Research on Demand Response Potential of Adjustable Loads in Demand Response Scenarios

To address the issues of limited demand response data,low generalization of demand response potential evaluation,and poor demand response effect,the article proposes a demand response potential feature extraction and prediction model based on data mining and a demand response potential assessment model for adjustable loads in demand response scenarios based on subjective and objective weight analysis.Firstly,based on the demand response process and demand response behavior,obtain demand response characteristics that characterize the process and behavior.Secondly,establish a feature extraction and prediction model based on data mining,including similar day clustering,time series decomposition,redundancy processing,and data prediction.The predicted values of each demand response feature on the response day are obtained.Thirdly,the predicted data of various characteristics on the response day are used as demand response potential evaluation indicators to represent different demand response scenarios and adjustable loads,and a demand response potential evaluation model based on subjective and objective weight allocation is established to calculate the demand response potential of different adjustable loads in different demand response scenarios.Finally,the effectiveness of the method proposed in the article is verified through examples,providing a reference for load aggregators to formulate demand response schemes.

Feasibility study on buoyancy-weight ratios of a submerged floating tunnel prototype subjected to hydrodynamic loads

The research progress of a novel traffic solution,a submerged floating tunnel（SFT）,is reviewed in terms of a study approach and loading scenario.Among existing publications,the buoyancy-weight ratio（BWR） is usually predefined.However,BWR is a critical structural parameter that tremendously affects the dynamic behaviour of not only the tunnel tube itself but also the cable system.In the context of a SFT prototype（SFTP） project in Qiandao Lake（Zhejiang Province,China）,the importance of BWR is illustrated by finite element analysis and subsequently,an optimized BWR is proposed within a reasonable range in the present study.In the numerical model,structural damping is identified to be of importance.Rayleigh damping and the corresponding Rayleigh coefficients are attained through a sensitivity study,which shows that the adopted damping ratios are fairly suitable for SFTP.Lastly,the human sense of security is considered by quantifying the comfort index,which helps further optimize BWR in the SFTP structural parameter design.

Weighted Time-Variant Slide Fuzzy Time-Series Models for Short-Term Load Forecasting

Short-term load forecast plays an important role in the day-to-day operation and scheduling of generating units. Season and temperature are the most important factors that affect the load change, but random factors such as big sport events or popular TV shows can change demand consumption in particular hours, which will lead to sudden load changes. A weighted time-variant slide fuzzy time-series model (WTVS) for short-term load forecasting is proposed to improve forecasting accuracy. The WTVS model is divided into three parts, including the data preprocessing, the trend training and the load forecasting. In the data preprocessing phase, the impact of random factors will be weakened by smoothing the historical data. In the trend training and load forecasting phase, the seasonal factor and the weighted historical data are introduced into the Time-variant Slide Fuzzy Time-series Models (TVS) for short-term load forecasting. The WTVS model is tested on the load of the National Electric Power Company in Jordan. Results show that the proposed WTVS model achieves a significant improvement in load forecasting accuracy as compared to TVS models.

A Weighted Combination Forecasting Model for Power Load Based on Forecasting Model Selection and Fuzzy Scale Joint Evaluation

To solve the medium and long term power load forecasting problem,the combination forecasting method is further expanded and a weighted combination forecasting model for power load is put forward.This model is divided into two stages which are forecasting model selection and weighted combination forecasting.Based on Markov chain conversion and cloud model,the forecasting model selection is implanted and several outstanding models are selected for the combination forecasting.For the weighted combination forecasting,a fuzzy scale joint evaluation method is proposed to determine the weight of selected forecasting model.The percentage error and mean absolute percentage error of weighted combination forecasting result of the power consumption in a certain area of China are 0.7439%and 0.3198%,respectively,while the maximum values of these two indexes of single forecasting models are 5.2278%and 1.9497%.It shows that the forecasting indexes of proposed model are improved significantly compared with the single forecasting models.

Fuzzy Fruit Fly Optimized Node Quality-Based Clustering Algorithm for Network Load Balancing

Recently,the fundamental problem with Hybrid Mobile Ad-hoc Net-works(H-MANETs)is tofind a suitable and secure way of balancing the load through Internet gateways.Moreover,the selection of the gateway and overload of the network results in packet loss and Delay(DL).For optimal performance,it is important to load balance between different gateways.As a result,a stable load balancing procedure is implemented,which selects gateways based on Fuzzy Logic(FL)and increases the efficiency of the network.In this case,since gate-ways are selected based on the number of nodes,the Energy Consumption(EC)was high.This paper presents a novel Node Quality-based Clustering Algo-rithm(NQCA)based on Fuzzy-Genetic for Cluster Head and Gateway Selection(FGCHGS).This algorithm combines NQCA with the Improved Weighted Clus-tering Algorithm(IWCA).The NQCA algorithm divides the network into clusters based upon node priority,transmission range,and neighbourfidelity.In addition,the simulation results tend to evaluate the performance effectiveness of the FFFCHGS algorithm in terms of EC,packet loss rate(PLR),etc.

Thermal Characteristics of Structural Lightweight Concrete

A higher cooling load is required with an increas­ing room temperature that resulted from the high thermal conductivity and low time lag of conven­tional construction materials[1].Such a high cooling load increases the carbon footprint from the energy consumption during building performance.The con­dition can be worsened with the urban heat island phenomenon,as the cooling load prolongs to night time for maintaining indoor thermal comfort.

基于时变权重模型预测的双向DC-DC优化控制方法

双向DC-DC变换器是电动汽车的关键电压变换部件,提高其动态负载下的响应速度与鲁棒性对电动汽车低压供电系统有重要意义。提出一种基于模糊时变权重的MPC(model predictive control)控制方法。基于状态空间平均法建立变换器动态模型。基于MPC原理搭建变换器MPC模型,实现对电压的跟踪控制;在分析权重对动态负载下电压跟踪性能的影响的基础上,设计权重模糊调节器,实现权重的在线调节。基于HM-cSPACE搭建实验平台验证所提方法的准确性。在Matlab/Simulink环境下与PI控制和传统MPC控制进行对比,结果表明:在负载变化时采用时变权重MPC控制的变换器有更好的动态性能和鲁棒性,超调量降低26.1%。该方法对提高双向DC-DC变换器动态负载下的优化控制具有重要意义。

基于装卸顺序的中型机多航段协同配载优化

多航段、多经停的航空货运航班,飞行过程中需要合理控制飞机的重心(CG)位置,保持平衡状态,中转站装卸操作过程中需要避免额外装卸操作,减少时间和劳力浪费,因此,研究多航段航班的协同配载问题具有重要现实意义。根据航空器自身特点与集装器(ULD)装卸顺序,结合各航段飞机装载平衡与过站机场ULD装卸操作要求,通过协调分配各航段ULD和散货位置,建立了中型机联程航班多目标整数线性规划模型。模型考虑了ULD和散货的质量、体积及与舱位的匹配限制,航空器限重、舱位限重、舱位及区域累积限重、上下舱联合限重和CG位置的平衡限制,以及前后航段ULD和散货的连接性约束。根据造成中间机场额外装卸操作的2种原因,基于装卸顺序,提出装卸优化模型,通过ULD的舱内平移,优化了CG,减少了装卸次数。以B757-200F机型为例,在两装一卸、一装两卸和两装两卸3种场景下,采用商用求解器Gurobi,分别针对3种不同目标函数组合进行求解和分析对比。实验表明:所提模型可以有效协调过站货物的额外装卸次数,优化前后两航段的CG位置。

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%。

基于改进LSTM神经网络的电动汽车充电负荷预测

当前对电动汽车(EV)充电负荷预测的研究缺少真实的数据支撑,并且模型考虑场景过于简单,影响因素考虑不到位,预测结果缺乏说服力。基于此,提出一种考虑多种电动汽车充电负荷影响因素的电动汽车充电负荷预测方法。首先,考虑天气、季节、温度、工作日、节假日等因素对电动汽车充电负荷的影响,采用三标度层次分析法分析各影响因素权重;其次,建立LSTM神经网络预测模型,通过真实数据训练得到用于预测的LSTM神经网络模型,结合影响因素权重分析结果对预测模型进行修正,得到最终的改进LSTM神经网络负荷预测模型;最后,采用常州某小区的真实数据对所提预测方法进行试验验证。结果表明,所提方法可以实现电动汽车充电负荷的精确预测,且负荷预测结果可为有序充电策略研究提供参考。

基于差分进化算法的减速器齿轮参数优化设计

根据上海道路循环工况,利用载荷的随机连续性和20CrMnMo材料的低载强化特性进行减速器齿轮有限寿命的轻量化设计。基于线性损伤理论,分别计算编制载荷谱和连续载荷谱在低载强化效应下的疲劳损伤,将疲劳损伤约束在一定范围内为选取条件,以齿轮体积最小为优化目标,建立了齿轮有限寿命的轻量化优化模型,通过差分进化算法求解得到优化后的齿轮参数。实验结果表明,设计的模型可快速准确优化齿轮参数,在采用连续载荷谱和考虑低载强化效应时,优化的齿轮参数最小。优化的模型可移植性好,可直接迁移到其他变速系统零件的轻量化设计。

基于智慧路灯云平台的动态权重负载均衡算法

大规模路灯向云平台发送数据会导致服务器在高并发情况下的各节点出现负载失衡、引起通信故障。针对该问题,文中基于微服务提出了一种基于智慧路灯云平台的动态权重负载均衡算法。该算法在初始化时根据各个服务器的硬件性能计算出各自的权重系数及各节点的初始权值,并在请求过程中结合CPU(Central Processing Unit)和网络带宽的空闲率动态地调节服务器权重,实现负载的优化。通过设定最低阈值与计算出的剩余负载率进行比较,将到达负载上限的服务器权值置为0,防止服务器出现过载情况。测试结果表明,在实验环境下,文中算法相比于最小连接数算法和平滑加权轮询算法具有更优的负载均衡效果,相比于动态权重算法,平均响应时间和实际并发连接数也有所提升。

负载横移扰动下人体步态频率变化特性

为了研究人体行走时适应负载横向动态干扰的机制,从而设计可靠的穿戴式机器人辅助策略,提出采用基于双自由度受迫振动模型构建人-负载耦合系统。基于机械振动原理分析人-负载耦合系统特性,给出不同行走频率对人和负载位移的影响,提出人体通过调节行走频率适应负载横移扰动影响的假设;搭建负载横向动态干扰人体行走实验平台,获得实验对象无负重行走以及负载横向扰动下的肌肉协同特征及腿部激励频率,并与仿真结果进行对比分析。实验结果表明:负载横移扰动下人体行走是一个适应性调整并最后进入动态稳定的过程。其中,在负重情况下的人体上肢躯干摆动幅度比无负重情况下摆动增幅大60%,人体通过调整行走频率以及相关肌群肌肉协同策略来减少负载横向动态干扰带来的上肢躯干摆动影响。在负重情况下,不同行走速度的步态频率均趋向于人-负载耦合系统的固有频率,设定常速频率与固有频率相同,慢速下行走到达稳态时腿部激励频率上升4.30%,快速下腿部激励频率下降2.71%,负重下的行走控制策略与无负重下的行走控制策略相比发生了改变,以适应负载横移扰动带来的影响。

基于SWARA-CRITIC-MARCOS的负荷侧资源响应潜力评估方法

充分挖掘负荷侧资源的响应潜力是提升负荷资源调控能力的有效手段之一。为有效感知负荷的响应潜力,提出了一种基于SWARA(逐步加权评估比率分析)-CRITIC(基于相关性的权重求取)-MARCOS(基于折中方案的备选方案排序)的负荷侧资源响应潜力评估方法。首先,基于负荷、经济、社会和系统层面构建负荷响应潜力的多维影响因素指标,并采用模糊数理论对指标权重和负荷的响应潜力进行评估;其次,将SWARA和CRITIC相结合计算各指标的综合权重;然后,采用MARCOS综合指标权重计算各负荷的响应潜力效用函数值,得到各类负荷的响应潜力排序结果;最后,以上海市部分可调度用户负荷为基础的算例验证了所提方法的有效性。

基于混合特征的农电负荷智能优化识别方法研究

对农电负荷进行非侵入式负荷辨识,有助于掌握用户负荷信息,合理开展电网经济调度,达到降低网损、调节峰谷差等目的。本文针对农电多类型负荷同时运行时的负荷特征,以混合特征和智能优化算法为基础,提出1种基于频率加权因子遗传算法(Frequency Weighting Factor Genetic Algorithm,FWF-GA)的异种负荷同时识别方法。该方法以时域信号的有功功率、无功功率以及频域信号的幅频特性建立混合特征模型,以有功功率和无功功率构建同时识别的优化模型,并以混合特征模型构建遗传算法异种负荷同时识别的适应度函数。通过农村居民5种用电设备的负荷识别对所提方法进行验证。采用本文所提方法对5000组混合负荷进行识别,识别结果表明5种电器的单个识别准确率以及整体识别的平均准确率均在90%以上;采用3种不同适应度函数的识别方法对8组混合负荷进行识别,识别结果表明本文所提方法的识别效率最高。实例分析的结果表明,基于FWF-GA的异种负荷同时识别方法具有较好的识别效率和精度。

锚杆支护网片动载力学性能试验研究

为了合理选择冲击地压巷道锚杆支护所需的网片,通过实验室试验从网片变形、承载力、位移及吸能等四个维度对比研究机编焊接钢筋网片和钢塑复合聚酯网片的动载力学性能,得到了两种网片在冲击载荷作用下的变形破坏方式及吸能特性。研究结果表明:冲击载荷作用下,机编焊接钢筋网片和钢塑复合聚酯网片破坏变形集中区域不同,机编焊接钢筋网片以“十字”形式向中心变形,破坏主要集中在钢筋网与固定压板接触处,钢塑复合聚酯网片破坏主要集中在受冲击载荷中心部位及聚酯网与固定压板接触处;网片冲击力时程曲线可分为缓慢承载阶段、波动稳定承载阶段及衰减阶段,随着冲击载荷的增加,机编焊接钢筋网片冲击力峰值明显大于钢塑复合聚酯网片,机编焊接钢筋网片对冲击地压巷道的支护能力更强;网片位移变形随着冲击能量的增加逐渐增加,机编焊接钢筋网片可抵抗冲击能量大于5000 J,钢塑复合聚酯网片可抵抗冲击能量为2000 J。

基于高电负荷直线电机的电磁输弹技术研究

为实现大口径火炮输弹机构的轻量化和小型化,根据惯性输弹工作原理,采用以直线电机为核心的电磁输弹方式进行弹丸装填。针对短时间歇式的输弹工作特点,开展适用于输弹的高电负荷直线电机设计,以降低输弹机构的质量和体积。基于虚拟样机仿真建立电磁输弹机构动力学模型,并结合电机参数进行输弹动力学仿真,结果表明,在最大射角下以直线电机为核心的电磁输弹机构可使弹丸具备可靠的卡膛速度,且相比于常规电负荷输弹机构,高电负荷输弹机构的质量降低了58.9%,体积降低了53.6%。基于高电负荷直线电机的电磁输弹方式可为输弹机构轻量化和小型化设计提供参考。

云计算环境中自适应负载均衡设计与实现

设计了一种新的可分配的加权轮询负载均衡方法,结合云计算技术通过高效的调度,平衡位于不同的地区、不同用户传入的负载请求,通过使用分布式数据源的数据,可以有效利用云资源和提高任务处理时间。实验证明该方法与轮询调度方法、加权最小连方法相比能够更加高效。

基于FAHP-EWM-TOPSIS的新型电力负荷管理系统的通信方式适配方法

针对目前新型电力负荷管理系统的发展,文章旨在寻找一种合适的通信方式来承载系统端到端的通信。首先,从新型电力负荷管理系统的概念出发,剖析差异化业务需求,建立业务指标体系架构;其次,基于模糊层次分析法-熵权法-逼近理想解排序法,分析最优通信方式的选择策略;最后通过算例,分析不同通信方式对差异化业务的适配程度,确定符合新型电力负荷管理系统的最优通信方式,为新型电力负荷管理系统通信架构搭建提出参考性意见。

基于负载重分配算法改进的加权路网实证研究

稳定运行的城市道路交通网络对于城市正常活动的高效运行以及国民循环经济的快速增长至关重要,城市道路交通网络的交叉口节点遭到破坏,引发拥堵持续蔓延扩散,导致大面积路网产生相继拥堵现象,影响城市区域交通流动性。本文基于改进的负载重分配算法研究负载-容量模型下路网相继拥堵后的负载重分配引导策略,基于上海松江新城部分区域路网进行实证仿真研究。进行实际路网网络拓扑并建立负载-容量模型,利用随机攻击和蓄意攻击在相继拥堵模型上基于新加权节点综合重要度和节点强度中分析拥堵导引策略。研究表明复杂加权路网受到攻击后基于新加权节点综合重要度负载重分配策略提高了路网的鲁棒性,对识别城市运输网络中的重要节点、在拥堵后对于城市道路交通拥堵发生前制定预案、失效发生后道路交通管理控制等方面具有重要意义。