基于均生函数-最优子集回归模型的短期电力负荷预测方法

为进一步提高电力负荷预测的精度和运算速度,针对短期负荷预测样本数据既有趋势性又有波动性的特点,采用均生函数-最优子集回归（mean generating function-optimal subset regression,MGF-OSR）建立预测模型。相对于均生函数主成分回归（mean generating function-principal component analysis,MGF-PCA）模型,该方法引入了一阶、二阶差分序列对高频部分进行拟合,又建立累加生成序列拟合其趋势,通过均值生成函数（MGF）将上述所有序列构建出预测因子矩阵,采用双评分准则进行粗选,剔除评分较低的因子,其他预报因子经组合寻优后得到最优子集并以此建立预测模型。实例分析表明,该模型预测的平均相对误差可低至2.42%,明显优于主成分回归模型的预测精度。     

基于模态组合的短期负荷预测方法

随着电力市场化改革的深入推进,电力系统运行呈现出更强的灵活性和不确定性,对短期负荷精准预测提出了更高的要求.为有效协调发电、输电、配电、用电的关系,增强电力系统日运行调度的安全稳定性,该研究提出了一种基于模态组合的短期负荷预测方法.从时域和频域2个维度提出了负荷序列和影响因素序列分解评价方法,得到改进的变分模态分解法(...     

基于小波变换和神经网络的短期风电功率预测方法

随着并网风电场规模的不断增大,为保证电力系统运行的稳定性、合理制定调度计划、提高风电场在发电市场的竞争力,需要对短期风电功率进行准确地预测。该文提出一种小波变换和神经网络理论相结合的综合预测方法,将历史风电功率序列和历史风速序列分别进行小波单尺度分解,得到对应的概貌功率、细节功率和概貌风速、细节风速;然后用概貌功率和概貌风速序列训练BP神经网络,预测未来的概貌功率;用细节功率和细节风速序列训练BP神经网络,预测未来的细节功率。在此基础上,将概貌功率和细节功率叠加,得到最终预测结果。对我国某风电场的实际数据     

基于变分模态分解-BA-LSSVM算法的配电网短期负荷预测

配电台区日负荷序列呈现为既包含变化趋势、又含有波动细节的不规则曲线,该文借助变分模态分解(variational mode decomposition,VMD)将包含这些信息的原始日负荷序列分解为不同频率尺度的子序列,并结合一系列复杂的环境因素,分别利用不同的最小二乘支持向量机(least squares support vector machine,LSSVM)模型进行负荷预测,最后将基于不同频率分量的预测结果相加得到最终的日负荷预测结果。为了提高LSSVM预测能力,采用蝙蝠算法(bat algorithm,BA)对各LSSVM的参数进行寻优,同时,该文分析了影响负荷变化的环境因素,设计了一套因素归一化方法,预测过程考虑了环境因素的影响。仿真结果表明,该文提出的考虑复杂环境因素的预测思想及对历史日负荷进行VMD分解、BA优化、LSSVM预测的组合预测方法能有效提高短期日负荷预测的准确性。     

基于改进持续法的短期风电功率预测

为了有效减轻风能波动对电网的影响,提高风电在电力市场中的竞争力,风电功率预测研究具有重要意义。该文提出了基于小波变换的改进持续法,对短期风电功率预测进行研究。该方法首先利用小波变换将原始风速信号分解为高频部分和低频部分,针对高频信号相邻的两个数据之间相似度较低,波动较大的特点,采用滑动平均法进行预测,而低频信号仍然采用持续法预测,最后通过小波重构以及风电功率特性曲线转换得到风电功率预测值。与原持续法相比较,平均相对误差由17.10%降至11.81%,平均绝对误差由39.58 kW降至23.48 kW,有效地提高了短期风电功率预测的精度,具有一定的实际应用价值。     

基于核函数极限学习机的分布式光伏短期功率预测

伴随中国农村电网的较快发展,分布式光伏的集成应用是实现新能源就地消纳的重要途径。国家相关政策已对分布式光伏的快速发展进行了相关规划,国家电网公司也出台政策为分布式光伏接入提供便利条件与技术支持,相关的分布式光伏发电功率预测技术需要进行深入研究。针对用户侧分布式光伏发电系统,考虑预测系统的成本约束和运行需求,以及农村电网应用特点,提出一种基于核函数极限学习机的分布式光伏功率预测方法。对于不同容量的分布式光伏发电系统,使用核函数极限学习机构建分布式光伏短期功率预测模型,使用基于权重的训练样本筛选方法提高预测模型计算效率,并通过粒子群算法优化模型参数。预测模型使用低成本的非数值天气预报采样信息,对几十千瓦级的分布式光伏,预测相对误差仅16%～18%,能在低功耗处理器上实现10ms内完成单次发电功率预测,在简化低权重属性后能基本保持原有精度,同时在分布式光伏随机覆尘或逆变器故障条件下预测误差基本不变,具有较高的适应能力。     

粮食生产潜力短期预测的“趋势-波动模型”的验证

应用全国、31个省、6个典型地区和16个典型县的数据对粮食生产潜力短期预测的趋势-波动模型进行了系统性的验证和讨论。研究结果表明:(1)预测误差大小反映短期生产潜力的预测精度,预测误差大的主要原因是经济发达地区高产农田被大量占用和(或)蔬菜、水果种植面积大幅度增加而短期内使粮食单产下降;(2)小趋势修正方法是趋势-波动模型中不可缺少的一部分,它能将大趋势预测不能包括的短期如气象因素、科技投入、社会因素等影响纳入预测中,提高预测精度;(3)就我国近些年来的实际情况而言,越是经济发达的地区短期生产潜力的波动越大;同样发达地区短期潜力存在增加-下降-回升阶段;(4)就短期生产潜力预测精度而言:国家级大于省级、省级大于地区级、地区级大于县级;不同省、不同地区、不同县之间预测精度差别比较大,这与境内气候的互补性和农田抗御自然灾害的能力有关。     

基于改进重复预测原理的并联有源电力滤波器无差拍控制策略

为了使有源电力滤波器(APF)能够快速的、高精度的输出补偿谐波,针对APF主电路的控制方法,该文提出一种改进的基于重复预测原理的无差拍控制算法。该文首先介绍了并联型有源电力滤波器的工作原理,其次建立了三相并联型有源电力滤波器的数学模型,并根据其数学模型分析了无差拍控制的工作原理。最后通过无差拍控制的工作原理可知谐波电流指令信号的预测是决定无差拍控制效果的关键。为了进一步提高使用无差拍控制时的APF滤波效果,根据谐波的周期性,该文采用改进的重复预测策略对下一拍输出电流预测,并且分析了这种预测方法的稳定性。此改进的重复预测无差拍控制策略能够提高稳态时的预测精度和暂态时的响应速度。仿真波形分析与试验结果分析证明了其可行性。     

基于遗传神经网络的黑龙江浅表地层水分预测

针对BP神经网络预测土壤墒情容易出现较大空间内存在局部极值点的问题,采用GA算法对BP网络进行优化,根据大豆作物在不同生长阶段的根系分布及吸水情况,划分3个不同发育阶段,5个地层深度,建立3种对应的土壤含水量遗传神经网络预测模型,并应用于黑龙江垦区红星农场大豆田间土壤水分预测,分别对3种模型的整体预测误差进行了分析,2009年大豆播种前期及其全生育期土壤体积含水量预测的平均绝对误差为1.83%,能较好地反映大豆田间土壤水分具体情况,为大豆节水灌溉与管理提供可靠的科学依据,该预测方法亦可为寒地大豆或其他农作物田间土壤水分预测提供借鉴。     

基于USLE模型的南昌大学非点源污染负荷预测

采用USLE模型与现场监测相结合的方法研究了南昌大学前湖校区的非点源污染状况,对校园内因土地利用类型不同而产生的非点源污染负荷进行了理论预测和现场分析。结果表明:土壤侵蚀总量为1352.161 t/a;各类不同的土地利用类型中,对非点源污染贡献最大的是道路,其次为运动场;采取工程和非工程的综合管理措施是减少非点源污染的有效途径。针对南昌大学前湖校园内的非点源污染问题,建议采用加强路面清扫、控制机动车数量和加强绿化管理等控制措施。     

基于遗传算法的农村配电网检修计划

如何根据检修任务的紧迫性合理地安排农村配电网检修计划减少停电次数、停电时间和停电范围是供电企业特别关注的问题。文中研究了影响制定农村配电网检修计划的因素，提出了制定配电网检修计划的遗传算法优化模型，运用解决旅行商问题的编码方法对待检修的线路段进行编码形成染色体，并对遗传变异算子进行改进，提出了新的自适应变异算子。算例表明，采用该模型和算法得到的检修计划既能保证重点问题优先检修又能减少检修停电电量和检修停电次数。     

基于IBBO-DP模型的水电机组负荷分配优化

针对水电机组传统负荷分配模型在运行时所面临的机组穿越振动区次数多、机组出力波动大的问题,该研究建立水电机组多目标多约束双层智能寻优模型。外层模型基于动态规划方法,构建多约束下机组组合优化模型;内层模型基于改进生物地理学算法,从种群个体适应度关系提出动态迁移模型,将混合交叉思想引入迁移算子自适应更新策略,同时以机组组合是否发生变化为判断条件建立机组出力波动约束,构建机组负荷分配优化模型。实例计算结果表明,与传统方法相比,所提模型收敛、寻优能力有明显提高,在负荷分配过程中可节省10.56%的耗水量,同时可有效平抑60.24%的机组平均出力波动幅度,并避免24次振动区穿越,大幅提升机组避振能力以及运行稳定性、可靠性,在水电机组实际运行过程中具有广泛的工程应用价值。     

基于基因表达式编程的作物水分生产函数构建

作物水分生产函数的确定是农业水资源优化配置的关键。该研究采用农业水文生态系统模型（Agro-Hydrological & Chemical and Crop systems simulator, AHC）与基因表达式编程（Gene Expression Programming, GEP）相结合的方法构建作物水分生产函数。以河套灌区3种主要作物（葵花、玉米、小麦）为研究对象,采用AHC模型模拟作物产量等,构建基于GEP算法的作物水分生产函数,探讨考虑盐分胁迫的作物水分生产函数构建的思路与方法。结果表明：1）作物模拟产量与地下水埋深、地下水矿化度和灌水量等因素有关。2）构建作物水分生产函数的最优输入因子组合为地下水埋深、灌溉量、蒸散发、地下水矿化度、土壤根层盐分对作物胁迫因子、土壤根层含水率。3）应用作物水分生产函数估算不同灌溉定额条件下作物产量（预测产量）,并与AHC模型计算的产量（模拟产量）进行比较,玉米、葵花、小麦预测产量与模拟产量具有很好一致性,其决定系数分别是0.96、0.93、0.96,平均相对误差均小于5%,满足计算精度要求。因此,该研究所构建的作物水分生产函数可以较准确地估算盐分胁迫下作物产量,为农业节水与灌溉水高效利用提供科学参考。     

改进蚁群算法和生成树相结合的中压配电网架规划

由于涉及许多变量和约束,中压配电网规划是一个非常复杂的大规模组合优化问题。蚁群算法是一种具有正反馈特性的贪婪性、分布式的现代启发式搜索方法,适合于路径的寻优,但是易陷入局部最优。该文将蚁群算法和生成树算法结合起来,用于带有交叉点的中压配电网网架规划。针对基本蚁群算法易于陷入局部最优的问题,提出了动态设定待选路径信息素阀值和动态调整路径选择策略的方法,以便提高蚁群算法的全局搜索能力。在考虑中压配电网辐射状和连通性约束时,提出了带有交叉点的生成树方法,大大减少了在规划中不可行解的产生。算例仿真结果表明采用该方法求解中压配电网架规划方案是有效的。     

基于改进深度置信网络的大棚冬枣病虫害预测模型

导致冬枣病虫害发生的原因很多而且很复杂,利用传统的数学方法和神经网络(neural network,NN)很难建立正确的病虫害预测模型.由于典型的深度置信网络(deep belief network,DBN)的各层之间缺乏有监督训练,使得网络误差逐层向上传递,降低了预测模型的预测率.针对这些问题,引入冬枣病虫害的先验信息,提出一种基于环境信息和改进DBN的冬枣病虫害预测模型.在该模型中,通过无监督训练和有监督微调从冬枣生长的环境信息序列中获取可表征冬枣病虫害发生的深层特征的隐层参数,并形成新的特征集,然后在预测模型的顶层通过一个后向传播神经网络(back propagation neural network,BPNN)进行病虫害预测.从2014—2017年的4 a时间内,利用农业物联网传感器采集30个大棚冬枣常见的2种虫害和3种病害发生的环境信息序列6000多条,由此验证所提出的预测模型,平均预测正确率高达84.05%.与基于强模糊支持向量机、改进型NN和BPNN的3种病虫害预测模型进行了试验比较,预测正确率提高了20多个百分点.试验结果表明,该模型极大提高了大棚冬枣病虫害的预测正确率.该研究可为大棚冬枣病虫害预测提供技术参考.     

基于绝缘导线束的低压配电网模式

借鉴国外的经验,研究了四芯、三芯、二芯的绝缘导线束新线材,与国外类似产品绞合式导线束相比,具有生产工艺简单、寿命长、节省材料等优点。基于绝缘导线束的特点研究和实施了三相配电变压器配合四芯绝缘导线束供电和低压侧中间抽头的单相配电变压器配合三芯绝缘导线束供电的两种模式,分别在沈阳、内蒙农村电网安全稳定运行了7年及4年。该研究成果为今后中国农村低压网的改造与建设探索了一条新路子。     

基于自适应判别深度置信网络的棉花病虫害预测

作物病虫害预测是病虫害防治的前提,利用深度学习预测作物病虫害是一个有效且具有挑战性的研究课题。该文针对深度置信网络(deep belief network,DBN)在作物病虫害预测中的训练耗时长和容易收敛于局部最优解等问题,将自适应DBN和判别限制玻尔兹曼机(restricted boltzmann machine,RBM)相结合,利用棉花生长的环境信息,提出一种基于自适应判别DBN的棉花病虫害预测模型。该模型由3层RBM网络和一个判别RBM(discriminative restricted boltzmann machine,DRBM)网络组成,通过3层RBM网络将棉花生长的环境信息数据转换到与病虫害发生相关的特征空间,通过自动学习得到层次化的特征表示,再由DRBM预测棉花病虫害的发生概率。该模型将自适应学习率引入到对比差度算法中,通过自动调整学习步长,解决了在传统DBN模型训练时学习率选择难的问题;在学习过程中通过在DRBM中引入样本的类别信息,使得训练具有类别针对性,弱化传统RBM无监督训练时易出现特征同质化问题,提高了模型的预测准确率。对实际棉花的"棉铃虫、棉蚜虫、红蜘蛛"虫害和"黄萎病、枯萎病"病害的平均预测准确率为82.840%,与传统BP神经网络模型(BPNN)、强模糊支持向量机模型(SFSVM)和RBF神经网络模型(RBFNN)分别提高19.248%,24.916%和27.774%。     

基于组合赋权法的农村低压配电网能效综合评价方法

为能够深入了解农村低压配电网整体能效情况,在分析配电网节能指标现状的基础上,建立了农村低压配电网能效评价指标体系和综合评价模型。首先,依据相关标准规范,从电网结构、电网设备、电能质量等方面建立了一套适合农村低压配电网能效特点的评价指标体系;然后,确定了单项能效指标的计算方法并提出了基于主成分分析与层次分析法相结合的农村低压配电网能效综合评价模型,该方法克服了单一赋权法的不足,实现了能效指标的客观性与专家定性分析的主观性的有机结合,使评估结果更加合理;最后,通过算例验证了评价方法的有效性和可行性,对今后中国农村低压配电网实施节电改造和节能考核提供参考。