基于规范划分集的并行循环计算划分

计算划分问题是并行编译中最为重要的问题之一.针对并行循环,在数据分布确定的情况下,提出了基于规范集的计算划分算法,具体讨论了规范集的获取方法及综合通信与负载均衡的最优方案选取算法.实验表明,在并行循环处理方面,这一算法与以前几种算法相比更加简单、有效;采用这一算法的p_HPF编译器对数据并行应用问题可以获得良好的加速比和效率.该编译器已在石油领域得到应用.

基于规范划分集的并行循环编译框架

Compilation of parallel loops is one of the most important parts in parallel compilation and optimization. This paper mainly discusses the key techniques during the compilation implementation of parallel loops, based on the uniform partition schemes. It includes techniques in local array index generating, loop space reconstructing, communication detecting and organizing and data dependence disposing. The efficiency of this implementation has been proved by lots of experiments. The p_HPF compiler which adopts this compiling framework can obtain good speedups and efficiencies. The compiler has been applied in many fields, particularly the field of petroleum exploration.

基于集群动态划分的配电网无功电压自律-协同控制

针对高渗透率分布式光伏接入配电网导致的电压越限问题,以及传统集中式控制面临的通信延时、计算量大与控制设备过多等问题,提出一种基于集群动态划分的配电网无功电压自律-协同控制方法。首先,建立日前集中式无功电压优化模型,安排离散无功补偿设备投退计划,日内调度以节点电压偏差最小为目标建立日内无功电压滚动优化模型,结合同步型交替方向乘子法实现各集群间的分布式协调控制;然后,通过群内本地电压实时控制抑制群内节点电压的波动;最终,以改进的IEEE 33节点系统及某地实际60节点配电网为例,验证了该方法的正确性与有效性。

不同样本集划分策略对农作物遥感分类精度的影响

农作物分布的提取精度对于后续的农田参数反演和作物单产估算等均具有深刻的影响,而农作物分类识别过程中,训练样本的准确性和数量对其最终分类结果的影响是至关重要的。针对样本较少且分布不均匀的问题,通过实地标识和目视解译2种方式构建农作物分类样本数据集,设计5种样本数据集构建方案:方案(1)全部采用实测样点(70%训练、30%验证);方案(2)全部采用目视解译样点(70%训练、30%验证);方案(3)实测样点与目视样点分别选取相同比例的训练样本与验证样本,再结合构建训练样本集与验证样本集(70%训练、30%验证);方案(4)目视解译样点作为训练样本,实测样点作为验证样本;方案(5)目视样点与实测样点选取相同数量的样本进行结合构建样本集(70%训练、30%验证)。研究不同方案下的农作物遥感分类精度。结果表明,除方案(4)外,(1)(2)(3)(5)4种样本数据集划分方案的整体精度均在95%以上,分类结果较好,表明采用目视解译补充样本点,可以有效解决样本点较少和分布不均匀的情况。方案(3)作为研究区作物识别提取的最佳分类方案,总体精度达到97.6%,Kappa系数达到0.970,且玉米、水稻、大豆单类精度均超过97%,表明目视解译样点与实测样点分别选取训练样本与验证样本再结合构建训练样本集与验证样本集,不仅可以提升分类结果的精度,而且可以提高分类结果的真实性、准确性。

含高渗透率光伏配电网的集群划分电压控制策略

分布式光伏大规模分散接入导致配电网电压越限问题频繁出现,针对集中控制无法快速响应分布式光伏随机性、就地控制难以实现整体协调的问题,该文提出了一种改进社区算法的分布式光伏集群协同优化电压控制策略。首先,通过改进社区算法,实现了综合考虑功率平衡和节点耦合程度的无功、有功集群划分;然后,充分利用光伏逆变器功率控制能力,提出集群协调电压控制策略;最后,提出电压调节能力的评价指标,对集群内节点调节能力进行评估并选取关键节点,有效减少了控制节点的数目。通过对改进的IEEE 69配电网进行仿真分析可知,所提的电压控制策略能缓解高渗透率分布式光伏接入配网的电压越限问题,提高了光伏的消纳能力。

基于SLM-RBF的配电网分布式光伏集群智能划分策略

分布式电源大规模分散接入给配电网的优化调度带来计算上的维数灾难,需要对分布式电源进行集群以降低调控难度,因此合理的集群划分十分重要.同时,配电网实时量测数据不全造成分布式电源进行实时集群划分难度大、时间效率低,因此提出一种智能局部移动(SLM)算法与径向基神经网络相结合的分布式电源集群智能划分策略.首先,选取有功和无功功率调节范围以及有功和无功功率-电压的灵敏度作为集群划分的指标,构造相似度矩阵并基于SLM形成分布式电源的集群划分方案库.然后,离线建立电压拟合模型,拟合可实时观测节点的功率与电压之间的关系;同时,离线建立电压-划分结果模型,在线通过电压得到实时划分结果,创新性地解决了潮流模型缺失时无法进行集群划分的问题,提高了集群划分的实时性.最后,在MATLAB平台通过仿真计算验证了算法的合理性和优越性.

考虑灵活性资源可调容量和响应速度的集群划分方法

为提升分布式电源规模化接入配电网的有序管控和灵活调节能力,合理地对分布式电源进行集群划分并以集群为基本单元进行调控是当下有效的管理手段。为此,文中提出考虑灵活性资源可调容量和响应速度的分布式电源集群划分方法。首先,提出能够表征集群结构性和功率平衡能力的模块度指标和有功平衡度指标。其次,在对集群灵活性响应能力进行分析的基础上,针对灵活性资源可响应容量和响应速度对调节能力的影响难以量化的问题,提出以集群出力响应曲线与净负荷曲线之间的偏差累积面积作为集群灵活性响应能力指标,并考虑了储能容量分配对集群划分的影响。然后,提出综合考虑模块度指标、有功平衡度指标、集群灵活性响应能力指标以及储能单元分配指标的集群划分目标函数,并利用改进自适应遗传算法进行求解。最后,在改进的IEEE 33和IEEE 69节点系统中对文中所提方法进行验证。结果表明,基于所提综合性能指标的集群划分方法能在保证集群结构性强度的基础上,将集群灵活性响应能力提升20%以上,验证了文中所提集群划分方法的有效性和优越性。

考虑集群划分的分布式光伏无功电压控制策略

针对含分布式光伏配电网的电压越限问题,提出一种考虑分布式光伏集群划分的无功电压控制策略。首先提出了基于无功电压灵敏度的模块度指标,考虑集群内的无功平衡度及耦合度,得到改进模块度指标并以此进行集群划分;然后提出越限集群内的无功电压控制策略与集群间的协调控制策略,当越限集群无法恢复集群内电压至安全水平时,通过主导节点选取具有可调无功容量的安全集群向越限集群分配剩余无功可调容量;最后以IEEE 33节点配电网系统为例进行仿真,验证了所提无功电压控制策略的有效性。

基于改进K-means算法的分布式小水利发电集群划分方法

随着大规模分布式电源的接入,将复杂的分布式发电集群划分为通信维度较低、控制方式较简单的区域,是实现分布式发电集群灵活并网和优化调度的重要方式。文章提出一种基于改进K-means算法的分布式小水利发电集群划分方法,旨在利用改进K-means算法更有效地处理大规模数据集,自动识别最佳的集群划分,从而减少主观干预,通过更精确的划分,可以最大限度地提高小水利发电利用效率。

基于改进Louvain和BAAM-ADMM的配电网多目标集群划分和电压协调控制

针对分布式光伏(DPV)电站接入配电网的电压越限问题,提出了一种DPV电站接入配电网集群划分和电压协调控制方法。首先,通过改进的Louvain算法对含DPV的配电网进行集群划分;其次,以光伏有功削减量、配电网网损和节点电压偏差最小为优化目标,建立电压优化控制模型,根据集群间与集群内信息交互,采用基于双向安德森加速算法的交替方向乘子法对模型进行求解,实现电压的协调优化控制;最后在IEEE-33节点系统中的算例验证了所提方法的有效性。结果表明,所提方法能够实现DPV电站电压的协调优化控制,提升了DPV电站的并网友好性。

面向有功潮流最优问题的配电网集群划分策略

新能源大规模馈入配电网的背景下,集群划分是配电网实现海量数据分析和设备调控的重要手段,但当前集群划分研究存在划分结果不合理、划分算法准确度低的问题。针对上述问题,文中阐述了分布式电源高渗透的配电网集群划分时应考量的因素,设计了规模限制指标;对遗传算法迭代过程进行观察记录,分析遗传算法全局寻优能力受限的原因,并利用遗传过程中个体趋同的特征对算法进行机理改进。经过仿真实验验证,可知文中所提出的规模限制指标能够有效规避不合理分区,避免人为筛选结果的弊端;所提出的改进遗传算法较大程度地提高了计算的准确度,并降低了迭代次数。但由于遗传算法缺少收敛判据,降低迭代次数暂时不能减少单次实验耗时。综上,文中所提策略能有效提高配电网集群划分结果的准确度及配电网分区控制的效率。

基于集群划分的配电网多时间尺度分布式有功-无功协同优化方法

分布式电源大规模接入配电网增大了配电网应对源荷不确定性及传统集中调控模式的难度,因此文章提出一种基于配电网集群划分的多时间尺度分布式有功-无功协同优化方法。该方法首先在日前调度层面,建立集中式有功-无功协同优化模型,安排长时间尺度调节设备功率及启停计划。然后基于日前调度结果,考虑分布式光伏及负荷日前预测误差对电压带来的影响,建立配电网分布式电源集群划分模型。在日内调度层面,基于分布式电源集群划分结果及同步交替方向乘子法,以日运行成本最优及电压偏差最小为目标,建立分布式有功-无功协同优化模型,修正各连续调节设备日前功率计划。最后,以IEEE33节点系统为例,验证了文章所提方法有效性。

基于集群划分的配电网双层电压协调优化策略

针对大规模分布式光伏并网造成的配电网过电压问题,提出一种基于集群划分的配电网双层电压协调优化策略。将质量耦合函数作为集群划分指标,采用Fast-Newman算法实现对配电网集群的快速划分。在集群划分的基础上,上层以调节成本最低为目标,建立集群日前优化调度模型,通过优化集群内有载调压变压器(on-loadtapchanger,OLTC)与光伏逆变器的调节量实现上层日前调度的经济性;下层以最大化追踪日前调度计划为目标,建立集群实时电压控制模型,通过实时调节光伏逆变器修正上层日前调度计划,以此实现日前调度与实时电压控制的结合,既可以保证电压控制的经济性,又可以有效地简化电压优化控制的过程。最后以某实际馈线系统为例,验证所提方法能对配电网过电压进行快速有效的控制。

基于集群划分的配电网网-源-储双层联合扩展规划策略

针对含高比例分布式电源的配电网线路扩展与源-储选址定容问题,文中提出了基于集群划分的配电网网-源-储双层联合扩展规划方法。首先,提出考虑电气距离、集群功率平衡以及集群规模大小的多指标配电网综合集群划分方法。其次,在集群划分的基础上提出双层联合扩展规划模型,上层以线路投资与运行成本最低为目标建立集群线路规划模型,实现对集群线路走向的优化;下层针对集群内源、荷的不确定性建立源-储鲁棒定址、定容模型,并引入不确定性调节参数刻画源-荷不确定性集的范围,以此得到分布式电源以及储能的最佳接入位置和容量,同时,可降低优化结果的保守性。最后,以中国某地区实际光伏配电网络为例进行仿真分析,验证了所提方法的有效性。

基于PCA-ShapeDTW-QWGRU的分布式光伏集群短期功率预测

针对分布式光伏短期功率预测建立基于主成分分析、改进的动态时间规整算法与量子加权门控循环单元(PCAShapeDTW-QWGRU)的集群功率预测模型。针对集群划分不够精细、光伏电站数据蕴含的信息难以捕捉的问题,提出基于主成分分析结合密度聚类算法(PCA-OPTICS)的集群划分方法;针对目前选取代表电站与集群相似性较低的问题,提出基于改进的动态时间规整算法(ShapeDTW)的代表电站的选取方法,利用ShapeDTW度量相似性距离,选取最小值作为代表电站,并利用基于均方根传播梯度下降法优化的量子加权门控循环单元(RMSprop-QWGRU)模型进行预测;为了解决代表电站与集群功率的变换系数转换差异较大的问题,采用实时变换系数对代表电站进行集群功率值预测计算。实验结果表明,所提方法能有效提升光伏集群功率预测的精度。

近红外光谱样本集划分以及预处理的方法研究

近红外光谱(Near Infrared Spectroscopy,NIR)是一种操作简单、效率高的绿色分析技术,现已广泛应用在各个方面。在对近红外光谱数据分析过程中数据处理的方法也变得极其重要,通过查阅国内外相关文献对现有的近红外光谱一些处理方法进行了分析和总结,综述了近几年近红外光谱中异常样本识别、样本集划分、光谱预处理在分析过程中的一些化学计量学方法,并对这些算法以及应用进行介绍,不仅为近红外光谱化学计量学的发展提供参考,还为后续对近红外光谱的广泛应用提供技术保障。

基于改进粒子群优化算法的分布式电源集群划分方法

随着新型电力系统建设进程的推进,分布式电源并网比重逐渐增加,为解决新型配电网分布式电源调控困难的问题,采用改进粒子群优化算法对大规模分布式电源进行集群划分。首先,在模块度划分标准基础上,引入群内源荷有功匹配度和无功匹配度,提出由三者加权组合的综合性能指标,构建基于综合指标体系的集群划分优化模型;其次,采用惯性权重动态递减策略改进二进制粒子群优化算法,使其惯性权重动态变化,优化粒子位置与速度的更新进程,提高粒子群优化算法的寻优效率;最后,采用改进二进制粒子群优化算法对基于综合指标体系的集群划分优化模型进行寻优,基于此对IEEE33节点、某10 kV实际配网馈线系统进行集群划分。结果表明:基于综合指标体系的集群划分方法在保障划分结果模块度基本不变的基础上,可将有功匹配度和无功匹配度分别提高30%左右;而改进粒子群优化算法对提高划分结果的各个指标值均具有明显效果。

计及多误差场景集划分的超短期NWP风速修正方法

超短期风电功率预测对于机组运行控制和能源调度有着指导性的作用。为了削弱数值天气预报(numerical weather prediction,NWP)风速对超短期预测精度的影响,提出了一种计及多误差场景集划分的超短期NWP风速修正方法。采用双向长短期记忆网络(bidirectional long-short term memory,BILSTM)对NWP风速未来4 h的预报误差进行预测,对风速误差预测值进行误差场景集划分,根据误差场景集训练不同的BILSTM网络进行误差匹配和风速预报误差预测对风速进行修正,再根据修正结果采用多模型进行风电功率超短期预测。将所提方法应用于中国内蒙古某风电场进行算例验证。结果表明,该方法有效降低了NWP风速预报误差,在原有数据基础上,相较于未修正NWP的风速,RMSE值降低了1.859,MAE值降低了1.464,MAPE值降低了26.01%。其中,BP神经网络超短期功率预测精度提高了7.5%,GRU深度网络提高了8.7%,多元线性回归模型提高了9.6%,证明了该方法的有效性。

基于5G基站可调度潜力与配电网集群划分的储能选址定容方法

随着经济发展,海量、分散的5G基站与分布式光伏将被广泛接入配电网,传统的集中式处理方法不宜用于系统的控制管理。同时,基站自备储能为电网提供了容量可观、潜力巨大的灵活性资源。为此,文中提出一种考虑5G基站可调度潜力与配电网集群划分的储能规划方法。首先,提出考虑通信负载的基站自备储能可调度容量评估方法,建立基站参与电网调度交互模型;然后,根据系统网架结构和基站-光伏出力特性,采用Fast-Newman算法对配电网进行集群划分,将基站与光伏打捆;最后,建立储能双层规划模型,模型外层负责求解储能的规划方案,模型内层负责优化储能和基站的调度策略。算例结果表明,应用所提规划方法能够减少系统对储能的投入、提升系统电压水平、提高系统经济性与低碳效益。

基于集群划分和LightGBM-KDE的区域风电中期概率预测

随着新能源保供电重要性日渐增强,调度人员对中期风电功率预测的需求程度也进一步加深。针对气象资源时空分布时序差异性波动大以及随着预测前瞻时间的延迟,区域风电功率预测不确定性合理评估难的问题,提出了基于集群划分和LightGBM-KDE的区域风电中期概率预测。首先对空间气象特征参数进行有效识别,并对风电集群出力波动性进行研究,利用减法聚类对风电场集群进行合理划分;然后基于集群划分结果,利用LightGBM算法建立中期风电功率预测模型;最后对功率预测误差采用非参数核密度估计计算概率密度分布,最终建立基于集群划分和LightGBM-KDE的240 h区域风电中期概率预测模型。算例结果表明,所提方法在区域风电中期概率预测中具有更高的精度。