基于集群辨识和卷积神经网络−双向长短期记忆−时序模式注意力机制的区域级短期负荷预测
为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)−双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)−时序模式注意力机制(temporal pattern attention, TPA)的预测方法。首先,将用电模式和天气作为影响因素,基于二阶聚类算法对区域内的负荷节点进行集群辨识,再从每个集群中挑选代表特征作为深度学习模型的输入,这样既能减少输入特征维度,降低计算复杂度,又能综合考虑预测区域的整体特征,提升预测精度。然后,针对区域电力负荷时序性的特点,用CNN-BiLSTM-TPA模型完成训练和预测,该模型能提取输入数据的双向信息生成隐状态矩阵,并对隐状态矩阵的重要特征加权,从多时间步上捕获双向时序信息用于预测。最后,在美国加利福尼亚州实例上分析验证了所提方法的有效性。
源网荷协同电网支撑智慧城市关键技术及应用
智慧城市是以“绿色和高效”为核心的城市高级形态,是解决城市化过程中环境压力大、用能激增、信息孤岛等问题的必由之路。国家住建部先后批准建设三批、290 个智慧城市试点。电网在城市绿色能源利用、高效用能、信息共享等方面对于智慧城市的发展具有重要的支撑作用。 本成果源自国家电网公司总部科技项目,以“源-网-荷”协调互动、信息通信资源共享为重点,开展“源-网-荷”协同电网支撑智慧城市关键技术及应用研究,在清洁能源优化调控、网荷双向互动、数据挖掘分析等方面取得了技术突破,研发了核心装置及系统平台,依托本成果建成了河南鹤壁、山东青岛等智能电网支撑智慧城市示范工程。提出了分布式发电多组网形态优化调度控制方法,发明了不间断微电网并网接口一体化装置和智能离并网逆变器一体化运行系统,实现了分布式电源全局优化与本地协调分层分区控制,促进了智慧城市绿色能源的高效利用。提出了基于需求响应的负荷建模和优化控制方法,制定了面向城市多元用户的能效评估模型,建立了基于用户互动能力的优化用电模式,保障了城市电力供需平衡和经济高效。建立了面向智慧城市的多维数据挖掘模型,提出了基于无线公网的配用电数据监测方法,研发了基于智能电网全景数据流的大数据分析系统,实现了配用电数据的实时采集与分析,提高了电网与智慧城市信息通信资源共享能力。提出了一种智能电网与智慧城市协调发展的方法和技术路线,设计了基于智慧城市业务需求规范化分解的互动化框架,建立电网支撑智慧城市量化评价指标体系,为面向智慧城市的电网协调优化提供了解决方案。 以卢强院士为主任委员的鉴定委员会认为“项目整体达到国际先进水平,其中智能电网与智慧城市协调发展方法和智能电网对智慧城市支撑量化评价体系具有国际领先水平”。项目获得授权发明专利 10 项,授权实用新型专利 4 项、软件著作权 10 项,发表中文核心论文 10 篇。项目在天津、青岛等多个智慧城市推广,近三年内取得经济效益 2.5 亿元。成果得到中国城市科学研究会高度认可,社会效益显著,为国家智慧城市建设提供重要支撑。
基于“互联网+营销服务”理念的客户自助复电、无卡购电业务模式应用研究
随着互联网的发展,互联网+的新型业务模式逐渐渗透到越来越多的传统行业。在给人们带来便利的同时,也为传统行业注入了新的生命力。本文基于蓝牙物联网和移动互联网技术,为提升现有的远程费控电能表和本地费控电能表客户用电体验,开展了基于“互联网+营销服务”的客户无卡购电、自助复电新业务模式研究。研制了低压计量箱智能终端,该终端通过移动通信网络与现有办电业务APP进行实时业务互动,实现远程费控客户购电后自主复电功能和本地费控客户无卡购电、电表远程充值的功能。这种基于互联网+的新型电力营销业务模式,相对于传统的售电、用电模式,节省了相应的人力、物力,为客户带来了便利,为供电单位提高了客户满意度。