基于宽度和深度模型以及残差网络的综合能源负荷短期预测

针对用户级综合能源系统负荷波动大,能源耦合复杂的特点,提出一种基于深度和宽度模型(Wide&Deep)和残差网络(ResNet)框架并且采用完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和主成分分析(Principal Components Analysis,PCA)的综合能源系统联合负荷预测方法。所提模型由宽度和深度两部分组成:深度部分参考ResNet拟合残差映射的思想将多个长短期神经网络(Long Short-Term Memory,LSTM)子层堆叠构建深度预测网络,深度部分数据在输入前采用CEEMDAN进行分解,并利用主成分分析对分解结果进行主要影响因素提取和排序,并通过对数据的梯级输入实现对不同信息密度数据的梯级利用;宽度部分则采用简单模型并对传统Wide&Deep-LSTM模型的Wide部分输入进行改进,有效降低了模型的训练难度。通过实际算例分析可知所提模型具有良好的预测精度和收敛速度。与常规模型相比,所提模型具有一定优越性。

基于主从博弈和贪心策略的含电动汽车主动配电网优化调度

随着入网的电动汽车规模增加,为了实现电网与车主的双赢不仅要考虑其无序充放电对电网负荷的影响,还要计及双方的成本。基于此,建立了主动配电网与电动汽车主从博弈模型。上层以配电网运行成本最低为目标,通过合理的电价及激励策略引导电动汽车充放电,并协调优化分布式电源及储能;下层基于贪心策略进行两阶段优化,先以分时电价下充放电成本最低为目标优化充放电策略,在不减少收益的约束下,再最大化电网对减小负荷波动给予的激励调整策略。通过改进的IEEE 33节点系统算例分析表明,该模型在最大化双方利益的同时极大地缩小了负荷峰谷差,避免了大量电动汽车充电引起新的高峰。

基于卷积长短期记忆神经网络的短期风功率预测

提出一种基于卷积长短期记忆神经网络(CNN-LSTM)的短期风功率预测模型。该模型以风电场风功率历史数据以及风速风向等数值天气预报(NWP)数据为输入对风功率进行预测。首先,利用主成分分析法(PCA)对原始多维气象数据变量进行预处理,然后将处理过的气象数据和历史风功率数据通过卷积网络实现对数据的特征提取和进一步的数据降维,再通过长短期记忆网络实现对数据的拟合,并在神经网络的训练过程中引入DropConnect技术减小模型中的过拟合现象,最终实现风功率的精确预测。以中国西北某风电场的实测数据进行验证,结果表明所提方法能有效对风功率进行预测,较BP神经网络和支持向量机(SVM)有更高的预测精度。

鞭炮摊主惨淡经营 京城烟花市场风光不再

在厂家提价,购买意愿下降的双重压力下,以往红火的烟花市场,今年却门庭冷落,商家惨淡经营。＂今年卖得特别不好,到现在还没有回本呢。＂位于北京市马连道的熊猫烟花销售点摊主陈女士对记者抱怨。记者走访了解到,往年红火的鞭炮摊,今年生意略显冷清。在厂家提价和购买意愿不强的双重压力下,零售店的利润薄得可怜,摊主们叫苦不迭。正月十五前,很多鞭炮摊不得不挂出了＂打折＂、＂特价＂的牌子。鞭炮摊主惨淡经营近日,记者对北京马连道、方庄等多家烟花爆竹临时销售摊位进行了走访调查,或因天气缘故,市区大部分销售点都闭门谢客。仅有的几户营业商家也都表示,今年生意非常＂冷清＂。

价位居高不下困扰中俄木材贸易

今年中国从俄罗斯进口的木材价格上涨了至少40％。为抑制原木出口，鼓励在俄境内发展木材加工业，俄罗斯数次上调原木出口关税。中国和老伙伴俄罗斯之间的“默契”似乎发生了微妙的变化。