基于改进长短期记忆网络的电力负荷预测研究

针对用户用能分析中电力负荷预测模型的变量冗余和收敛困难问题,提出一种基于改进长短期记忆网络(long short-term memory,LSTM)的短期负荷预测模型。首先利用FP-tree对复杂的负荷数据和气象数据进行分析,筛选负荷强关联因素,构建出训练数据集;其次建立LSTM负荷预测模型,并使用关联性分析得到的强关联因素训练负荷预测模型;最后,选取美国Homestead地区的历史数据进行仿真分析。通过对比遗传算法优化反向传递神经网络算法和鲁棒性损失函数的人工神经网络型的预测结果,预测模型的精度和稳定性满足要求,在实际中具有一定的应用价值。

数据中心关键技术和发展趋势研究综述

数据中心是数字经济时代最重要的基础设施,是我国“新基建”的重要组成部分。随着国家“碳达峰、碳中和”目标的逐步推进,数据中心高能耗问题越发凸显并亟待解决。文章论述数据中心主要组成和面临的能效问题,并从数据中心选址规划、供电和制冷、IT设施(存储、服务器、网络、虚拟化等技术)、负载软件、能效跨层优化等方面阐述高效能数据中心关键技术,介绍数据中心的建设模式(大中小型、模块化)和发展趋势(绿色高效能、集中+分布、边缘计算)。为绿色数据中心建设发展提供参考借鉴,以推广更好的数据中心技术,更优质高效的为数字经济时代提供数据、算法和算力,为数字经济发展服务。

基于多源异构的能源数据处理技术研究

随着能源大数据的快速增长以及能源数据监测的传感器数量与种类急剧增加,导致电力数据质量和数据融合遇到了一系列问题,文中针对此问题开展基于多源异构的能源数据处理技术研究。基于随机森林的多源异构数据融合理论,建立了能源大数据训练网络。通过采用增量学习与离线学习的思想,在在线训练实时图像数据中搭建能源大数据的MCS-RF框架,有效解决了大数据的稀疏问题,并将离散数据转为适用于关联规则的数据,从而消除了能源大数据中的冗余信息。以SCADA系统内潮流数据作为样本数据而进行的数值仿真分析结果表明,与传统的基于残差算法相比,文中所提方法对能源不良数据进行识别所需的次数较少,且精度更高。

山西省涉车收费问题的调研报告

近年来，随着经济社会的快速发展和人民群众收入的显著提高，机动车辆大幅增加的同时．涉及机动车乱收费问题随之更加突出。笔者通过参加全省涉车收费专项检查，结合检查工作对全省机动车的基本情况、涉车收费的相关政策、法规，进行了调研整理，对存在的问题进行了比较系统的分析．现提些相关政策建议和意见，供参考。

考虑响应不确定性的高比例可再生能源微电网优化策略

为了响应“碳达峰,碳中和”目标,实施需求响应可高效平抑高比例可再生能源微电网的波动性,有助于电力行业实现深度减排。在微电网独立运行模式下,可通过能源大数据中心获取可再生能源出力、负荷需求及用户响应等数据,制定实时激励优化策略,从而降低弃风-光率和优化微电网运行。首先,建立不同激励下用户的收益情况与自身满意度之间的映射关系,通过Sigmoid函数改进云模型来衡量用户满意度与响应行为之间的不确定关系。其次,提出考虑响应不确定性的独立微电网实时激励优化策略,利用混沌烟花算法求解微电网下发的各时段激励,合理安排微电网各单元的出力情况。仿真结果表明,当用户负荷曲线进行消纳和削减的调整后,新能源的消纳率得到有效提升,微电网的运行成本也大幅降低。