,有效提高光伏功率预测精度,与RF-LSTM方法、单一LSTM方法相比具有更高的准确性,预测误差更小。     

基于Stacking融合的工程造价预测组合模型

为了快速准确地进行工程造价预测,本文收集高层住宅工程造价历史数据,利用相关性系数法对定量指标进行约简,运用Python构建了以随机森林、XGBoost和岭回归作为初级学习器,岭回归作为元学习器的Stacking集成学习的融合模型。结果表明：基于Stacking融合模型预测精度较高,结果稳定,平均绝对误差在5%以内,有助于项目建设前期的造价预测。     

基于Stacking 多GＲU 模型的风电场短期功率预测

为提高风电场短期功率预测的准确度,在深度学习的基础上提出利用Stacking 算法集成融合多个GＲU( Gated Ｒecurrent Unit) 模型的风电场短期功率预测的方法。该方法首先搭建3 个多层GＲU 神经网络模型建立第1 级模型,深度提取高维的时序特征关系,通过第1 级模型的预测结果构建训练集,然后利用新生成的训练集训练第2 级GＲU 模型,第2 级的GＲU 模型采用单层结构,能发现并且纠正第1 级模型中的预测误差,提升整体的预测结果。最终得到两级模型嵌入的Stacking 融合模型。以宁夏太阳山风电场历史数据为例对该模型的准确性进行验证。实验结果表明,通过Stacking 算法融合的GＲU 模型相比其他算法预测平均绝对百分比误差提高了0． 63,总体预测效果较为理想,预测准确度提升明显。     

基于Stacking集成机器学习的波浪预报

采用多层感知器模型、随机森林模型为第一层子模型,极端树模型为第二层元模型,建立基于Stacking集成机器学习的波浪预报算法,并引入邻域平均法抑制在拐点处产生的数值震荡。以长江口外海2016年1—9月的风速和中国近海波高数据为数据源,利用机器学习风速与有效波高之间的关系,将2016年10—11月的风速、波高数据用于预报结果的对比分析,预报前45 d R²拟合优度达到0.97以上,平均误差最大值为0.08 m,平均相对误差最大值为0.05,预报结果与波浪谱模型结果趋势一致,准确度较高;预报结果后15 d误差增长较快,这与训练集数据中寒潮浪占比较少有关。     

基于集成多尺度LSTM的短时风功率预测

风能作为一种无污染可再生能源,风力发电的比例在全球范围内逐年增加.针对风力发电存在出力波动大,从而导致电网电力不稳定的问题,提出基于集成多尺度长短时记忆网络(LSTM,long short-term memory)的短时风功率预测模型.利用LSTM对序列数据的特殊处理能力,集成多个基预测模型对不同尺度时间数据的预测结果,共同进行短时风功率预测.风功率的精确预测有利于电力资源的全面掌控和调度.采用中国东北地区风力发电真实数据集对模型进行验证,结果证实研究方法预测精度较高,有很好的稳定性.     

一种集成式追光光伏发电冷柜的设计研究

设计开发了一种光伏发电冷藏柜,采用对日跟踪伺服控制系统及单轴追光方式,通过单元追踪的方式实现了对太阳能的高效利用.并在晴朗及阴雨天气下分别进行实验,实验结果验证了追光式光伏板光电转换效率优于固定式光伏板,同时证明了该供电系统可以保证冷藏柜的独立稳定运行.制冷实验过程中,明确了制冷剂的最佳充注量为120 g,进一步实验后...     

考虑动态环境下的光伏系统柔性功率点自适应跟踪控制算法

随着并网光伏发电的日益增长,其随机性给电力系统运行带来了新的挑战(如过负荷和过电压).柔性功率点跟踪(flexible power point tracking,FPPT)可以将光伏输出功率限制在特定值,以解决一些运行难题.传统的基于扰动观测法的FPPT算法存在动力学慢的问题,因此,提出一种自适应FPPT算法,该算法在变化的环境条件下(如云层通过)具有快速的动态特性,同时在稳态下保持低功率振荡.所提算法在每个扰动下使用额外的测量采样来观察运行条件的变化(如太阳辐照度),然后,根据观测条件(如暂态或稳态)自适应地计算电压阶跃,以提高跟踪性能.最后,通过在3 kVA的单相光伏并网系统上进行仿真实验验证了该算法在不同运行条件下的快速动态性和高精度方面的有效性.     

考虑风光不确定性的综合能源系统规划设计方法

在能源互联网飞速发展的背景下,综合能源系统逐渐成为能源低碳高效运行的重要实现方式。为了实现综合能源系统配置的合理规划,文章提出了一种考虑风光不确定性的综合能源系统多目标规划模型。通过结合序列分布概率的典型曲线挖掘方法获得风光的典型出力曲线,减小可再生能源出力描述不确定性对配置的影响。以综合能源系统运行成本最低、系统电网供电率最低为优化目标,采用基于混合博弈决策的改进型多目标粒子群算法对规划模型进行求解和Pareto解集决策,生成满足决策者的不同偏好需求的配置结果。并对影响系统规划的关键参数进行敏感性分析。基于我国某综合能源示范工程的实际数据,给出了规划方案,仿真结果验证了该方法的有效性。     

考虑降雨不确定性的洪水概率预报方法

基于流域雨量站网布设的抽站法原理,推导以面雨量计算值为条件的面雨量真值的概率分布,用以描述现有测站数目条件下流域面雨量计算的不确定性。在此基础上,结合确定性预报模型,展开洪水概率预报研究。以淮河黄泥庄流域为研究对象,对该方法进行应用,结果表明:该方法不仅可以实现任一时段流域面雨量真值概率分布的估计,描述面雨量计算的不确定性;同时,通过与水文模型(如新安江模型)耦合,结合Monte-Carlo抽样技术,可以实现预报流量概率分布的估计,从而实现洪水概率预报。     

考虑需求侧多能源响应的虚拟电厂优化运行策略

虚拟电厂技术为聚合分布式能源和用户侧资源参与能源市场交易提供了有效手段.针对综合能源场景下能源供需互动不足的问题,基于虚拟电厂内多能源聚合商参与需求响应为背景,建立了一种综合考虑了储能设备、能源耦合设备、分布式可再生能源发电、多能源市场交易及激励型综合需求响应的虚拟电厂两阶段优化运行模型,第一阶段为虚拟电厂最优经济调度...     

考虑产品特征属性的替代性需求预测方法

随着电商销售业务的高速发展, 对用户需求进行快速准确预测已成为重要的研究方向. 产品间的替代性对需求有一定影响作用, 且此方面的应用研究在不断深入. 为了提升需求预测精度, 基于畅销预测属性值排序, 利用邻近替代率估计方法, 并结合 Adaboost 预测模型, 构建出一种更优的考虑产品特征属性的替代性需求预测方法, 并通过实验证明该方法行之有效.     

计及碳交易的某天然气处理厂含光伏光热的综合能源系统优化运行

随着“双碳”目标的提出,以光伏光热等为主的综合能源系统快速发展,为提高用能单位的经济效益和系统低碳性,考虑碳排放约束条件下多种能源发电的厂区供用能系统优化运行问题亟待研究。首先,在经济调度模型中,引入碳交易机制,构建阶梯型碳交易成本模型,对厂区的碳排放进行约束。然后,建立以系统运行成本和碳交易成本之和最小为目标的规划模型,利用马尔科夫决策过程对基于成本最小的经济调度进行建模,并采用近端策略优化算法进行求解,利用经济节约指数和二氧化碳减排指数,对拟题方案进行经济性和碳减排分析。结果表明：(1)训练后的模型在无需重新计算的情况下能够处理四个随机变量变动所代表的各种运营场景;(2)光伏光热子系统与热电联产系统具有削峰填谷效应,能提高系统稳定运行能力;(3)所设计计及碳交易下联产系统有利于优化厂区能源结构,促进清洁能源消纳。     

考虑叠片效应的变压器铁心多场仿真模型研究

为了提高电力变压器铁心噪声预估的准确性,通过修正铁心的动力学参数,利用能量法分配等效磁致伸缩力载荷,建立电磁-结构-声场耦合的仿真计算模型。应用有限元方法求解了三相三柱变压器铁心在空载条件下的磁通密度分布、表面振动速度分布以及声场分布,对比实验测量与铁心模型仿真结果,发现修正后的铁心模型噪声仿真结果与实验吻合度更高;该数值计算模型为预估变压器铁心振动噪声提供了更为准确的分析手段。