基于NSGA-Ⅱ-VAR的燃煤电厂负荷预测

燃煤电厂负荷预测的意义在于可以预先了解未来一段时间内的电力需求情况,从而合理安排发电设备的运行和停机维修时间,避免能源浪费、提高发电效率;此外,在燃煤电厂参与深度调峰、配煤掺烧的大背景下,为了确保混煤发热量适应负荷需求,提高燃烧效率,需要提前预知未来一段时间的负荷。本文提出一种基于快速非支配排序遗传算法(nondominated sorting genetic algorithmⅡ,NSGA-Ⅱ)优化向量自回归模型(vector autoregression,VAR)的燃煤电厂负荷预测方法。该方法将历史过热蒸汽时间序列、历史再热蒸汽时间序列和历史发电量序列一起作为VAR模型的输入变量,预测未来8 h的发电负荷,同时使用NSGA-Ⅱ算法优化VAR模型的阶数和截距,从而提高了预测模型的精度。测试阶段,选取上海某机组2022年10月25日—2022年10月30日为数据样本区间,建立初始化预测模型;在2022年10月31日8:00—2022年11月1日16:00样本区间上测试模型效果,并使用NSGA-Ⅱ算法根据测试结果优化VAR模型;在2022年11月2日8:00—2022年11月3日16:00的样本区间上进一步测试优化后的模型预测精度。测试结果表明:预测均方根误差为15.341 MW,平均绝对误差为7.839 MW,和其他时序预测模型对比精度有所提高。该模型可实际运用于同类煤电机组的负荷预测,从而为后续运行决策提供参考。

业务流程建模标注可配置建模技术

为了解决当前业务过程建模语言场景描述能力较差和模型执行时图元利用率低的问题,提出一种可配置的建模语言方案。基于图论及过程模型扩展途径的研究,通过建立可配置图元并为其增加可配置属性,对现有的过程建模语言BPMN进行可配置扩展。建立了基于控制流可配置的C-BPMN语言,并给出了该语言的形式化描述。通过给出C-BPMN的语法规则,验证了扩展后的可配置建模语言的成立条件。

异构并行编程框架综述

异构并行计算技术是近年来高性能计算领域的研究热点,介绍了主流异构并行编程框架,为异构并行计算研究提供了参考,未来的研究将详细比较不同框架的优缺点,为异构并行计算框架的设计提供指引。随着人工智能和大数据等新兴技术对算力需求的迅猛增长以及应用场景的多样化,异构并行计算成为了研究的重点。介绍了当前主流的异构并行编程框架,为异构并行计算研究提供了参考。