考虑发用电相似性的海上风电中长期双边协商交易优化决策模型

海上风电是未来最有潜力的可再生能源之一,但其出力具有随机性和波动性。为了更好地促进海上风电的市场化消纳,文中基于海上风电商与负荷聚合商间的中长期双边协商交易构建了优化决策模型。首先,通过时间序列相似性评估方法,为目标海上风电寻找最优的用电负荷组合。其次,考虑需求响应备用容量配置和发用电曲线预测误差,构建了基于两阶段分布鲁棒优化的中长期交易优化决策模型,为海上风电配置适应其未来一段时间内出力特性的需求响应资源,并合理调整中长期交易曲线。最后,通过仿真算例验证了所提模型的有效性和实用性。

基于多因子多模式集成的中长期径流预测模型

提高中长期径流预测精度对于水资源调度等具有重要意义和应用价值。基于国家气候中心的130项气候因子,采用皮尔逊相关系数、最大信息系数、方差增量指标筛选主要预测因子,建立基于DS(Dempster-Shafer)证据理论的多因子综合方法;采用随机森林、BP神经网络和贝叶斯网络等建立基于水文-气象因子遥相关的中长期径流预测模型,构建基于DS证据理论的预测结果集成模型。以三峡水库为对象开展实例研究,结果表明:引入遥相关因子能有效提高预测精度;基于DS证据理论的多因子综合方法能筛选出综合性更强、稳定性更优的因子,弥补单一筛选方法的不足;基于DS证据理论的多因子多模式集成方法在径流预测精度上优于单一方法单一模型,确定性系数提高到0.823,平均相对误差降低到23.2%。

基于双重分解和双向长短时记忆网络的中长期负荷预测模型

针对中长期电力负荷序列噪声含量高、难以直接提取序列周期规律从而影响预测精度的问题,提出了一种基于完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和奇异谱分析(singular spectrum analysis,SSA)双重分解的双向长短时记忆网络(bidirectional long and short time memory,BiLSTM)预测模型。首先,采用CEEMDAN对历史负荷进行分解,以得到若干个周期规律更为清晰的子序列;再利用多尺度熵(multiscale entropy,MSE)计算所有子序列的复杂程度,根据不同时间尺度上的样本熵值将相似的子序列重构聚合;然后,利用SSA去噪的功能,对高度复杂的新序列进行二次分解,去除序列中的噪声并提取更为主要的规律,从而进一步提高中长序列预测精度;再将得到的最终一组子序列输入BiLSTM进行预测;最后,考虑到天气、节假日等外部因素对电力负荷的影响,提出了一种误差修正技术。选取了巴拿马某地区的用电负荷进行实验,实验结果表明,经过双重分解可以将均方根误差降低87.4%;预测未来一年的负荷序列时,采用的BiLSTM模型将拟合系数最高提高2.5%;所提出的误差修正技术可将均方根误差降低9.7%。

基于多模型融合的中长期径流集成预测方法

中长期水文预报是流域水资源规划与合理配置的重要依据。为提高中长期径流预测精度,提出了一种基于多模型融合的水库中长期径流集成预测方法。该方法将ARMA、BP、LSTM、RF和SVR等5个异质预测模型进行融合,同时采用超参数优化方法确定各模型的最优参数。将其用于青海省龙羊峡水库的中长期径流预报中,结果表明,通过Stacking融合算法建立的集成预测模型相较于单一模型,取得了更高的预测精度(R2值由0.71提升至0.82)。此方法可为提升流域中长期径流预测精度提供一定参考。

考虑多能源同台竞价的电力中长期融合交易机制设计与实践

新能源的入市可加速新型电力系统建设,针对新能源发电的随机性和波动性而导致上网电量与市场交易电量偏差较大的问题,设计了一种多能源同台竞价的融合交易机制。通过设计融合交易机制的组织流程与出清方式构建了新能源发电商(NEP)在不同交易模式下的结算模型,以江西电力中长期市场为背景设置算例参数,对NEP在几种交易模式下的收益进行分析,并对采用融合交易机制的江西电力中长期市场运行情况进行了对比分析。结果显示所提交易机制能促进新NEP达成交易,明显提升NEP的经济效益,有效推动新能源的入市进程并显著减少交易偏差率。

基于多模型比选耦合的降水预测

变化环境下水文时间序列的模拟预测难度不断加大,以往研究大多聚焦在模型的不同组合尝试与应用探索,但缺乏针对不同组合模型适用性与稳定性的系统研究。选择经验模态分解(empirical mode decomposition,EMD)、总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)、改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)和变分模态分解(variational mode decomposition,VMD)4种常用的分解算法,与多元线性回归(multivariable linear regression,MLR)、随机森林(random forest,RF)、BP神经网络(back propagation,BP)、卷积神经网络(convolutional neural networks,CNN)和长短期记忆神经网络(long short-term memory,LSTM)5种具有代表性的模型结合,构建20种基于“分解-预测-重构”模式的组合模型,并以华北地区密云、官厅两流域年和汛期降水为例,进行模型适用性与稳定性综合对比分析。结果表明:单一模型对密云流域年降水和汛期降水的预测结果优于官厅流域,但整体预测结果均不理想;结合分解算法后的组合模型预测结果明显优于单一模型,且该预测结果存在正负误差抵消现象,因此有助于进一步提高组合模型的整体预测精度;与基于EMD系列的分解算法相比,VMD算法对模型预测精度提升效果最显著,组合模型适用性和稳定性整体上表现为VMD-MLR>VMD-LSTM>VMD-BP>VMD-CNN。

兼顾激励相容的水电富集电网中长期电力市场交易模型

针对我国水电富集地区梯级电站上下游中标电量与发电水量不匹配导致弃水和违约等问题,借鉴巴西电力市场中长期交易模式,提出兼顾激励相容的水电富集电网中长期交易模型。该模型以个体发电效益最大和电网侧购电成本最小作为激励相容的双重目标。首先以最小出力最大为目标对水电站群进行优化调度,所得各水电站每月发电量定义为其该月保证电量,并将保证电量拆分成基础电量、省内电量和西电东送电量。然后建立各级市场交易方法,基础电量按相似来水频率的历年平均电价收购,省内电量参与两轮拍卖,西电东送电量按剩余电量比重排序依次收购,采用强化学习确定各发电商份额和电价。最后利用改进的电量再分配机制对联盟内各水电站实发电量进行再分配。云南省5个流域52座电站群实例结果表明,所提模型能有效缓解当前梯级上下游电站弃水和违约等问题,促进了水电市场合理竞争和水资源充分利用。

基于集合Kalman滤波的中长期径流预报

为降低中长期径流预报的不确定性,增加水电站水库的发电效益,针对现有方法侧重于提高单一预报模型确定性预报结果的准确性以降低径流预报不确定性的问题,提出一种基于集合Kalman滤波的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波的中长期径流预报可使RMSE降低4.78 m^(3)/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。

基于历史天气的区域电网负荷预测

随着社会经济的迅速发展,人们对电能的需要日益增加,但是在电网运行中,常常会出现电力产能过剩或者不足的情况,为保证电力系统安全稳定、经济运行,就必须掌握各种区域电网负荷的变化规律和发展趋势。论文对重庆市区供电分公司供电区域电网中长期负荷进行预测,提出一种预测区域电网中长期负荷的方法,即一种基于前12个月历史天气条件和区域电网负荷关联关系的多元非线性拟合的特征参数因子曲线的中长期负荷预测方法,建立基于不同算法的多种预测模型,通过归一化处理,得到的区域电网中长期负荷预测的精度高,与实际区域电网负荷之间的误差小,对于区域电网中长期负荷预测分析具有重要参考利用价值。

交直流互联电网的跨省输电功率可行域分析

交直流互联电网的送受关系复杂,电网运行调控的约束众多,使得完全依赖人工经验来判断送受电计划调整空间的难度较大。为适应市场化交易对于跨省送受电计划调整提出的精细化要求,提出了一种跨省输电功率可行域的分析方法。首先,根据交直流互联电网的运行特点,对调度可行域所含的运行约束进行拓展建模。然后,构建跨省输电功率可行域模型,并采用有序顶点搜索法进行求解。最后,基于南方区域电网的实际运行场景展开算例分析,并利用全网调度优化模型的计算结果验证了跨省输电功率可行域的有效性。依据可行域的计算结果可以获知特定送受场景下跨省输电功率的限值范围,从而为中长期送受电计划校核调整提供参考依据。

考虑电力中长期及现货市场衔接的月内融合交易模式及统一限价研究

在电力市场“中长期+现货”背景下,针对电力中长期与现货衔接问题,探寻高比例新能源入市下月内融合交易市场边界,研究统一限价对社会福利与曲线分解的影响,分析月内融合交易模式对市场衔接的作用。首先,考虑市场中存在的问题,探讨可行的解决方式。其次基于市场预测,构建市场主体的报价与目标函数,结合不平衡电量,构建社会福利最大化市场出清模型,采用A-NSGA-Ⅲ算法进行求解,得到市场出清情况与对应的最优限价范围。最后通过算例验证了统一限价与细分时段的优势,给出了统一限价设定的市场化途径,同时保证了市场主体利益与市场活力,表明了统一限价模式下月内融合交易市场有利于市场主体灵活交易,促进了中长期与现货市场的衔接。

基于典型源荷耦合模式的中长期时序场景生成

高比例可再生能源电力系统中源荷功率在气象的影响下耦合程度增加。基于生成式模型的场景生成方法是分析源荷功率不确定性问题的成熟工具,然而实际应用中常受源荷数据匹配样本少的问题限制,直接生成的中长期源荷耦合时序场景质量较差。提出一种基于典型源荷耦合模式的中长期时序场景生成方法。首先,定义了源荷各自的气象模式概念。然后,通过气象距离将历史数据中典型气象模式相似的源荷聚合成定义的典型源荷耦合模式。接着,采用生成对抗网络生成典型风光场景,并将生成场景与典型源荷耦合模式进行匹配。最后,根据匹配的对应关系得到典型源荷耦合场景。以日本地区为例的仿真结果表明,所提方法能够提高场景在气象方面的可解释性,同时减小了源荷数据匹配样本少对中长期源荷耦合场景生成的影响。

基于气候特征分析及改进XGBoost算法的中长期光伏电站发电量预测方法

光伏发电在能源结构中的重要性不断凸显,而提高光伏发电量预测的准确性成为当前研究的关键问题。针对中长期光伏发电量预测问题,提出一个综合利用气候预测数据的中长期光伏发电量预测方法。首先,在基于气候预测数据的发电量预测框架中,根据气候预测数据特点和预测周期划分多重子模型以充分利用气候预测数据信息。其次,在进行数据预处理后,通过对气候特征衍生与交叉、特征筛选和选择,充分挖掘气候特征的高价值信息。然后,采取一种两重多阶段超参数寻优策略,对极端梯度增强(extreme gradient boosting, XGBoost)超参数进行调整以优化预测模型。最后,在真实光伏发电量数据上,以MAPE为标准评估预测水平,验证所提中长期光伏发电量预测方法的有效性。相关实验结果表明该方法可以有效提高光伏发电量预测精度。

公共风险与经济中长期发展——分析框架、影响机制及政策选择

当前,全球经济中长期发展面临的主要问题是公共风险的衍化:由经济增长速度减缓向预期转弱、社会供需形成负反馈机制衍化;由就业岗位不足向工资风险溢价上升衍化;由刺激政策力度不够向结构性改革防范化解风险效能不足衍化。中国也不例外。所有的公共风险最终会转化为个人、企业和政府的成本,影响企业资产负债表、现金流量表,尤其会导致风险折现率提高、要素成本上升、经济潜在增长率下降。因此,必须高度重视公共风险治理,避免公共风险水平上升可能引发的经济长期衰退。基于对公共风险持续扩散的内在根源的剖析,本文提出当前应妥善处理六大关系,即发展与安全,数字经济与实体经济,农民市民化与乡村振兴,多元目标与政策协同,经济调控与经济治理,地方政府能力与事权、财权、财力匹配,从而实现对公共风险的有效对冲。

耦合深度学习的水丰水库入库径流中长期预测方法研究

少资料地区径流中长期预测关系发电厂中长期发电量的多寡,也对电厂短期经济运行有较强的指导作用。鸭绿江流域是东北地区重要的清洁能源基地,由于朝鲜控制了鸭绿江流域超过一半的面积,但其径流数据难以与中方共享,给鸭绿江流域径流中长期预测带来一定的阻碍。以鸭绿江流域水丰水库入库径流为研究对象,分别采用相空间重构模型(局域法、全局法)、LSTM模型、小波分析-LSTM模型、耦合相空间重构(局域法、全局法)和小波分析模型共6个模型方法对水丰水库旬、月及年尺度入库径流进行中长期径流预报工作,以平均绝对误差、平均绝对百分比误差与合格率对上述6个模型的预测结果进行精度评比。结果表明,年径流预报采用耦合相空间重构(全局法)和小波分析模型;月尺度径流预报中,1月预见期1-5月采用耦合相空间重构(局域法)和小波分析模型以及小波分析-LSTM模型效果较好,而6-12月耦合相空间重构(全局法)和小波分析模型具有明显优势;1年预见期中,小波分析-LSTM模型效果较好。旬尺度径流预测,1旬预见期采用小波分析-LSTM模型效果较好,3旬预见期采用小波分析-LSTM模型或耦合相空间重构(全局法)和小波分析模型,1年预见期中耦合相空间重构(全局法)和小波分析模型有明显优势。研究将为水丰水库及下游发电厂制定中长期调度计划提供支持。

考虑上游来水影响的中长期径流预报

雅砻江流域地面气象站点不足、分布不均,难以获得精确的流域面降雨资料,加之传统中长期径流预报模型泛化能力有限,中长期径流预报存在较大瓶颈。充分考虑流域水库间的物理联系,基于上下游水库流量变化在时空上的相似性,对1957年~2020年锦屏一级水库和二滩水库的历史月径流数据进行主成分分析,使用BP人工神经网络、随机森林和支持向量回归3种机器学习方法建立3种径流预报模型,通过决定系数R^(2),合格率Q R以及平均相对误差MRE三项指标构成的评价体系对预测结果进行评估。结果表明,上游水库对于下游水库的入库流量具有显著影响,且3种模型在二滩水库中长期径流预报上均具有较好的预报效果(R^(2)>0.8、Q R>0.7、MRE<0.2)。随机森林模型模拟效果整体优于BP人工神经网络和支持向量回归模型,3种模型均具有较好的实用性,能为流域水资源精细化调度及科学管理提供数据基础。

战略性新兴企业ESG表现、中长期信贷与企业绩效——基于杠杆率的门槛效应

基于2019-2021年A股上市战略性新兴企业面板数据,对战略性新兴企业ESG表现、企业中长期信贷与企业绩效之间基于杠杆率的门槛效应的关系进行了分析。研究表明:①当战略性新兴企业ESG表现越好,其在追求利润的同时越注重环境社会责任担当,能够长期可持续性发展可能性越高,从而企业能从信贷类金融机构获取更多的中长期信贷越多,缓解战略性新兴企业融资困境;②战略性新兴企业获取中长期信贷后更能对周期较长的研发投产创造产能绩效,进一步提高企业高质量创新发展能力,同时中长期信贷过多会导致企业杠杆率过高,企业还债能力不足的情况下会导致企业绩效持续下降。进而找寻到一个适度杠杆阈值来约束企业杠杆率增减,使得企业在此参考杠杆阈值内将企业中长期信贷作用最大化,以此获得企业绩效最大化。

基于SST的桓仁水库中长期入库径流预报研究

将浑江流域与海洋表面温度(SST)的多极耦合中长期预测方法相结合,建立了桓仁水库中长期入库预报模型,并根据模型模拟,确定与浑江流域径流相关度较高的影响因子。选取浑江流域1988—2017年径流资料进行模型参数率定,利用2018、2019年径流资料对模型进行检验。结果表明,模型预报结果与实际情况较为吻合,预报误差较低。本预报模型可为浑江流域中长期径流预报工作提供新的思路和方法。

金沙江下游流域水风光多能互补调度研究

针对金沙江下游水风光多能互补运行管理中系统难度增高、调度需求复杂多变以及多时空尺度的不确定性等难点,主要分析了该流域水风光互补性,对水光风多能互补系统长-短耦合调度研究表明,金沙江下游水、风、光资源整体互补性良好。短期调度建议采用新能源优先并网,水电出力与风光弃电响应关系呈现两端大中间小的特征。风光新能源与水电打捆形成互补系统进行中长期调度。整个多能互补系统发电量将增加0.40%~0.48%,其中梯级水电较独立运行将损失发电量0.08%~0.25%,但风光新能源消纳水平可提升3.97%~5.99%。

影响腰椎间盘突出症患者术后中长期疗效的相关因素分析

目的研究影响腰椎间盘突出症患者术后中长期临床疗效的相关因素。方法选择2020年7月—2022年7月天津北辰北门中医医院收治的100例腰椎间盘突出症患者,对所有患者进行持续半年的随访,根据随访半年后患者的康复情况,将其分为恢复良好组和恢复不良组,比较两组患者的一般资料,纳入影响因素,分析对腰椎间盘突出症患者术后中长期疗效的影响因素。结果半年后,恢复良好的患者共80例,占比为80%,恢复不良的患者共20例,占比为20%。恢复良好组和恢复不良组患者的病程、腰椎间盘突出类型、是否合并神经根粘连率比较,差异有统计学意义(P<0.05);恢复良好组和恢复不良组患者的性别、年龄、是否合并腰椎不稳、术后是否采取早期康复训练比较,差异无统计学意义(P>0.05)。通过多因素分析发现:病程超过6个月、突出型腰椎间盘、合并神经根粘连属于影响腰椎间盘突出症患者的中长期疗效的影响因素。结论腰椎间盘突出症患者术后中长期疗效受多种因素影响,为确保患者康复质量,临床实践中需基于具体情况,在随访期间精准施策,进行有效干预。此举对于提升患者术后中长期疗效具有重要意义,建议广泛推广实施。