公共楼宇是智能电网用电环节需求响应的重要组成部分,在强不确定性环境下,为了提高公共楼宇短期负荷预测的精度,并能更好反映楼宇负荷的不确定性。提出了一种集合多维尺度分析技术(multidimensional scaling,MDS),基于Copula函数相关性测度、长短期记忆网络分位数回归(quantile regression long short-term memory,QRLSTM)和核密度估计(kernel density estimation,KDE)的短期公共楼宇负荷概率密度预测的方法。首先采用MDS技术对楼宇群进行初步划分,再通过基于Copula函数的相关性测度方法定量计算影响因素(外界天气、人类活动)与目标楼宇负荷的相关程度;其次,运用QRLSTM回归模型预测未来不同分位数上的负荷值。最后,通过核密度估计得到未来任意时刻预测点的概率密度函数。实验结果表明,综合考虑强相关影响因素,并结合QRLSTM回归和KDE技术,能够更好地解决短期公共楼宇负荷概率密度预测问题。
具有出力不确定性和反调峰特性的可再生能源大规模并网给电力系统调度运行带来了新的挑战。压缩空气储能(Compressed Air Energy Storage,CAES)系统以其调节速率快、选址灵活、使用寿命长等特点为解决可再生能源利用率低这一难题提供了新的解决思路。特别地,回热式压缩空气储能(Regenerative CAES,RCAES)系统因可以有效利用压缩过程释放的热量而备受关注。能量转换效率是RCAES系统的重要性能指标,但当前研究集中在系统热力学过程分析上,对其效率评估研究有限。本文从RCAES系统的电能-机械能-热能转换过程及基准参数出发,提出了一种RCAES系统效率评估方法。通过某典型RCAES系统设计方案,本文对所提方法进行了详细计算说明,验证了其合理性。
