台风条件下海上风电场风速变化大、无明显周期性,这对海上风电场的风速预测造成了极大的困难。针对此问题,提出台风条件下海上风电场风速多步预测方法。首先,针对台风预报信息与风电场风速数据时间尺度不统一的问题,提出用嵌入层网络对...台风条件下海上风电场风速变化大、无明显周期性,这对海上风电场的风速预测造成了极大的困难。针对此问题,提出台风条件下海上风电场风速多步预测方法。首先,针对台风预报信息与风电场风速数据时间尺度不统一的问题,提出用嵌入层网络对台风预报信息进行动态插值。其次,基于Holland气压场模型和Batts梯度风模型构建融合物理信息的神经网络,将Holland模型和Batts模型中的经验参数替换成网络可学习的参数,并针对网络训练过程中可能出现的数值问题引入适当的近似方法。最后,对含时序模式注意力机制的长短期记忆网络(temporal pattern attention long short-term memory,TPA-LSTM)进行改进,嵌入融合物理信息的神经网络,利用近40年台风期间的数据进行训练和测试。结果表明,在引入较少参数的情况下,物理信息神经网络能减少TPA-LSTM网络的训练迭代次数以及提高预测精度,所提模型相比序列到序列(sequence to sequence,Seq2Seq)模型和TPA-LSTM网络具有更高的预测精度。展开更多
未来电动汽车(plug-in electric vehicle,PEV)的大规模接入,将给电力系统规划和运行带来不可忽视的影响。从电动汽车充电负荷建模与仿真计算、电动汽车接入对电力系统的影响、电动汽车的充放电控制与利用3大方面,讨论电动汽车接入电网...未来电动汽车(plug-in electric vehicle,PEV)的大规模接入,将给电力系统规划和运行带来不可忽视的影响。从电动汽车充电负荷建模与仿真计算、电动汽车接入对电力系统的影响、电动汽车的充放电控制与利用3大方面,讨论电动汽车接入电网的研究现状。指出电动汽车充电负荷分析应考虑的主要因素;总结电动汽车接入对电源发展、电网运行、充电设施与配电网规划方面的影响,并分析电动汽车有序充电及与电网互动(vehicle to grid,V2G)的研究现状和应用难点。最后,对今后的研究方向进行讨论。展开更多
基金Supported by the National Natural Science Foundation of China(12171335,12301603)the Science Development Project of Sichuan University(2020SCUNL201)the Scientific Foundation of Nanjing University of Posts and Telecommunications(NY221026)。
基金supported by the National Natural Science Foundation of China(Nos.12171335,11931004,12071011)the Science Development Project of Sichuan University(No.2020SCUNL201)the Simons Foundation(No.960480)。
基金Supported by the National Natural Science Foundation of China(12171335,12301603)the Science Development Project of Sichuan University(2020SCUNL201)the Scientific Foundation of Nanjing University of Posts and Telecommunications(NY221026)。
文摘台风条件下海上风电场风速变化大、无明显周期性,这对海上风电场的风速预测造成了极大的困难。针对此问题,提出台风条件下海上风电场风速多步预测方法。首先,针对台风预报信息与风电场风速数据时间尺度不统一的问题,提出用嵌入层网络对台风预报信息进行动态插值。其次,基于Holland气压场模型和Batts梯度风模型构建融合物理信息的神经网络,将Holland模型和Batts模型中的经验参数替换成网络可学习的参数,并针对网络训练过程中可能出现的数值问题引入适当的近似方法。最后,对含时序模式注意力机制的长短期记忆网络(temporal pattern attention long short-term memory,TPA-LSTM)进行改进,嵌入融合物理信息的神经网络,利用近40年台风期间的数据进行训练和测试。结果表明,在引入较少参数的情况下,物理信息神经网络能减少TPA-LSTM网络的训练迭代次数以及提高预测精度,所提模型相比序列到序列(sequence to sequence,Seq2Seq)模型和TPA-LSTM网络具有更高的预测精度。
文摘未来电动汽车(plug-in electric vehicle,PEV)的大规模接入,将给电力系统规划和运行带来不可忽视的影响。从电动汽车充电负荷建模与仿真计算、电动汽车接入对电力系统的影响、电动汽车的充放电控制与利用3大方面,讨论电动汽车接入电网的研究现状。指出电动汽车充电负荷分析应考虑的主要因素;总结电动汽车接入对电源发展、电网运行、充电设施与配电网规划方面的影响,并分析电动汽车有序充电及与电网互动(vehicle to grid,V2G)的研究现状和应用难点。最后,对今后的研究方向进行讨论。