基于QMD-HBi GRU的短期光伏功率预测方法

为了解决光伏功率数据固有的强不确定性导致单一预测模型预测精度不高的问题,提出一种基于二次模态分解和混合双向门控循环单元模型(hybrid bi-directional gated recurrent unit, HBiGRU)的短期光伏功率预测方法。首先,为应对光伏功率数据的不确定性,基于自适应噪声完备集合经验模态分解、样本熵和变分模态分解对光伏功率数据进行处理,得到一系列较为平稳的本征模函数分量;其次,构建HBi GRU模型以充分挖掘各分量与光伏功率影响因素之间的特征关系,得到各分量预测结果;最后,将各分量预测结果叠加得到短期光伏功率预测结果。以澳大利亚某地光伏电站数据进行测试,仿真结果表明:所提集成预测模型能够有效提高短期光伏功率预测精度,与其他预测模型相比,其归一化平均绝对误差和均方根误差分别降低了3.21%和5.04%,决定系数提高了22.7%。

基于4E平衡的碳排放因素分解与峰值预测方法

在“30·60”实现“碳达峰·碳中和”目标的背景下,为研究碳排放未来演化路径并分析不同因素对碳排放量变化的影响,提出一种基于“经济(economy)–能源(energy)–电力(electricity)–环境(environment)”4E平衡模型的碳排放因素分解与峰值预测方法。首先采用灰色关联分析筛选碳排放影响因素。然后采用对数平均迪氏分解法(logarithmic mean Divisia index,LMDI)对引起碳排放变化的因素进行分解,分析各影响因素对碳排放量的变动效应和贡献度,根据分解结果并结合“十四五”规划等相关政策,对各影响因素设置基准发展、高速发展和低碳发展3种情景变化速率,建立多种发展情景组合。最后针对每种情景组合分别采用经岭回归训练后的可拓展随机性环境影响评估模型(stochastic impacts by regression population affluence and technology,STIRPAT)进行碳排放未来趋势预测。以我国东部某地区碳排放数据为依据,对其影响因素进行分解,并预测该地区未来碳排放趋势。研究结果表明,该模型能够有效分析碳减排效率,预测碳达峰碳中和水平年,依据4E模型分析结果,提出了相应的碳减排政策。

基于注意力机制的CNN-LSTM短期电价预测

短期电价预测结果的准确性对存在多元化竞争格局的电力市场具有重要意义。为提高在电价跳跃点和尖峰点的预测精度及预测效率,针对多因素融合影响的电价序列与其影响因素间隐含的非线性关系,提出了一种基于ATT-CNN-LSTM的短期电价预测方法。首先,采用灰色关联度分析法分析负荷因素与电价之间的关联程度,筛选出关联度较高的数据作为最优模型输入。其次,通过注意力机制(Attention,ATT)自适应分配输入数据的权重,以权重大小区分强弱特征数据。再利用卷积神经网络(Convolution Neural Networks,CNN)对数据集进行二次特征提取及降维处理,优化输入长短期记忆神经网络(Long Short-Term Memory,LSTM)中的数据,从而提升LSTM网络的预测精度与训练速度。对澳大利亚电力市场的实测数据进行算例分析,通过与其他主流算法对比,验证了所提方法具有更高的预测精度和计算效率。

计及智能储能软开关的配电网扩展规划

智能储能软开关(ESOP)作为智能软开关(SOP)和储能系统(ESS)深度耦合的电力电子装置,其接入配电系统能有效降低网络损耗,提升系统运行经济性。提出一种计及ESOP接入的配电网协同规划模型。首先,以背靠背电压源型换流器为例,构建ESOP的数学模型;其次,利用线性化手段,建立了配电网的混合整数线性规划模型;最后,通过扩展的IEEE 33节点系统及Portugal 54节点系统对所提的规划模型和求解方法进行了分析和验证,结果表明考虑ESOP接入的配电网协同规划策略能够有效改善电压质量、提升配电系统的经济效益。

全方位起重吊装周界立体报警系统

针对在运行变电站起重吊装工作时存在的安全隐患,设计能够实时监测起重吊装的立体防护报警系统,通过UWB技术和基站互联等关键技术对吊车形成立体电子围栏,该系统在运行的变电站内施工吊装、转运等作业时,对于吊车进行高空转臂、申臂等环节进行全方位、立体周界报警,降低起重吊装作业的安全风险隐患,在电力施工工作中取得了显著效果。

一种真空度检测装置及抽气系统

针对500 kV罐式断路器抽真空过程中无法精确读取真空机组进口数据,为防止因关闭真空机组读取数据容易导致真空泵油倒入设备内部风险的问题,提出在断路器本体侧增加一个三通、球阀、电子显示表等措施,此方法操作简单,数据读取准确,降低了操作风险。