多级协同的精细化负荷用户属性模型

目前电力系统运行中采用的负荷模型主要是满足网络计算分析需要的等值负荷模型,缺少用户数、用户实时功率、重要用户分布等关键信息,同时负荷用户的庞大与复杂使得电力部门难以分级协调精细化管理负荷信息。针对上述问题,对用户侧负荷模型业务需求进行分析,首先设计形成涵盖用户实时功率、用户数量、用户重要性程度以及用户所属行业的负荷用户属性模型;其次通过潮流追踪的方法逐级分析电源和负荷的源流关系以确定不同电压等级变电站之间的电气从属关系,分别建立了10 kV馈线及110 kV、220 kV、500 kV变电站负荷的用户属性模型;最后以惠州电网数据为例进行验证。结果表明该方法能够统计计算出各级负荷的用户属性信息,实现对负荷用户的多级协同精细化管理,可为各级电力调度部门在安排运行方式、制订调度计划和动态分析电网用户状态等方面提供一定的参考决策信息。

基于属性特征的区域建筑冷热电负荷需求预测

电力、供热和制冷负荷预测是区域建筑能源系统规划设计和运行管理的重要基础。基于热关联度(Storage)、可关停度(Response)、可交易度(Trading)三个维度描述冷、热、电负荷属性特征,则区域建筑的冷、热、电负荷可通过与其属性相匹配的尖值转移、时间转移以及空间转移等措施进行满足,可为区域建筑能源系统规划方案的制定和系统建成后的高效运行提供理论依据和分析计算基础,从而有效降低能源资源浪费。

算法推荐的信息传播危机与协同共治模式

算法推荐具有收集、筛选、推送信息和记录的“权力”,具有技术属性,同时因智能传播时代下算法决策取代了人工决策,算法推荐技术又充当着传统媒介中的人工价值判断角色,具备了价值负荷属性。算法推荐的双重属性不仅形成信息茧房及衍生回音室效应,加剧社会价值观的分化,且催生了圈层区隔,导致群体极化滋生和信息操纵风险蔓延,扰乱网络信息的生态场域。摆脱算法推荐在智能传播时代的负面效应,必须构建多元主体共同治理算法推荐模式:智能媒体平台应强化社会责任,加强算法的“自我规制”;政府需加强算法监管,形成算法安全治理格局;用户应享有算法解释权,塑造“算法协治者”形象。