基于极限学习机的超短期电力负荷度量研究

针对电力负荷超短期输出数据相似度较高导致输出结果不精准的问题,提出基于极限学习机的超短期电力负荷度量方法。基于极限学习机网络计算电力负荷度量偏差,最大程度消除冗余数据。以负荷影响因素为模型输入,以负荷为模型输出,在相似性原则下,读取历史负荷数据。利用激活Sigmoid函数平滑处理样本数据,设置切换准则,设计极限学习机度量过程,完成超短期电力负荷度量。由实验结果可知,该方法 12月21日、12月25日电力负荷的波动范围分别为0~600 kW、0~1 300 kW,与实际数据存在较小的偏差,具有精准度量结果,受数据相似度影响较小。

区块链技术在能源数字化领域的发展现状与对策分析

区块链是一种集成分布式数据存储、共识机制、加密算法及点对点(P2P)传输等的新技术,可以有效解决传统交易模式下数据安全性、可靠性和追溯性问题,是当今数字能源领域的重要应用技术,具有巨大的发展潜力。详述了区块链的技术特点、国内外能源领域的应用场景,并详细分析了其在能源数字化领域的发展现状、存在问题以及应对策略。

基于k-shape算法的行业典型负荷特征研究

本文基于k-shape的聚类算法,针对电力负荷数据高维度、多形态的特征和传统算法的局限性,一方面在与k-means、DTW算法的比较中显示较好的聚类特性。另一方面,考虑到降维带来的实际工作效率提升,同时对比了不同算法对降维数据的聚类效果,结果表明k-shape算法较其他算法更为稳健,而以统计指标、成分分析作为负荷曲线形态刻画的方式和降维思路,在聚类效果上并未有所提升。