基于需求响应的虚拟电厂多时间尺度优化调度

随着我国不断加快新型电力系统建设,风电、光伏等越来越多的分布式资源大规模并网,但其随机性、波动性及分散性的特点给电力系统带来了多重不确定性。提出了一种考虑价格型需求响应的虚拟电厂多时间尺度优化调度方法,在日内调度模型中引入用户价格型需求响应,对用户负荷进行精准调控;采用基于蒙特卡罗与曼哈顿概率距离的场景生成与削减法处理风光出力、电价不确定性,减少日前日内出力偏差,再结合日前调度构成了多时间尺度优化调度模型,并采用滚动优化得到日内优化调度结果。以湖南某小型虚拟电厂系统进行算例仿真,结果表明,所提多时间尺度优化调度策略能够精确预测风光出力及用户负荷,在有效抑制功率波动的同时保证了系统的经济性。

环氧改性水性醇酸树脂的合成与应用研究

介绍了环氧改性水性醇酸树脂的合成,并以此为基料制备了性能优良的铁红底漆。讨论了环氧树脂及合成工艺参数对环氧改性水性醇酸树脂性能的影响,得到最佳工艺配方,并采用红外光谱(IR)对产物进行了表征。制备的环氧改性水性醇酸树脂清漆实干16 h,铅笔硬度达HB,附着力为0级,并具有良好的耐水性和贮存稳定性。

氟改性羟基丙烯酸乳液的研究

以丙烯酸全氟烷基酯(Zonyl TM)为功能单体,阴离子、非离子乳化剂为复合乳化剂,采用预乳化半连续乳液聚合法合成了氟改性羟基丙烯酸乳液,并将合成的乳液与氨基树脂制得性能优异的丙烯酸氨基清漆。系统地研究了氟单体、交联单体、丙烯酸含量及苯乙烯和甲基丙烯酸甲酯的配比等因素对涂膜性能的影响,对影响清漆的混容性及贮存稳定性的各因素进行了讨论。此外,含氟乳胶膜对水的接触角及红外光谱表征结果表明,Zonyl TM有效参与了共聚反应,提高了涂膜的耐水性及耐化学品性。

水性聚丙烯酸酯热-UV辐射交联涂层材料的研究

在聚丙烯酸酯乳液共聚中引入AAEM功能单体,同时在较温和的条件下通过迈克尔加成反应引入C=C双键,实现了水性聚丙烯酸酯热-UV辐射的交联,并对聚丙烯酸酯的合成及成膜条件进行了优化。实验结果表明:该涂层性能耐乙醇拭擦158次不破膜,硬度达到3H,耐碱性24h无泛白、起皱。

基于先验知识与DBM采样的类不平衡用电数据分类方法

智能电网建设过程中现有客户标签体系不够完善,针对海量用户用电数据的分类管理中带有标签的样本数据量小以及类不平衡分布的问题,提出了一种基于先验知识与深度玻尔兹曼机(DBM)采样的不平衡用电数据分类方法。首先,提取负荷曲线的特征,建立采样原则,利用先验知识和DBM对负荷曲线进行采样。然后,将采样数据通过极限学习机(ELM)网络进行训练。最后以爱尔兰用户用电数据为数据源,通过与原始非采样、随机过采样、合成少数类过采样技术(SMOTE)的对比性实验分析结果表明,所提出的基于先验知识与DBM采样的不平衡用电数据分类方法能够更好地对类不平衡用电数据集进行分类,实现用户用电行为的分析,有效支撑用户侧错峰避峰工作。

多站融合智慧能源站5G通信组网应用研究

智慧能源站是以变电站为基础,实现变电站、储能站、光伏站、充电站与数据中心站功能为一体的新一代能源枢纽基础设施。为了提高智慧能源站差异化业务处理能力及各站数据通信高效协同,文章提出一种多站融合智慧能源站5G通信组网应用方案设计。首先分析智慧能源站的多站融合业务的通信需求,然后构建含终端感知层、边缘计算层、通信网络层、企业中台层和应用平台层的智慧能源站5G通信组网模型,最后基于模型提出智慧能源站5G通信组网应用方案,并结合用户面功能(user plane function,UPF)部署、切片部署及切片配置阐述关键组网技术。多站融合5G组网应用方案可为智慧能源站通信组网提供应用实例参考。

基于机器学习的电力工程三维数据处理技术研究

随着三维可视化技术广泛应用于电力工程建设领域,高效、准确地处理电力系统三维数据成为了研究的热点问题,针对智能电力系统中所产生的大量三维数据,研究了基于融合机器学习技术的数据处理方法。为了便于机器学习的特征提取与分类,文中使用ZigBee协议栈对电网的网络进行归一化建模。对于电力数据的分析场景,选取不同的机器算法与融合策略进行实验分析,最终采用性能优秀的融合机器学习算法。通过与人工数据分析的对比结果可以发现,该融合机器学习算法在准确率方面至少提高了16.3%、容错率提高了约39.4%,显著提升了数据分析效率。