我国发电装机波动性及其成因分析

分别应用绝对离差和滚动标准差2种方法度量了我国发电装机波动性,发现其呈现比较明显的“W”型周期性波动,并且自2003年以来有显著增加的趋势。建立发电装机与全社会用电量水平间自回归分布滞后模型考察这一波动性特征的来源,并按照实证数据加以修正。检验结果表明：发电装机波动根本上是由全社会用电量及其波动引致的,也受政策变动影响较大；在发电侧放开、售电侧管制的电力市场条件下,电力需求对发电装机的滞后效应将导致电力供需的蛛网图形趋于发散。从防范发散型蛛网、避免发电装机大幅波动的目的出发,讨论了电力市场条件下加强政府政策干预的必要性及稳定发电投资政策导向的重要性。

厂用电率测试结果修正方法

分析了火电机组厂用电率测试结果修正的原因,介绍了磨煤机、风机和给水泵厂用电率测试结果的修正计算方法。以某300MW空冷机组为例进行了厂用电率测试结果的修正计算,得到该机组实测辅机总耗电功率为24 751kW,厂用电率为8.28%,修正后的总耗电功率为24 513kW,厂用电率为8.17%。

基于相似体合成算法的甘肃省用电量预测

根据甘肃省电力消费增长与经济增长关联的特性分析,宜采用相似体合成算法(AC算法)对甘肃未来电力消费进行预测。介绍了AC算法及其对甘肃省2009～2012年电力消费预测的应用。经检验,该方法预测结果的准确度较高。

支持向量机及其在社会总用电量预测中的运用

社会总用电量预测在电力系统规划和运行方面能发挥重要的作用,然而电力系统用电量的变化受太多因素的影响,具有复杂的非线性特征。为此,探讨运用支持向量机(SVM)对社会总用电量进行预测,同时采用相对误差和归一化预测误差对给出的模型的性能进行评价,实例证明,支持向量机预测用于社会总用电量具有较好的效果。

产业结构调整下电网公司全要素生产率测算与分析

为研究产能转移对电网公司的影响,采用2010~2013年间河南省18个地市供电公司的面板数据,应用DEA-Malmquist指数方法,对各地市供电公司的全要素生产率（TFP）进行测算。通过实例分析,探讨技术、效率等因素对电网TFP增长的贡献程度;而后结合产能转移现状,应用敏感度分析理论,重点研究新能源投入、用电结构等对电网运行效率的影响。已有历史数据分析的基础上,采用ARMA预测未来的用电量及用电结构变化,得出2014~2020年间郑州市供电公司TFP走势,为电网公司未来的发展提供参考。

基于综合成本煤耗的电站冷端优化分析

在电能的生产过程中,仅仅从能量平衡的角度进行电站节能分析,忽略电能与燃料价格的不同,存在一定的片面性。本文以某国产600MW超临界发电机组为例,基于综合考虑上网电价、燃料价格和厂用电率因素的综合成本煤耗,分别以供电煤耗与综合成本煤耗作为评价指标,通过对机组冷端系统进行变工况计算及分析,探讨在不同负荷及电煤比价系数下电站冷端系统的最优运行模式。计算结论表明,大型电站运行策略应综合考虑电价、煤价因素,机组在综合成本煤耗峰值点下运行能给发电企业带来更多利润。此外。

基于大数据和深度学习的全社会月用电总量预测

为解决经典方法预测全社会用电总量的预测数值精度较低、模型结构参数过于复杂等技术难题,本文提出将电力大数据和人工智能领域深度学习算法相结合的研究方法。采用计算机建立具有阶层结构的深度神经网络,根据仿生学原理引入线性整流函数解决梯度消失及神经网络收敛速度减慢问题,采用梯度下降来进行优化模型,同时通过引入指数衰减法由神经网络模型自动设定学习率以提高模型预测精度并降低迭代次数。从数量场的梯度原理并结合泰勒公式,推导出梯度下降法背后数学原理。为解决过拟合问题引入早停算法以提高模型训练速度及泛化能力。最后深度学习算法预测数值与经典线性回归算法预测数值相比较,深度学习算法在对全社会月用电总量的预测精准度、稳定性指标上明显优于线性回归算法,深度神经网络模型对未来全社会电力需求的预测数值具有高度的可信性。

主动节电技术在高层办公楼中的应用

在我国建筑行业飞速发展的大环境下,高层办公楼层出不穷。现代建筑理念下,人们对建筑物舒适度的要求有了明显提升,直接导致办公楼用电总量不断提升。所以,分析高层办公楼用电情况,从现状出发,提出适合高层办公楼用电需求的主动节电方案。通过对比分析采用主动节电技术前后高层办公楼的用电数据可知,主动节电技术取得了理想的节电效果,完全适用于高层办公楼。