基于最优可信度的月度负荷综合最优灰色神经网络预测模型

月度负荷具有增长和波动二重趋势。作者首次提出以纵向历史数据为原始序列,用灰色预测模型进行增长趋势预测;以横向历史数据为原始序列,用人工神经网络模型进行波动趋势预测的方法,并在此基础上,引入最优可信度的概念,同时考虑了月度负荷的两种趋势,建立了综合最优预测模型。该模型兼顾了前两种模型的建模特点,优于只考虑单一发展趋势负荷预测的模型。对电力负荷预测应用实例的计算结果表明,该方法明显地提高了月度负荷预测的精度,也同样适用于进行周、季负荷等具有二重趋势的负荷序列的预测。

综合最优灰色支持向量机模型在季节型电力负荷预测中的应用

季节型电力负荷同时具有增长性和波动性的二重趋势,使得负荷的变化呈现出复杂的非线性组合特征。对此,提出了一种综合最优灰色支持向量机预测模型,研究了同时考虑2种非线性趋势的复杂季节型负荷预测问题,说明了此优化模型分别优于2种单一负荷预测模型。在此基础上,对一般粒子群算法引入粒子速度自适应可调机制,并利用改进粒子群算法优化组合预测模型中的权值。对电力负荷预测应用实例的计算结果表明,该模型较大提高了季节型负荷预测的精度,具有较好的性能。

多方互利共赢的电动汽车智能充电服务策略

从电动汽车用户、电力公司、充电站运营商、道路交通部门四个方面展开电动汽车最优充电导航策略的研究,提出"车—网—路—站"多目标优化有序充电导航系统。在此基础上,采用模糊决策法建立综合最优目标模型,实现了在大规模电动汽车快速充电需求下,电动汽车用户利益最优、电力公司网络损耗与电压偏移最小、负荷平衡指数最高、充电站运营商利润最高及交通网侧道路拥堵率最低等多维目标。通过某市交通路网中呈均匀分布的9个充电站及IEEE 14节点系统算例,验证了该智能充电服务策略的合理性及有效性。