基于即时学习差异化建模的用电量预测方法

针对日用电量呈现多样化发展趋势,提出一种即时学习LL(lazy learning)差异化预测模型。LL基于相似输入产生相似输出,采用K向量近邻K-VNN(K-vector nearest neighbors)挑选与预测日期相似的用电场景,并以此“即时”构建回归预测模型。为缩小K-VNN的搜寻规模,通过模糊C均值FCM(fuzzy C-means)依据预测特征值进行数据聚类。灰色T型关联度用来选择特征值,进一步提高模型的运行效率。武汉某高校大楼的用电量预测结果表明:FCM-LL差异化建模方法在日用电量的预测效率和预测精度中具有显著的优越性。

考虑多元储能差异性的区域综合能源系统储能协同优化配置

储能作为综合能源系统融合的纽带,如何配置电/热/冷多能存储是综合能源系统规划中的重要研究内容。该文提出考虑电/热/冷多元储能差异化建模的区域综合能源系统储能协同配置方法。多元储能协同配置的基础是耦合能量流和储能特性描述,在耦合能流上明确含电/热/冷三种能量形式的综合能源系统结构,并建立电-热网络模型;在储能特性描述上基于储能统一模型建立电储能有功-无功特性模型和热/冷储能精细化模型,并定义多元储能综合效率用于控制不同类型储能效率对能源综合利用效率和经济性的影响。建立多元储能协同配置模型,该模型用于得到多元储能额定容量、功率、位置等规划方案,以经济性、环保性为目标,有机融合了典型日优化运行;采用遗传算法和Gurobi求解器相结合的混合策略求解。算例表明多元储能协同配置、协调运行具有优越性;考虑多元储能之间的统一性和差异性有助于得到更加全面的储能配置方案。

高流量窗口场景4/5G协同优化研究与应用

随着国内各运营商4/5G套餐升级、5G终端的大面积普及,单用户DOU不断增长,用户使用无线网络对无线资源的消耗、评价无线网络质态的方式已发生深刻变化,特别是在高流量窗口场景热点问题更为突出,用户速率感知体验也呈现下滑趋势,高流量区域流量天花板效应开始显现。为解决该问题,本文面对高流量窗口场景,制定了一套完整的4/5G协同建设优化策略,并成功应用推广,不断提升用户在高流量区域用户感知。