台风条件下海上风电场风速变化大、无明显周期性,这对海上风电场的风速预测造成了极大的困难。针对此问题,提出台风条件下海上风电场风速多步预测方法。首先,针对台风预报信息与风电场风速数据时间尺度不统一的问题,提出用嵌入层网络对...台风条件下海上风电场风速变化大、无明显周期性,这对海上风电场的风速预测造成了极大的困难。针对此问题,提出台风条件下海上风电场风速多步预测方法。首先,针对台风预报信息与风电场风速数据时间尺度不统一的问题,提出用嵌入层网络对台风预报信息进行动态插值。其次,基于Holland气压场模型和Batts梯度风模型构建融合物理信息的神经网络,将Holland模型和Batts模型中的经验参数替换成网络可学习的参数,并针对网络训练过程中可能出现的数值问题引入适当的近似方法。最后,对含时序模式注意力机制的长短期记忆网络(temporal pattern attention long short-term memory,TPA-LSTM)进行改进,嵌入融合物理信息的神经网络,利用近40年台风期间的数据进行训练和测试。结果表明,在引入较少参数的情况下,物理信息神经网络能减少TPA-LSTM网络的训练迭代次数以及提高预测精度,所提模型相比序列到序列(sequence to sequence,Seq2Seq)模型和TPA-LSTM网络具有更高的预测精度。展开更多
提出了一种针对大规模机组的网厂两级负荷优化分配策略。首先将电网内所有机组进行分组,预先以厂内负荷优化分配的最优结果拟合虚拟电厂煤耗成本特性曲线,据此完成电网侧负荷优化分配,然后再进行厂内负荷优化分配,所提模型还兼顾了机组...提出了一种针对大规模机组的网厂两级负荷优化分配策略。首先将电网内所有机组进行分组,预先以厂内负荷优化分配的最优结果拟合虚拟电厂煤耗成本特性曲线,据此完成电网侧负荷优化分配,然后再进行厂内负荷优化分配,所提模型还兼顾了机组的阀点效应。针对虚拟电厂煤耗成本特性曲线的高度非线性,采用生物地理学算法(Biogeography Based Optimization,BBO)来求解网厂两级负荷优化分配问题。仿真结果表明,所提优化策略能够快速高效地处理大规模机组的负荷优化分配问题,更易于寻到全局最优解。展开更多
文摘台风条件下海上风电场风速变化大、无明显周期性,这对海上风电场的风速预测造成了极大的困难。针对此问题,提出台风条件下海上风电场风速多步预测方法。首先,针对台风预报信息与风电场风速数据时间尺度不统一的问题,提出用嵌入层网络对台风预报信息进行动态插值。其次,基于Holland气压场模型和Batts梯度风模型构建融合物理信息的神经网络,将Holland模型和Batts模型中的经验参数替换成网络可学习的参数,并针对网络训练过程中可能出现的数值问题引入适当的近似方法。最后,对含时序模式注意力机制的长短期记忆网络(temporal pattern attention long short-term memory,TPA-LSTM)进行改进,嵌入融合物理信息的神经网络,利用近40年台风期间的数据进行训练和测试。结果表明,在引入较少参数的情况下,物理信息神经网络能减少TPA-LSTM网络的训练迭代次数以及提高预测精度,所提模型相比序列到序列(sequence to sequence,Seq2Seq)模型和TPA-LSTM网络具有更高的预测精度。
基金Supported by the NSF of China(11271170)the NSF of Jiangxi Province(20132BAB211004)the Youth Foundation of Jiangxi Provincial Education Department(GJJ12205)
文摘提出了一种针对大规模机组的网厂两级负荷优化分配策略。首先将电网内所有机组进行分组,预先以厂内负荷优化分配的最优结果拟合虚拟电厂煤耗成本特性曲线,据此完成电网侧负荷优化分配,然后再进行厂内负荷优化分配,所提模型还兼顾了机组的阀点效应。针对虚拟电厂煤耗成本特性曲线的高度非线性,采用生物地理学算法(Biogeography Based Optimization,BBO)来求解网厂两级负荷优化分配问题。仿真结果表明,所提优化策略能够快速高效地处理大规模机组的负荷优化分配问题,更易于寻到全局最优解。
