基于随机森林算法和粗糙集理论的改进型深度学习短期负荷预测模型

精准的电力负荷预测有利于保障电力系统的安全、经济运行。针对现行预测算法存在的预测准确度低、模型耗时长等问题,提出一种基于随机森林(random forest,RF)算法和粗糙集理论(rough set theory,RST)的改进型深度学习(deeplearning, DL)短期负荷预测模型(RF-DL-RST)。该模型首先基于历史数据,利用随机森林算法提取影响负荷预测的关键特征量;然后将关键特征量和历史负荷值作为深度神经网络的输入、输出项进行训练,并通过粗糙集理论修正预测结果。最后,通过算例进行仿真验证,结果表明,该模型的预测准确度比单一的深度学习模型及不进行预测修正的模型更高。

多站融合模式下基于共享储能的多主体交易机制设计

在“新能源站-电动汽车充电站-5G基站-数据中心-变电站”五站合一的多站融合模式下,充分利用5G基站和数据中心的备用储能容量是提升多站融合经济性的重要途径。提出一种多站融合模式下共享5G基站和数据中心备用储能的多时间尺度交易机制。首先,建立了基于“储能备用时间”的5G基站和数据中心可调用储能容量模型,接着将共享储能问题转化为电量交易问题,建立了多站融合模式下内部电量交易模型,该模型可根据多站融合系统内部的交易需求,迭代更新交易价格,使各站在多站系统内部交易更具有经济性。然后,建立了日前申报-日内调整的多时间尺度交易机制,在日前交易中通过内部电量价格交易模型进出交易出清,在日内交易中则建立了基于联络线偏差量的补偿方案。最后,通过算例验证了所提交易机制的有效性。

基于合作博弈的多微网协调优化调度

随着微网技术的迅速发展,接入配电网的区域多微网系统已经越来越常见。提出了一种基于合作博弈策略的调度方法,建立针对多微网系统的合作联盟,先在子微网之间进行功率交换,而后子微网再与配电网进行功率交换,以提高多微网系统的经济性。介绍了多微网系统并对典型电源进行建模,引入合作博弈的基本概念,并建立起并网型多微网调度合作博弈模型,合作收益则使用Shapley值法进行分配。通过算例验证了该策略的有效性。

基于均衡主成分分析的智能配电网环境效益综合评价方法

智能配电网(smart distribution network,SDN)是未来配电系统发展的重要方向,如何对其环境效益进行科学评估是SDN规划决策中面临的一项重要问题。为此,提出了一种针对SDN环境效益的综合评估模型。首先,通过深入分析SDN清洁性的形成机理,基于全生命周期理论,提炼并设计了涵盖能源消耗、污染排放、资源利用及生态协调等4方面在内的SDN环境效益评估指标体系,其中特别计及了SDN因促进电能替代及资源节约而间接产生的环境贡献。在此基础上,根据环境评价特点,进一步提出了均衡-主成分二阶段组合评价模型。其中,第1阶段运用多属性均衡分析对规划方案进行初筛,通过设计基于标准化相对距离模型的显著性判据,实现对方案之间支配关系的定量辨别;第2阶段通过构建主成分因子,在去除数据相关性影响的条件下,对方案环境效益的综合评价。算例应用表明,所提模型无需依赖评价者的主观经验,能够在最大降低总体计算工作量的前提下实现对SDN综合环境效益的高效客观评估。相关结果可为电网企业完善SDN建设规划和趋优运营提供有益参考。

计及电动汽车无功支撑能力的分布式电源与智能停车场联合规划方法

随着大量分布式电源(DG)及电动汽车(EV)接入配电网,为保证电网的高效、清洁、经济和安全运行,必须对二者进行合理的规划。为此,提出一种计及EV无功支撑能力的DG及智能停车场(IPL)联合规划方法。首先,基于有源配电网的基本物理结构,对EV动力电池的无功可调范围进行了推导。进一步考虑风电等间歇性DG出力、常规用电以及EV充电负荷时空分布的不确定性,通过构建发电—负荷场景以综合计及上述不确定性因素的影响。在此基础上,分别以系统投资和运行成本最小作为目标函数,构建了综合考虑DG和IPL选址定容的两阶段优化模型。根据模型特点,采用经典的遗传算法实现问题求解。以33节点配网系统为例,对所提模型的有效性进行验证。仿真结果表明,在配电网投资规划中充分考虑规模化入网EV的无功支撑能力,能够有效改善系统的电能质量,促进可再生能源高效利用,从而带来更好的经济效益。

《红楼梦》邦斯尔译本中的诗歌翻译——以香菱咏月诗为例

《红楼梦》邦斯尔译本中的诗歌翻译至今仍缺少学界的关注和研究。本文以香菱学诗所作的三首咏月诗的翻译为例,从译诗体裁选择、诗歌翻译策略运用及诗意解读与呈现三个方面,分析邦斯尔译本诗歌翻译的风格和特点,同时通过对比杨宪益译本和霍克思译本,探讨该译本的得失,并探析背后的原因。

诗之语

红尘一入几分真，何处赊得自在身。啼鸟催花楼厦外，也无流叶寄新春。八卦炉中煅锦囊，千锤一语斗牛光。欧苏妙句焉随口，腹内谁知百转肠。