基于深度学习的电力负荷短期预测

为做好电网供需平衡,进一步改善电网的社会效益和经济效益,根据负荷数据的时序性特征,利用卷积神经网络的特征提取能力和长短期记忆神经网络捕捉时间序列关系的能力,采用卷积-长短期记忆混合神经网络进行电力负荷短期预测.首先根据历史数据对该模型进行训练,然后使用已训练好的模型进行预测,最后将其预测结果与长短期记忆神经网络预测结果进行比对.两组不同采样间隔的负荷预测仿真结果表明,卷积-长短期记忆混合神经网络相对于长短期记忆神经网络,可以更好地从负荷数据中提取出时序性特征,预测误差较小,精度较高,能够在电力短期负荷预测问题中提供可靠的预测结果.     

船舶中央冷却水系统变频水泵流量特性

针对船舶中央冷却水系统变频水泵切换效率低、能耗大及流量波动变化等问题,深入研究2350TEU集装箱船在各种负荷变化和海水环境温度变化时的变频泵调速流量特性,分析变频水泵在单泵、双泵2种状态切换时的流量特性、效率特性和功率特性,计算水泵变频切换时的最佳转速与流量。结果表明:实现单双泵无扰动切换,可减少切换时流量产生波动对止回阀的冲击,提高变频泵的工作效率,降低系统能耗,为船舶中央冷却水节能控制系统设计提供理论支持。