数据与误差驱动的典型行业用电量预测方法研究

在新常态经营形势下,用电量的精细化预测对于电力系统的安全、稳定、经济运行具有重要意义。采用基于数据驱动与误差修正的递进式思路,研究行业用电量主要影响因素辨识与预测方法。首先,在数据驱动层面,从相关度和冗余度角度应用最大信息系数和最大关联-最小冗余性初步识别主要影响因素。其次,在误差驱动层面,采用随机森林方法考虑误差进行影响因素精筛。再次,构建考虑了递进式主要影响因素辨识的行业用电量预测模型。预测模型应用自组织映射方法对典型行业的细分行业用电数据样本集进行聚类,分类应用递进式影响因素辨识方法获得主要影响因素,然后同历史用电量数据一起构造误差反向传播神经网络模型进行预测,通过细分聚类、预测求和的方式获得典型行业用电量预测结果。最后,以中国北方某区域两个典型工业行业用电量为预测对象,通过算例验证该方法的适用性。

江苏省典型工业源挥发性有机物排污特征与减排潜力分析

VOCs是臭氧和二次有机气溶胶等复合型污染的前驱体。基于原辅料和生产工艺的角度,构建江苏省内人造板、印刷、电子、橡胶和塑料、制药、化工、喷涂为代表的典型工业行业VOCs成分谱。通过最大增量反应活性系数(MIR)、气溶胶生成系数(FAC),依据原辅料、产品和工艺的区别,分析各行业、企业VOCs组分区别与臭氧生成潜势和二次颗粒物生成潜势。结果表明:橡胶和塑料行业单位OFP最高,约为4.09 g·g^(-1);SOA较高的印刷、制药、涂装、橡胶和塑料行业,其值约为1.5 g·g^(-1);通过MIR和FAC系数模型可知,橡胶和塑料行业是O_(3)污染管控重点,印刷、制药、涂装、橡胶和塑料行业是二次气溶胶的管控重点。基于江苏省典型工业行业VOCs特征,分析我国现行VOCs治理技术指南推荐工艺与现存低效治理工艺的差异,以估算全国典型工业行业VOCs年产污量和污染特性减排潜力,可为VOCs管理相关法规政策制定提供依据。