太阳能发电网提高能源系统“智能” 打造绿色节能场景

　　试用期每个月可节省需量电费约130万元，光伏发电网，成果全面应用后预计将产生更大收益。近日，湘潭大学信息工程学院教授段斌、谭貌和苏永新的团队在能源负荷预测与分布式能源调度优化的研究方面取得多项重要进展。“当前的电力负荷预测问题按时间尺度划分主要分为长期、中期、短期（超短期）三大类，不同类别问题其数据特征差异很大，太阳能电池板，采用的方法也有很大差别，我们重点关注的是短期和超短期预测问题。在我国，对于大型电力用户，一旦用电负荷超过一定阈值，结算周期内就需要按峰值功率承担常规电度电费以外的一笔高额需量电费。”谭貌告诉《中国科学报》，“这需要对负荷进行预测，温湿度监控器其精度对企业用能成本有重要影响。“最终结果表明，我们所提出的方法精度和稳定性均超当前主流先进的时序预测方法，特别是在解决工厂场景问题中具有明显的优势。”与常规能源系统各类能源独立运行相比，综合多能源系统包含气、电、冷、温湿度监控器热、蓄、新能源等协调互济，中国太阳能网，梯级应用，系统的复杂性远高于常规能源系统，多能协同系统的负荷预测与优化调度是公认的难题。

　　”谭貌说。”以浅层人工神经网络和支持向量机为代表的算法是当前电力负荷预测主流方法，大硅片12上市公司但通常都存在特征提取困难和数据重建过程复杂、网络模型复杂度高和非线性优化的局部极小等问题。” 谭貌说。然而，外购系统仅提供黑盒服务，通过企业数据自我学习的功能不完善，企业也不能自己调整软件的模型。“他们希望能够把用电负荷平滑下来。为此，大型钢铁企业华菱湘钢犯了难。适用于短期和超短期预测的有人工神经网络预测法、支持向量机预测法等。电力系统负荷预测是典型的时间序列预测问题。钢铁市场在不断变化，光伏支架生产企业企业的生产模式也不是一成不变的，长此以往，模型对负荷预测的准确度就会降低。”最新研究中，基于深度学习的负荷预测成为热点，国家扶持新能源项目其预测精度和稳定性高、能处理复杂问题，表现出很大发展潜力。谭貌说，华菱湘钢能源系统是一个典型的区域性综合能源系统，能耗巨大，中国太阳能网，每年外购电力超十亿元。国家扶持新能源项目“2019年5月启动试点应用，3台钢包炉参与调控，峰值负荷预测误差小于3%，这是一个技术先进、光伏支架生产企业现场满意的指标。”谭貌介绍道，“而我们的工作和应用广泛结合，提出的模型经AEMO开放数据集和大批工业实测数据验证，尽最大可能的避免样本选择性误差。“以前的一些负荷预测评估只使用模拟数据集，而没有真实数据，中国太阳能网，蓄热设备结果不可靠。主要成果发表在能源与电力系统领域顶尖学术期刊《IEEE电力系统汇刊》和《应用能源》上。