【摘 要】
：
为了减少复杂环境因素对电力负荷超短期预测效果的影响,提高算法的预测精度和运算效率,该文提出一种基于聚类经验模态分解(cluster empirical mode decomposition,CEMD)的卷积神经网络和长短期记忆网络(convolutional neural network and long short term memory network,CNN-LSTM)混合预测算法.该算法首先通过经验模态分解法将负荷数据分解为平稳性好、规律性强的若干本征模态函数(intrinsic mode fun
【机 构】
：
上海电力大学电子与信息工程学院,上海市杨浦区 200090
论文部分内容阅读
为了减少复杂环境因素对电力负荷超短期预测效果的影响,提高算法的预测精度和运算效率,该文提出一种基于聚类经验模态分解(cluster empirical mode decomposition,CEMD)的卷积神经网络和长短期记忆网络(convolutional neural network and long short term memory network,CNN-LSTM)混合预测算法.该算法首先通过经验模态分解法将负荷数据分解为平稳性好、规律性强的若干本征模态函数(intrinsic mode functions,IMF)和残差(residual,Res).其次为了简化后续模型的计算体量,运用k均值聚类方法对分解所得的各分量进行分组集成,同时分析不同聚类数对应的预测效果,选取最优聚类标签构造神经网络输入数据.之后将各组数据分别输入到CNN-LSTM混合神经网络中,利用CNN挖掘数据间的特征形成特征向量,并将其输入到LSTM中进行预测.最后将所有预测结果进行线性相加得到完整预测负荷.通过在真实负荷上进行验证并与现有模型进行比较,所提方法具有更高的预测精度.
其他文献
随着电力市场改革的进行,需求响应作为一种源荷互动的市场产品受到人们的关注.用户负荷基线(customer baseline load,CBL)作为激励型需求响应产品的关键技术,其设计过程需要考虑全面.文章以广东电网的现货市场出清模型为基础,加入需求响应以及负荷基线模型,分析得到基线适度高偏有利于社会福利的增加.然后对基线高偏可能会导致用户“褥羊毛”行为的问题进行分析,得出设定合适的需求响应准入容量可以在一定程度上遏制用户“褥羊毛”行为的结论.
现有分位点回归方法在进行多分位点预测时往往需要为每个分位点单独建立模型,不仅训练成本高还会导致“分位点交叉”.对此,提出了一种基于藤copula分位数回归的光伏功率日前概率预测模型.利用藤copula对光伏功率及其条件变量间的相依结构进行解析化表达,基于优化算法对藤copula结构及参数进行优化,在此基础上建立起光伏功率条件分位数回归模型;在条件变量中引入光伏功率点预测量,并借助最小化连续秩概率分数(continuous rank probability score,CRPS)权衡可靠性与锐度,筛选出最佳
当高压大容量模块化多电平换流器(modular multilevel converter,MMC)传输有功功率时,由于桥臂电流中存在直流分量,同一子模块中的4支功率半导体器件产生的损耗并不均衡.特别是当MMC工作于逆变工况时,子模块下部IGBT的损耗尤为严重.由于IGBT对温度变化十分敏感且易于失效,因此在逆变工况下子模块下部IGBT的温升管控是限制MMC安全运行区间的主导因素.提出一种器件层面的损耗优化方法,其不仅可以减少逆变工况下子模块下部IGBT的损耗,还可以减少系统的总体损耗.最后,通过PSCAD
针对现有研究未考虑不同运行状态对多端口直流断路器(multi-terminal DC circuit breaker,MTCB)可靠性影响的问题,提出一种改进的多端口直流断路器可靠性模型.首先分析MTCB结构、运行状态及工作原理.之后以示范工程成功应用的三端口混合式直流断路器为例,基于拓扑分析–可靠性框图法对各组件可靠性建模,通过故障后果分析法分析各组件故障影响情况及直流线路不同运行情况下MTCB运行状态,并通过故障树分析法建立不同运行状态及转移过程可靠性模型.在此基础上基于马尔可夫过程建立MTCB多状态
随着电力体制改革的不断深入,分布式发电市场化交易进入了全新的时代.针对传统中心化交易模式存在的诸多问题,区块链因其去中心化、公开透明、不可篡改等特点被广泛地运用到电力市场交易中.鉴于此,提出了一种基于权威证明的微电网分层交易策略,选择权威证明算法构建区块链网络,以用户需求为依据对用户进行分层,结合信用机制对权威证明算法验证人选举制定了参考依据,设计了“价格为主,信用为辅”的双向拍卖机制,运用智能合约编写了交易策略并部署在区块链网络中.实验模拟了13个节点的交易网络,并对比了不同共识算法区块链网络的差异.实
将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题.利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical features support,Catboost)算法构建暂态电压稳定评估模型.在模型训练中采用排序提升的方法避免预测偏移问题,提升准确性;使用对称决策树以提高计算效率;同时考虑数据的类别不平衡特性,采用代价敏感手段提高模型的分类性能.为了提高模型的可解
换相失败是高压直流输电系统的一种常见故障,换相失败预测对于后期抑制换相失败、保证系统的安全运行具有积极意义.从换相机理出发分析了换相电压、直流电流与关断角的关系;在此基础上研究故障发生时刻对换相失败的影响,定义了临界故障时刻的概念,分别推导换相期间和非换相期间临界故障时刻的解析表达式,建立了关断角与临界故障时刻的定量关系,提出了一种基于临界故障时刻的换相失败预测新方法.为进一步求取临界故障时刻,采用牛顿插值法构造了求解临界故障时刻所需的换相起始时刻和结束时刻的直流电流和函数.基于CIGRE标准测试模型,在
大容量直流输电密集接入负荷中心加剧了受端电网交流故障的失稳风险,为准确、客观地实现交流故障筛选与排序,将改进模糊层次分析法(improved fuzzy analytic hierarchy process,IFAHP)应用到交直流受端电网交流故障的筛选与排序.首先,构建表征受端电网稳定性的综合评价指标,包括暂态电压稳定、功角稳定、网架支撑能力、极限切除时间、短路电流、潮流转移和网损指标,多层次多角度反映交流故障的严重程度,克服采用单一评价指标的局限性.然后,通过层次分析和梯形模糊数互补判断矩阵来确定准则
串联电压换相换流器(series voltage commutation converter,SVCC)是一种可以有效抑制高压直流输电换相失败的新型换流拓扑,但当交流系统故障程度超过SVCC抑制范围时,直流电流将急剧上升,对SVCC子模块中的绝缘栅双极型晶体管(insulated gate bipolar transistor,IGBT)造成较大电流冲击,亟需研究应对措施减轻换相失败后IGBT所承受的电流应力.为此,提出了一种改进型串联电压换相换流器(improved-series voltage com
居民用电行为分析是深度挖掘居民需求响应潜力,提升精准电力服务水平的基础.针对居民用户电力日负荷曲线数据,提出一种基于加权表决的集成聚类方法.将4种常用聚类算法视作选民成员进行投票表决,并根据聚类有效性指标赋权从而集成成员算法的聚类结果,以结合不同算法的性能优势.提取负荷曲线特性指标对居民负荷曲线加权表决聚类得到6种典型用电模式,采用多元逻辑回归方法分析居民用电模式与其家庭特征之间的驱动联系.案例分析结果表明所提方法提高了负荷曲线聚类效果,鲁棒性更优,且用电模式与多项家庭特征间表现出显著的正或负相关联系.