胜利油田开发规划技术研究进展及展望

自20世纪90年代起,结合国际油价变化、勘探开发形势以及技术的进步,胜利油田形成一套与油田各开发阶段战略需求紧密契合的开发规划技术体系。立足胜利油田中长远开发规划编制实践,梳理了胜利油田开发规划技术的发展历程,介绍了各阶段开发规划技术发展的历史背景、技术思路以及面临问题。经过持续攻关和实践,胜利油田开发规划技术主要经历了方案优选、产量规划、效益规划、不确定性规划4个阶段,各阶段形成的开发规划技术有效支撑了开发规划方案的编制,指导了油田发展方向。围绕胜利油田可持续发展目标,明确了胜利油田现有开发规划技术存在新领域开发经济规律把握难度大、中长远规划与年度生产部署的结合需加强、规划编制的战略性及前瞻性需提升3方面的问题。针对存在问题,提出了下步胜利油田开发规划技术将向更注重不确定性及多目标、更加智能化、精细化以及更加具有战略性、前瞻性发展,为油田战略决策提供技术支撑。

基于变量选择与Transformer模型的中长期电力负荷预测方法

准确且有效的负荷预测对于电力系统的实时运行和调度非常重要。提出了一种融合变量选择与稀疏Transformer模型的预测方法,将静态变量和时序变量作为输入,充分发挥静态变量在全局时间范围内的信息增强作用,基于门控机制设计变量分权组件,根据变量与预测结果的相关性,赋予变量不同的权重。设计了双层编码结构,进行时序特征提取,对注意力进行稀疏处理,通过多变量输入对未来时刻负荷进行预测。基于真实电力负荷数据的实验表明,本文模型能够提高中长期负荷预测精度和效率。

基于事件建模的机组检修模型及其在电力系统中长期运行中的应用

发电机组检修计划是电力系统中长期运行的重要内容,对于维护设备安全运行、保障高比例新能源电力系统中长期电力电量平衡十分重要。由于检修持续时间、检修间隔时间等检修约束较为复杂,机组检修在建模中存在模型整数变量与约束条件数目多的难题,这增加了电力系统中长期运行的问题规模与求解难度。针对以上问题,该文提出基于事件建模的机组检修模型,能够用较少的变量完整地描述机组检修约束。在此基础上,计及机组检修约束、机组运行约束和系统运行约束,建立电力系统中长期运行模型。基于改编的IEEE-RTS79开展算例分析,验证提出的机组检修模型在电力系统中长期运行问题中的有效性,不仅求解效率提高,而且优化结果更好。

基于融合技术的中长期电力负荷预测方法

当前电力负荷预测模型在数据复杂性高、数据稀缺、模型泛化和动态社会经济因素适应性方面存在局限,影响了其在复杂电网规划中的应用。为满足电网或者大型风、光、火、储、网、荷能源基地项目的规划调度需求,提出了一种融合技术,将灰色预测、空间负荷密度预测和变分自编码器与深度因果卷积神经网络相结合,以实现中长期负荷预测。通过引入有序加权平均微分算子,融合不同预测方法,提升结果的准确性。实验结果表明,本方法相较于传统方法展现更高的准确性和鲁棒性,特别是在进行电力负荷远景预测时,所提方法能够有效提升预测的可靠性和适用性。该技术有效克服传统方法固有的数据复杂性、数据稀缺性和模型泛化问题,同时适应社会经济条件的动态变化。该方法为电网、大型源网荷储多能互补类项目的规划和发展提供有力的决策支持。

基于径流特性分解的月径流集成预测模型研究

揭示混沌径流序列中的规律特性可使预测径流的可解释性、精度大幅提升。针对中长期径流序列的周期性、趋势性特征,收集洪泽湖流域吴家渡站1959~2019年实测月径流资料,提取径流周期成分和趋势成分,依据各成分的径流特性,选取契合物理特性规律的极限梯度下降(XGBoost)预测模型进行趋势成分预测,选择善于捕捉混沌规律的长短期记忆神经网络(LSTM)进行残差成分预测,构建了一种基于径流特性分解的XGBoost-LSTM集成预测模型,采用该模型对洪泽湖流域吴家渡站月径流序列进行预测,并将预测结果与XGBoost、LSTM、随机森林、BP等单一预测模型进行比较。结果表明,基于特性成分提取的XGBoost-LSTM集成模型的预测精度高于单一径流预测模型,能够利用径流序列规律特性,充分发掘预测模型优势,有效提升径流预测精度。

基于LSTM和BP神经网络的水库入库径流中长期预测比较研究

为探究不同数据驱动模型在中长期径流预报的应用效果,以雅砻江流域两河口水库、锦屏一级水库入库径流为研究对象,采用长短期记忆网络(LSTM)和BP神经网络模型对各水库年径流、月径流进行预测。基于前期径流信息和环流影响因子数据构建中长期径流预测因子集,对长短期记忆网络(LSTM)和BP神经网络参数进行优选,建立各水库的年、月径流预测模型。结果表明:两种模型在年径流和月径流预测精度比较高,长短期记忆网络(LSTM)在年、月径流预测精度都略高于BP神经网络模型,两种模型在两河口水库径流预测精度都高于锦屏一级水库。该研究成果可为大型水电站中长期径流预测提供借鉴。

中国国产气勘探开发现状与中长期前景研究

近十年,中国国产气快速发展,勘探开发和增储上产成绩显著,先后发现30多个千亿立方米级大气田,年均增产125亿立方米。“七年行动计划”、积极利用政策、技术进步与创新、日益完善基础设施以及积极经济支持政策是过去十年国产气大幅增产的主要原因。未来国产气增储上产面临严峻挑战:上游市场竞争和活力不足、改革不配套不协调、外部环境条件和约束加剧、资源品位下降、关键技术瓶颈突出、矿权获取成本偏高等。未来中长期国产气资源潜力大,开发生产前景良好,完全可能延续过去十年的增产态势,2035年产量将达3650亿立方米,考虑其他气源产量,国产气总产量有望超过4000亿立方米。为此,提出六大措施与政策建议:一是研究制定国家中长期油气增储上产战略规划,继续从国家层面推进提升国产气生产能力;二是深化油气体制改革,加快构建持续推进油气增储上产的体制机制;三是强化地质理论和技术创新,构建新型油气增储上产科技创新体制机制;四是加大对油气增储上产政策支持力度;五是健全完善天然气利用政策,营造积极的天然气产业发展环境;六是深化国企改革,持续提升资源开发生产经营管理能力,增强市场竞争力。

基于CFSv2产品和机器学习的东江流域月降水预报

中长期降水预报一直以来是研究水文气象变化的热点,其精度与可靠性不高的问题亟待解决。以东江流域为研究对象,通过距平相关系数ACC、标准化均方根误差NRMSE、平均绝对误差MAE和多模型稳定性指数MSI评估CFSv2模式产品在月尺度的预测精度与稳定性,采用CFSv2模式降水预报、CFSv2模式预报因子结合机器学习模型预报2种方法预测未来降水。结果表明,不同预见期下,CFSv2模式降水预测与实测降水量具有较高的相关性,对于枯水期的预测效果好于汛期,但随着起报时间发生改变,降水预测的差异性较大,模型稳定性较差;CFSv2模式预报因子结合机器学习模型提高了预测的稳定性,相较于CFSv2模式降水预测,MSI从0.45降低到0.25,在很大程度上减小了由于起报时间改变产生的预报随机性。研究成果可为中长期降水预测提供一种新的思路,并为中长期水文预报和水资源管理提供决策依据。

两河口水库中长期入库径流概率预报研究

针对确定性径流预报不能提供径流预报不确定性度量,难以充分发挥预报价值的问题,提出基于Vine copu⁃la函数的贝叶斯转移预报(Vine Copula based Bayesian Transition Forecast,VCBTF)模型,对确定性径流预报结果进行后处理得到概率预报结果。首先,通过多种水文预报经验模型获得入库径流预报的集合结果;其次,采用集合Kalman滤波技术将入库径流预报的集合结果融合为后验预报结果;最后,采用VCBTF方法对融合预报结果进行后处理以量化径流预报的不确定性并得到入库径流的概率预报结果。以雅砻江流域具有多年调节能力的两河口水库为研究对象开展中长期入库径流概率预报研究,考虑以月为预见期,研究结果表明:①VCBTF模型在均方根误差、平均绝对误差和纳什效率系数评价指标上均优于确定性径流预报模型,且至少增加2.7%的预报合格率;②VCBTF模型的连续概率排位分数指标的平均值为104.54 m^(3)/s优于GPR模型的106.92 m^(3)/s,VCBTF模型的α-index指标均高于0.89且优于GPR模型的相应结果,表明基于VCBTF模型的概率预报结果具有更高的可靠性;③VCBTF模型的单位平均相对区间宽度所包含的实测点据比例指标的平均值为2.2优于GPR模型的1.87,表明VCBTF模型的概率预报结果具有更高的集中度。因此VCBTF模型可以更有效降低径流预报的不确定性,能够提供更可靠的预报区间信息,可为开展流域梯级水库优化调度提供有力的技术支持。

江苏省电力市场下火电项目经济效益影响分析研究

在梳理江苏省电力市场现状的基础上,分析电力市场发展对火电项目经济效益的影响因素。为深入研究中长期市场收益、现货市场收益和辅助服务市场收益三部分收益对火电项目的影响,选取两台660MW机组火电项目作为算例,在给定项目成本参数的基础上,运用实证分析方法评估中长期交易比例、电价、辅助服务以及煤耗等因素对项目收益的影响程度。分析结果表明,目前的现货市场收益占比不大,对项目收益的敏感性相对较低;现货价格的波动性表明各火电机组间的利润分配大小。在未来的电力市场发展中,火电企业需要密切关注市场变化,灵活调整经营策略,以实现稳定收益。

不同剂量骨化三醇联合五禽戏对绝经后骨质疏松症患者的早、中、远期疗效比较

目的探讨不同剂量骨化三醇联合五禽戏对绝经后骨质疏松症患者的早、中、远期疗效。方法选择2022年7月至2023年1月在牡丹江医学院附属红旗医院就诊的106例绝经后骨质疏松症患者为研究对象。采用随机数表法将患者分为对照组和观察组,每组各53例。对照组采取小剂量骨化三醇联合五禽戏治疗,观察组采取大剂量骨化三醇联合五禽戏治疗。在患者治疗3、6和12个月时,从患者腰椎L1~L4骨密度、碱性磷酸酶(ALP)水平、心理和疼痛评分方面比较两种疗法的早、中、远期疗效。结果治疗3、6个月时,两组患者腰椎L1~L4骨密度、ALP水平和疼痛评分比较,差异无统计学意义(P>0.05)。治疗12个月时,观察组患者腰椎L1~L4骨密度和疼痛评分高于对照组,ALP水平低于对照组,差异有统计学意义(P<0.05)。治疗3、6和12个月时,两组患者心理评分比较,差异均无统计学意义(P>0.05)。结论对于绝经后骨质疏松症患者,不同剂量骨化三醇联合五禽戏治疗的早期和中期疗效并不显著。但在长期疗效方面,高剂量骨化三醇联合五禽戏更为理想。

基于中末制导交班点识别的高速高机动飞行器轨迹预测方法

针对高速高机动滑翔飞行器轨迹预测过程中任务场景定义不明确、意图先验信息利用不充分等问题,提出了一种基于中末制导交班点识别的轨迹预测方法。首先,构建高速高机动飞行器滑翔至多个典型中末制导交班点的任务场景,利用准平衡滑翔制导方法生成轨迹数据集。然后,提出了一种基于长短期记忆(Long Short-Term Memory,LSTM)网络的中末制导交班点识别方法,利用跟踪数据构造特征序列,对滑翔轨迹进行初步分类。最后,引入自注意力机制提升序列到序列(Sequence-to-Sequence,Seq2Seq)预测网络的特征提取性能,利用编码-解码的方式对分类后的滑翔轨迹进行长时预测。仿真结果表明,所提出的基于中末制导交班点识别的轨迹预测方法具有较高精度,预测时长为120 s,180 s和240 s时,轨迹误差分别在18.77 km,36.91 km和57.75 km以内;相比于直接利用深度学习模型预测的方法,所提出的预测方法在240 s的预测时长内平均预测误差降低了37.61%,最大预测误差降低了37.34%。

川滇地区重力场动态变化及其强震危险含义

基于川滇地区2011—2014年的重力复测资料,系统分析了区域重力场时-空动态变化及其与2012年云南彝良MS5.7、2013年四川芦山MS7.0、2014年云南鲁甸MS6.5和四川康定MS6.3地震发生的关系.结合GPS、水准观测成果和区域地质构造动力环境,进一步研究了区域重力场变化的时空分布特征及其机理,讨论了近期区域重力场动态变化的强震危险含义.结果表明:1重力变化与川滇地区断裂构造活动存在密切空间联系,重力变化较好地反映了伴随活动断层的物质迁移和构造变形引起的地表重力变化效应.2重力资料对测区内2012年以来发生的4次MS5.7以上强震均有较好反映,地震前震中区及其附近观测到明显的区域性重力异常及重力变化高梯度带,可能是地震孕育过程中观测到的重力前兆信息.3区域重力场动态演化大体反映了青藏高原物质东流的动态效应,龙门山断裂带地壳受挤压隆起、面压缩率和重力上升变化的特征最为显著.4重力场的空间分布及其随时间变化与地壳垂直与水平运动及地质构造活动等观测结果有一定的对应关系,强震易发生在重力变化四象限分布中心地带或正、负异常区过渡的高梯度带上,研究区的一些重力异常部位仍存在中-长期大震危险背景.

基于大数据聚类的电力系统中长期负荷预测

随着电网数据收集能力的提升,积累了海量的负荷及相关数据,为负荷预测开辟了新的思路。提出了一种应用大数据技术的中长期负荷预测新方法。首先通过历史负荷序列的增长趋势、波动性等变化特性的参数化表达,实现负荷的标准化处理,形成大数据聚类的样本;然后结合大数据分析平台的数据处理能力设计了基于Map Reduce并行编程模型的改进模糊K-means聚类方法,实现对负荷大数据的聚类划分;最后综合相同聚类负荷,并建立预测模型。计算结果表明,大数据聚类算法能有效地进行大量负荷数据的聚类划分,实现不同增长特性负荷的区分预测,具有较高的预测精度。

多情景下的电能替代潜力分析

国家电网公司于2013年提出实施"电能替代"战略,力求在终端能源消费环节实现用电能替代散烧煤、直燃油等化石燃料,最终实现能源发展方式的根本转变。为了对未来中长期电能替代发展趋势及潜力进行预测分析,定义电能替代量来量化电能替代潜力,建立了关于电能替代的环境负荷模型。将基于小波神经网络的智能修正预测模型嵌套在分析模型中,并通过脱钩理论模型确定多情景下的多种模型参数,实现对不同情景下终端电能替代量的有效预测。最后,对多种情景下未来中长期终端电能替代潜力进行了预测分析。

灰色Elman神经网络的电网中长期负荷预测

为了降低原始负荷数据突变对Elman神经网络预测精度的影响,考虑电网负荷预测样本时变性强、不确定因素影响多的特点,利用Elman神经网络计算和适应时变特性的能力强、误差可控以及灰色理论所需计算数据少、计算量小,在样本较少的情况下也能达到较高预测精度的优点,建立灰色Elman神经网络的负荷预测模型,首次将灰色Elman神经网络模型在中长期负荷预测中应用。实例结果表明,该预测方法提高了预测精度、取得了较快的收敛速度,说明该模型是可行而有效的。

短期和中长期电压稳定仿真及评价

阐述了短期及中长期电压稳定分析方法和建模要求,并针对我国电网仿真分析的现状,指出了电压稳定仿真和建模方面存在的主要问题;结合实际电网的短期及中长期电压稳定仿真计算,分析了短期电压崩溃和中长期电压崩溃过程的事故特征,并对电压失稳机理、暂态电压稳定和中长期电压稳定的评价方法做了进一步的探讨。

中国可再生能源发展路径研究

长期以来,中国能源结构以煤为主,可再生能源比重偏低,能源发展面临能源安全、环境污染、气候变化等诸多问题。未来较长时期,中国仍将处于工业化中期和城镇化加快发展的阶段,能源电力需求将持续增长。大力发展可再生能源是应对能源需求增长、优化能源结构和布局、实现清洁发展的关键举措。在分析中国可再生能源资源状况和中长期能源需求基础上,指出了未来中国可再生能源开发的目标、重点、时序和消纳市场,提出了加快可再生能源发展的措施与建议。

中国中长期能源和电力需求及碳排放情景分析

综合考虑未来经济发展和主要行业产品产量,对比国内外分行业能源强度和电力强度的变化,采用"自下而上"的方法构建了中国中长期能源、电力需求及碳排放情景分析模型。分3种情景对2015、2020、2030年的全国能源、电力需求与结构以及碳排放进行了分析,测算了非化石能源消费比例和碳排放强度。结果表明,2020年我国一次能源需求50亿t标准煤左右,全社会用电量7.7×1012kW.h左右;3种经济发展情景下,均能实现2020年碳排放量比2005年下降40%～45%的目标;在非化石能源开发达到规划上限的条件下,能够实现非化石能源消费占一次能源消费比重15%的目标。

马尔科夫理论在中长期负荷预测中的应用

针对灰色预测模型对随机波动性较大的数据序列拟合较差、预测精度较低的情况,提出了一种基于马尔科夫灰色残差修正的预测模型,该模型考虑到马尔科夫理论中转移概率可以反映随机因素的影响、适用于随机波动较大的动态过程的特点,将其与灰色预测模型进行有机结合。文中一方面利用马尔科夫链对电力负荷的未来残差值进行修正;另一方面运用马尔科夫状态转移矩阵对未来残差值的符号进行判定。该方法弥补了灰色预测模型的固有缺陷。预测结果表明该方法在提高组合预测精度上具有可行性。