改进Elman神经网络的综合气象短期负荷预测

由于地区电网负荷受气象因素影响较大,提出了综合考虑气象因子的处理方法。该方法采用综合气象因子(人体舒适度和温湿指数)作为输入,克服了气象因子直接输入时输入量多、预测时间长的缺点。同时,针对BP神经网络动态性能的不足,建立基于Elman动态神经网络的短期负荷预测模型,并对该模型的激励函数和网络结构进行改进。改进后的模型考虑了电网的动态特性,减少了神经网络输入量,增强了负荷预测模型的适应性。采用杭州地区实际数据对提出的方法和模型进行验证,结果显示该方法和模型能明显提高负荷预测精度,表明该方法和模型是实用有效的。

龙爪槐树干液流相对于气象因子的滞后效应分析

The sap flow velocity and the micro-meteorological environment of Sophora japonica f.pendula were measured from Aug.to Oct.2006 with sap flow gauge based on heat balance principle and auto-weather station in Ludong University.The time lag effect of sap flow compared to meteorological factors was analyzed,and the regressive analysis between comprehensive affecting factor put forward by principal component analysis and sap flow was conducted.The time lag effect analysis results showed that the sap flow lag effect existed compared to total solar radiation,wind speed and photosynthetically active radiation,and the lag time was 10 min,20 min and 10 min,respectively.The time lag effect was the reason of water storage adjustment of leaves,branches and trunks.The sap flow lag time to total solar radiation and photosynthetically active radiation was shorter than wind,because solar radiation affected tree transpiration directly,and the wind affected tree transpiration through affecting boundary resistance of leaves.In the case sap flow time lag considered or not,the determination coefficients between comprehensive meteorological affecting factor and sap flow were 0.830 and 0.944,respectively,and the determination coefficient ascending 13.735% because of lag effect considered.In conclusion,the fitted precision would be improved with the time lag effect of trunk sap flow compared to micro-meteorological factors considered.

山地枣林蒸腾主要影响因子的时间尺度效应

为揭示时间尺度效应对蒸腾规律的影响,对黄土丘陵区山地枣林蒸腾及其影响因子进行同步监测,并在不同时间尺度上分析蒸腾的主要影响因子。结果表明:不论逐月蒸腾还是全年蒸腾,其主要影响因子均存在明显的时间变异性和时间尺度效应。逐月蒸腾在生育期内时、日和旬尺度上主要影响因子分别是光合有效辐射(R2峰值,Rmax2=0.79),风速(Rmax2=0.81)和相对湿度(Rmax2=0.78),叶面积(Rmax2=0.73)和叶面积指数(Rmax2=0.82)。全年蒸腾在较小时间尺度(时和日尺度)上和除风速外的其他气象因子均呈极显著相关(p<0.01),而在较大尺度(旬和月尺度)上仅和叶面积、叶面积指数以及土壤水分呈极显著相关(p<0.01)。随着研究尺度的提升,气象因子对蒸腾的影响逐渐减弱,作物自身生长状况和土壤水分状况对蒸腾的影响逐渐增强。该研究对于进一步揭示枣树的蒸腾规律,制定科学合理的节水措施具有重要的指导意义。

基于组合模型的天然气日负荷预测研究

针对单一模型预测天然气负荷不稳定、风险性较大的问题,提出一种引入气象综合因子的并联组合模型。首先使用Pearson相关分析剔除冗余的影响因素并引入气象综合因子,然后对粒子群算法的线性惯性权重进行改进并结合教学算法形成改进的粒子群算法,最后采用改进后的算法分配Elman神经网络和自回归神经网络(NARX)预测结果的权重组成并联组合模型。实例分析表明,改进后的粒子群算法性能优越,引入综合气象因子的并联组合模型与单一模型和平均权重组合模型相比预测精度更高,绝对误差百分比提升率为3.03%,且泛化能力更强。

电网调度操作过程中的天气风险源建模及分析

天气是电网调度操作本身面临的主要风险因素之一.本文对电网调度操作过程中天气风险源的辨识与建模问题进行研究,建立了能够全面反映气温、风速、降雨量、能见度、相对湿度和雷电危险度等六类气象因子的天气风险源量化模型,在此基础上引入信息熵理论来实时客观地定量描述前述六类气象因子的综合作用值,并依据气象因子相对设定值的越限情况,采用线性惩罚函数对气象熵值予以修正,最终定义形成综合气象因子,用以定量辨识天气风险源对调度操作的影响.最后,基于广州市电网的实际算例对本文所提模型的有效性进行了验证,结果表明,本文建立的天气风险源量化辨识模型能够科学和客观地体现操作设备所处片区的实际天气状态,且能够精细化评估多种气象因子为电网实际调度带来的潜在风险.通过将该模型与数值天气预报系统的对接,大大提高了电网调度操作风险辨识的自动化水平.目前,该模型已在广东电网获得实际应用.

早稻产量动态预报模型

利用早稻不同生育阶段气象因子的综合聚类指标选择气象相似年型,再根据相似年的产量变化确定分析年的产量气象影响指数,建立全国和区域早稻单产动态预报模型。通过对1995-2004年早稻产量进行动态预报,结果表明,4月30日、5月31日、6月30日和7月31日预报的早稻产量增减趋势的预报正确率均为100%,产量预报准确率为97.5%、96.6%、98.1%和96.9%,从而可实现早稻产量的连续、动态、定量化预报,促进有关业务服务的发展。

大豆产量动态预报模型研究

近年来，受进口大豆的冲击，中国大豆产业面临着严重挑战。为了给政府决策提供可靠的依据、保障中国粮食安全，每年能准确地进行大豆产量预报具有重要意义。利用大豆不同生育阶段气象因子的综合聚类指标选择气象相似年型，再根据相似年的产量变化确定预报年的产量气象影响指数，建立全国大豆单产动态预报模型。通过对1995～2004年大豆产量进行动态预报，结果表明：5月31日、6月30日、7月31日、8月31日和9月30日大豆产量预报准确率分别为97．0％、93．8％、94．9％、93．7％、95．1％，实现了大豆产量的连续、动态、定量预报。