Analysis and Economic Evaluation of Hourly Operation Strategy Based on MSW Classification and LNG Multi-Generation System

In this study,a model of combined cooling,heating and power system with municipal solid waste(MSW)and liquefied natural gas(LNG)as energy sources was proposed and developed based on the energy demand of a large community,andMSW was classified and utilized.The systemoperated by determining power by heating load,and measures were taken to reduce operating costs by purchasing and selling LNG,natural gas(NG),cooling,heating,and power.Based on this system model,three operation strategies were proposed based on whether MSW was classified and the length of kitchen waste fermentation time,and each strategy was simulated hourly throughout the year.The results showed that the strategy of MSW classified and centralized fermentation of kitchen waste in summer(i.e.,strategy 3)required the least total amount of LNG for the whole year,which was 47701.77 t.In terms of total annual cost expenditure,strategy 3 had the best overall economy,with the lowest total annual expenditure of 2.7730×108 RMB at LNG and NG unit prices of 4 and 4.2 RMB/kg,respectively.The lower heating value of biogas produced by fermentation of kitchen waste from MSW being classified was higher than that of MSW before being classified,so the average annual thermal economy of the operating strategy of MSW being classified was better than that of MSW not being classified.Among the strategies in which MSW was classified and utilized,strategy 3 could better meet the load demand of users in the corresponding season,and thus this strategy had better thermal economy than the strategy of year-round fermentation of kitchen waste(i.e.,strategy 2).The hourly analysis data showed that the net electrical efficiency of the system varies in the same trend as the cooling,heating and power loads in all seasons,while the relationship between the energy utilization efficiency and load varied from season to season.This study can provide guidance for the practical application of MSW being classified in the system.

基于VMD-改进最优加权法的短期负荷变权组合预测策略

为提升短期电力负荷预测精度,提出了一种变权组合预测策略。首先,为了降低负荷数据的不平稳度,使用变分模态分解(variational mode decomposition,VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量。其次,充分计及负荷数据的时序特点,参考指数加权法原理设计自适应误差重要性量化函数,并结合组合模型在时间窗口内的历史负荷数据的均方预测误差设计改进最优加权法的目标函数和约束条件,以完成子模型的准确变权。最后,针对波动较强的高频分量选定极端梯度提升(XGBoost)和卷积神经网络-长短期记忆(CNN-LSTM)模型并使用改进最优加权法进行组合预测、低频分量使用多元线性回归(MLR)模型预测、残差分量使用LSTM模型预测,叠加各模态分量的预测结果,实现了短期负荷数据的准确预测。实验结果表明,使用策略组合模型的平均绝对百分比误差为4.18%。与使用传统组合策略的组合模型相比,平均绝对百分比预测误差平均降低了0.87%。

基于CNN-LSTM电力消耗预测模型及系统开发

有效预测电能负荷,对提高电力负荷时间序列测量准确度及合理制定用电能管理措施具有重要意义。针对传统预测模型在电能负荷预测中无法充分挖掘时间序列数据中隐藏特征的问题,基于电能数据时间序列的趋势,融合数值信息提出一种卷积神经网络(convolutional neuralnetwork,CNN)与长期短期记忆循环神经网络(long short-term memory network,LSTM)相结合的混合多隐层CNN-LSTM电力能耗预测模型。首先,通过设定最小目标函数作为优化目标,Adam优化算法更新神经网络的权重,并对网络层和批大小进行自适应调优以确定最佳层数和批大小。其次,构建混合多隐层模型并进行隐层组合优化与讨论,确定最佳时间维度的参数,进行时间维度的特征学习进而预测下一时间序列的耗电量。然后以某公司的电力负荷数据为例进行验证,并与LSTM、CNN、RNN等模型的预测结果分析比较。结果表明上述混合多隐层模型预测准确度达98.94%,平均绝对误差(MAE)达到0.0066,均优于其他相关模型,证明以上混合预测模型在电力负荷预测精度方面具有更好的性能。基于上述理论,开发了能耗监控决策系统,实现设备状态实时监控和能耗智能预测功能,为解决传统制造业能耗需求不精确和能源库存浪费问题提供参考和指导。

基于模糊Borda法的电动汽车负荷对配电网影响综合评估研究

电动汽车行业的高速发展必将对电网运行带来巨大压力,因此需要通过电动汽车对配电网影响的精准研究得到应对之法。本文构建了电动汽车充电负荷时空分布预测模型以及电动汽车接入配电网综合评估体系。首先,运用多源数据、多因素能耗模型、动态路网模型以及路-电耦合理论预测电动汽车充电负荷时空分布结果;其次,从合理性、安全性、经济性、可靠性以及环保性5项准则出发构建相应的量化指标,建立综合评估体系;最后,运用综合赋权法得到指标权重集,并运用模糊Borda法集合多种综合评估方法,协调各评价方法对评价对象的主客观性影响从而得到综合评估结果。最后,以上海某地区为例进行算例仿真,验证了本文方法的可行性。

电力负荷与气象因子因果关系分析及预测研究

短期电力负荷预测是电力部门生产调度的重要参考,不同地区影响电力负荷的因素有所不同,因此,为探索电力负荷与气象因子之间的因果关系,以某变电站逐小时电力负荷和气象要素数据为基础,采用格兰杰因果检验分析气象要素与电力负荷的因果关系。采用ADF检验验证气象因子与电力负荷数据的平稳性,将通过ADF检验的平稳性变量进行格兰杰因果检验。结果显示,温度、相对湿度和风速均是电力负荷的格兰杰原因,温度和相对湿度对电力负荷变化的影响是实时的,风速对电力负荷变化的影响具有1 h以上的滞后性。采用灰色关联度和余弦相似度建立综合相似性指标,基于相似日法提出一种短期电力负荷预测模型,以2018—2020年的气象数据和电力负荷数据作为样本库,采用2021年的数据对模型预测准确性进行检验。经验证,模型在天气因子变化不明显或变化缓慢情况下预测准确率为90%以上,可作为电力部门生产调度参考。

基于BP神经网络的智能家电集群短期电力负荷预测方法研究

随着智能家电集群的出现和普及,人们对电力的需求不断增加。为了更好地管理和调度电力资源,准确预测智能家电集群的电力负荷变化是必不可少的。因此,文章提出了一种基于BP神经网络的预测方法,首先分析了智能家电集群的短期负荷特征并构建了相应的预测模型,然后利用BP神经网络对负荷数据进行了训练和预测,从而实现对未来短期电力负荷的准确预测。实验结果表明,该方法可以较好地预测智能家电集群的短期电力负荷,具有一定的准确性与可行性。

面向区域综合能源系统的电-气负荷联合预测研究

能源互联网中电力系统与天然气系统的依赖增强,给综合能源系统中电力系统与天然气系统的负荷预测带来了更高的挑战。文中提出了基于长短记忆网络与权值共享的电-气联合负荷预测方法。文中在预测模型中使用了相关系数对天气因素进行了分析,提取了对两种负荷的重要气象因素,将长短记忆网络作为主要预测算法,权值共享模式分析了电-气两种负荷之间的相关性。算例中使用云南省综合能源系统示范工程数据对算法有效性进行了验证,结果显示该算法有效提高了综合能源系统中电力与天然气负荷预测的精度,有着较高的应用价值。

基于客户用电数据的多时空维度负荷预测综述

随着新型电力系统建设的快速推进,风力发电、光伏发电等新能源比例的不断升高,电动汽车等新型电力负荷的加入,以及用户参与新型电力市场需求响应等新形势,均对电网结构产生深刻影响,使得客户用电负荷时空特性逐渐增强,进一步对电力负荷预测技术提出了新的要求。该文在此背景下,对电力负荷预测现有技术进行总结与展望。首先,从预测方法、预测尺度、预测对象等多方面分析电力负荷变化给负荷预测带来的变革;在分析传统电力负荷预测技术不足的同时,对现代电力负荷预测方法和技术进行总结;进而,梳理出目前电力负荷预测领域面临着数据可用性、影响因素多元化、地区差异性等方面的挑战;进一步地针对这些挑战,对未来电力负荷预测在技术层面和应用层面的发展进行分析和展望。

基于BOA-LSSVM的电力推进船舶负荷预测

船舶电力系统容量小,负荷波动性强,船舶电力负荷预测对于船舶电力系统的稳定性和安全性意义重大。本文提出一种能够对船舶电力负荷进行有效且准确的负荷预测方法,在传统的以最小二乘支持向量机作为船舶电力负荷预测方法的基础上,将变种卡方核函数与RBF核函数相结合,同时支持向量机的正则化参数C和标准化参数σ的取值对预测精度影响较大,故使用改进的蝴蝶优化算法对预测模型中的参数以及变种卡方核函数的权重系数进行寻优。仿真结果表明,本文提出的预测方法将负荷预测精度提升至97.5119%,因变种卡方核函数的引入,算法能够对特征向量分量权重进行自动调节,并且经蝴蝶优化算法进行参数寻优后的预测模型更为准确,船舶电力负荷预测精度得到进一步提升。

居民区场景下计及负荷预测的有序充电策略

近年来我国新能源汽车保有量急剧增长,电动汽车大量接入配电网。为保障电网运行安全性与电动汽车用户充电经济性,首先,基于居民区电动汽车充电场景,以减小电网负荷波动并降低电动汽车用户充电成本为目标,统计电动汽车用户出行规律,分析包括电动汽车并网充电开始、结束时刻与充电电量的电动汽车充电规律,利用马尔科夫链蒙特卡洛方法实现居民区电动汽车充电负荷预测;其次,计及负荷预测数据进行数据评估分级,制订负荷分级电价,并根据峰平谷分时电价制订加权分时电价,建立以加权分时电价为理论的有序充电模型;最后,以华东地区某居民区充电桩为例,运用MATLAB验证基于马尔科夫链蒙特卡洛方法的充电负荷预测,建立变功率有序充电策略模型,利用多种群遗传算法求解模型。试验结果表明,采用所提策略可使负荷波动率下降至33.80%(比无序充电下降18.93%),用户单位充电价格下降至1.346元/kWh(比无序充电下降10.27%),可实现电网运行负荷波动与用户充电成本的降低。

基于蒙特卡洛法的城市电动汽车充电负荷预测

近年来,我国电动汽车数量呈现出高增长趋势,针对电动汽车充电负荷的不确定性对电网的影响,提出一种基于改进Bass模型预测电动汽车保有量的方法,在此基础上,构建出蒙特卡洛法的城市电动汽车充电负荷预测模型。首先,通过改进非线性最小二乘法,对模型参数进行估计和初步优化,提出了一种组合预测模型分析传统汽车数量,并通过基于层次分析法的德尔菲法,建立传统汽车和电动汽车之间的联系,以此进行电动汽车保有量的预测;其次,基于蒙特卡罗法模拟城市电动汽车用户出行习惯,预测电动汽车的无序充电行为,形成电动汽车的日负荷曲线;最后,基于某地实际数据建立仿真模型,验证该模型的可行性。

燃气负荷预测技术综述

天然气的应用和发展对我国实现“双碳”目标意义重大。随着我国燃气市场规模的扩大,燃气供需变化越来越复杂,燃气负荷预测技术持续受到关注。系统介绍燃气负荷预测方法中常用的数理统计预测法、人工智能预测法及组合预测法,总结燃气负荷预测技术的发展现状及应用特点,介绍国内外燃气负荷预测软件的应用,探讨并展望目前我国燃气负荷预测技术在发展中存在的问题及未来发展方向。

基于多元时间序列分析的电力负荷预测方法研究

基于多元时间序列分析的电力负荷预测方法是一种经典的预测方法,可以帮助电力企业有效地预测未来的电力负荷,并采取相应的措施进行调节和优化。本研究采用了基于多元时间序列分析的方法进行电力负荷预测。通过对历史电力负荷数据的分析和建模,该方法可以考虑到多种影响因素并得出更准确的负荷预测结果。同时,该方法还考虑了季节性和趋势性因素,并利用ARIMA模型进行时间序列分析,从而提高了预测的准确性和可靠性。

层次结构下的中长期电力负荷变权组合预测方法

提出了一种基于层次结构的中长期电力负荷变权组合预测方法,借鉴层次分析法的思想,构造一个层次结构来确定组合权重:采用熵值法确定模型评价指标的相对权重;采用方差–协方差优选组合预测方法和灰色关联分析分别确定各单一预测模型在各评价指标下的相对权重,最终确定组合预测模型中的组合权重。在组合预测的整个过程中,根据负荷发展的"近大远小"原则,引入等维信息的概念,实现了变权组合预测,使预测结果能够更合理地反映电力负荷的发展规律。最后通过一个实例验证了该方法的有效性。

模糊理论在中长期负荷预测中的应用

本文先介绍三种用模糊理论进行中长期负荷预测的方法的数学模型，即模糊指数平滑法、模糊线性回归法和模糊聚类预测法，然后以邢台地区实际预测为例，给出预测结果，并对三种方法进行了比较和误差分析。实践证明了这三种方法具有比传统方法预测精度高、预测误差小的优点。

短期负荷综合预测模型的探讨

中国实用的短期负荷预测系统普遍采用的是综合预测模型机制。文中深入研究了该机制的实现和应用原理,针对其权重不等式约束、求解方案实用化方面进行了深入探讨,提出了“最优拟合模型”不等于“最优预测模型”的观点。对该观点进行了详细的论证。在此基础上,提出了“较优预测模型”的实现策略,并以实例证实该模型提高了负荷预测的准确率和误差稳定性。

扩展短期负荷预测的原理和方法

在电力市场环境下,制定和调整当日负荷计划的周期缩短,负荷预测系统需要在留有2 h时间裕度的情况下,对当日未知负荷进行重新预测。该文提出的扩展短期负荷预测方法可以满足这种需求,并在文中仔细阐述了该方法的应用背景、理论及概念,给出了实现方案。最后,以实际系统数据说明了该方法的必要性和实用性。

一种新的自动发电控制容量预测和获取机制

针对统一的区域电力市场尚未建立而省级间电力交易日益频繁的市场化环境,研究了自动发电控制(AGC)容量需求的预测和获取机制.从系统安全性的角度出发,构建了AGC容量需求预测和动态修正模型,考虑了负荷预测误差、机组调节性能和联络线偏差等因素.基于AGC容量集中投标的市场运营模式,通过权衡AGC调节容量获取成本和联络线偏差处罚费用,建立了兼顾市场运营经济性和系统运行安全性的AGC容量预测和获取方法.通过基于浙江省电力市场实际数据的仿真算例,说明了所提出方法的基本特征和可行性.

基于最小一乘法的组合赋权法在中长期负荷预测中的应用

中长期负荷预测是电网规划的重要依据和前提,出现了大量的算法模型,但每种模型都有自己的适用条件,采用组合预测能有效地组织各种模型做到扬长避短。组合预测法的关键是确定组合模型的权重,最小二乘法是应用较为广泛的确定模型权重的方法,但研究表明,该方法在确定负荷有突变情况的权重时存在较大的误差,因此,提出基于最小一乘法的权重确定方法,与最小二乘法相比,该方法以误差绝对值之和最小为优化目标,而非平方和最小,避免了误差的缩放,残差可以真实反映与真值的偏离程度,有利于权重的确定,最后通过实例验证了该方法的有效性和优越性。