基于深度学习的电力负荷短期预测

为做好电网供需平衡,进一步改善电网的社会效益和经济效益,根据负荷数据的时序性特征,利用卷积神经网络的特征提取能力和长短期记忆神经网络捕捉时间序列关系的能力,采用卷积-长短期记忆混合神经网络进行电力负荷短期预测.首先根据历史数据对该模型进行训练,然后使用已训练好的模型进行预测,最后将其预测结果与长短期记忆神经网络预测结果进行比对.两组不同采样间隔的负荷预测仿真结果表明,卷积-长短期记忆混合神经网络相对于长短期记忆神经网络,可以更好地从负荷数据中提取出时序性特征,预测误差较小,精度较高,能够在电力短期负荷预测问题中提供可靠的预测结果.

基于IGDT和PSO-SA的综合能源系统鲁棒优化调度方法

综合能源系统是实现我国“双碳”目标的有效途径,随着大规模清洁能源的接入,传统电力系统的运行调度面临着严峻的考验。为了解决综合能源系统中风、光出力波动所导致的系统稳定性问题,提出基于信息间隙决策理论和模拟退火粒子群优化算法的综合能源系统鲁棒优化调度方法。首先,建立包含风电机组、光伏机组和多元储能装置等能量耦合设备的综合能源系统,并分析P2G和碳捕集等单元机组的运行机理;然后,在满足机组出力和功率平衡等约束条件下,将确定性场景下的最小化经济运行成本作为目标适应度,利用模拟退火粒子群优化算法进行优化求解,并将多目标优化适应度结果作为决策信息传递到下层作为约束修正范围;最后,在不确定性场景运行调度模式下,引入信息决策间隙理论对风、光出力的严重不确定性进行度量化,并在接受上层提供的合理决策基准信息修正下进行双层鲁棒优化调度。仿真结果表明,风、光机组出力的不确定性会增加综合能源系统的额外经济调度运行成本,但通过制订合理的机组优化调度策略,可以有效提高系统的经济效益。

基于EMD和PSO-KELM的电压暂降源辨识方法

提出一种基于经验模态分解(EMD)和粒子群算法优化核极限学习机(PSO-KELM)的单类电压暂降源辨识方法。通过Matlab/Simulink仿真平台搭建几种不同类型引起电压暂降的电力系统模型,从中获取不同类型扰动源引起电压暂降的时间序列信号,再用经验模态算法分解并提取每层IMF分量的模糊熵作为故障特征,将其前几阶主序列分量作为输入空间;把基于粒子群算法优化核极限学习机的模型作为电压暂降源辨识分类器,对引起配电网电压暂降类型的特征数据进行训练与识别,并以试验结果与传统遗传算法优化支持向量机分类器进行泛化对比,验证所提出的新型智能启发式算法PSO-KELM分类器的准确性和鲁棒性。实现了由不同故障源扰动引起电压暂降的有效识别,有利于解决实际配电网中线路电能质量问题和责任区域划分制度的完善。

基于数学形态学的电力系统架空线路故障诊断方法

随着电力系统各个领域的高速发展,基于传统的数学变化方法日益显现出其局限性.本文采用了数学形态学算法用于电力系统架空线路的故障检测问题.形态学算法通过两种基本算子实现,算子仅包括了加法、减法和比较运算,没有涉及到传统算法中的乘法、除法等复杂运算,大大缩短了计算消耗的时间。为了证明形态学算法的可行性及效果,本论文将形态学算子应用在短路故障信号的处理中.由实验结果得出,数学形态学算子可以有效地检测出故障特征,完成故障选相和故障类型判别工作.

基于改进哈里斯鹰优化算法的有源配电网故障定位

针对改进的遗传算法、二进制粒子群算法等智能优化算法在复杂的有源配电网中故障定位的准确率不高、易于陷入局部最优、收敛速度慢以及定位时间长等问题,提出一种基于改进哈里斯鹰优化算法的有源配电网故障区段定位方法。首先,通过Tent混沌映射改善初始种群和将逃逸能量非线性化,以加快哈里斯鹰优化算法的收敛速度。其次,通过结合黄金正弦算法跳出局部最优。最后,所提方法在IEEE33节点有源配电网模型上进行了仿真测试验证,表明改进后的哈里斯鹰优化算法能很大程度地加快收敛速率,故障定位方法具有很高的容错率。

船舶中央冷却水系统变频水泵流量特性

针对船舶中央冷却水系统变频水泵切换效率低、能耗大及流量波动变化等问题,深入研究2350TEU集装箱船在各种负荷变化和海水环境温度变化时的变频泵调速流量特性,分析变频水泵在单泵、双泵2种状态切换时的流量特性、效率特性和功率特性,计算水泵变频切换时的最佳转速与流量。结果表明:实现单双泵无扰动切换,可减少切换时流量产生波动对止回阀的冲击,提高变频泵的工作效率,降低系统能耗,为船舶中央冷却水节能控制系统设计提供理论支持。