为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦...为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。展开更多
随着可再生能源大量接入,增加了能源互联网的波动性与多样性,对冷热电负荷预测的精确度和稳定性提出了更高的要求,冷热电负荷的精准预测是能源互联网运行优化的重要前提,并对需求侧分析具有重要意义。利用天气信息,提出了一种基于气象...随着可再生能源大量接入,增加了能源互联网的波动性与多样性,对冷热电负荷预测的精确度和稳定性提出了更高的要求,冷热电负荷的精准预测是能源互联网运行优化的重要前提,并对需求侧分析具有重要意义。利用天气信息,提出了一种基于气象信息的短期冷热电负荷联合预测方法。该方法包括区域天气预测与冷热电负荷联合预测两大步骤。在区域天气预测中,首先充分利用历史天气、实测天气与天气预报信息,采用调整误差法,对一指定区域进行天气预测;之后利用历史负荷数据、历史天气数据与区域天气预测数据,采取遗传算法优化BP神经网络(genetic algorithm to optimize BPneuralnetwork,GA-BP)预测算法,对冷热电负荷进行联合预测。仿真结果表明该方法能够有效提高负荷预测精度。展开更多
文摘为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。
文摘随着可再生能源大量接入,增加了能源互联网的波动性与多样性,对冷热电负荷预测的精确度和稳定性提出了更高的要求,冷热电负荷的精准预测是能源互联网运行优化的重要前提,并对需求侧分析具有重要意义。利用天气信息,提出了一种基于气象信息的短期冷热电负荷联合预测方法。该方法包括区域天气预测与冷热电负荷联合预测两大步骤。在区域天气预测中,首先充分利用历史天气、实测天气与天气预报信息,采用调整误差法,对一指定区域进行天气预测;之后利用历史负荷数据、历史天气数据与区域天气预测数据,采取遗传算法优化BP神经网络(genetic algorithm to optimize BPneuralnetwork,GA-BP)预测算法,对冷热电负荷进行联合预测。仿真结果表明该方法能够有效提高负荷预测精度。
