鄒 運(yùn)
區(qū)域負(fù)荷分解是依據(jù)該區(qū)域的用電總數(shù)據(jù),對該區(qū)域內(nèi)的用電情況進(jìn)行判斷,通過事件檢測、特征提取和負(fù)荷識別三項(xiàng)核心技術(shù)完成,可判斷用電用戶類別。遷移學(xué)習(xí)屬于一種機(jī)器學(xué)習(xí)方法,其可完成源域的學(xué)習(xí),并遷移到目標(biāo)域中,完成目標(biāo)域模型構(gòu)建。本文為實(shí)現(xiàn)電能替代潛力估計(jì)[1],提出基于區(qū)域負(fù)荷分解與遷移學(xué)習(xí)的電能替代潛力動(dòng)態(tài)估計(jì)算法。
為精準(zhǔn)識別電能替代用電設(shè)備運(yùn)行狀態(tài),采用模糊決策樹方法完成,每一顆決策樹輸出的結(jié)果,即為對應(yīng)電能替代電器的運(yùn)行狀態(tài)。信息增益為[2]:
依據(jù)上述小節(jié)獲取電能替代用電設(shè)備識別結(jié)果,通過三次指數(shù)平滑法對識別的電能替代用電設(shè)備實(shí)際電能替代量進(jìn)行預(yù)測,依據(jù)預(yù)測的實(shí)際電能替代量估計(jì)電能替代潛力。
電能終端使用量占比和能源替代量之間的關(guān)系為:
步驟1:模型構(gòu)建
步驟2:單位節(jié)能量估計(jì)
依據(jù)基期模型計(jì)算得出能源消耗量結(jié)果,并通過調(diào)試期模型計(jì)算能源消耗量,獲取兩個(gè)消耗量之間的差值,即可得出電能替代后設(shè)備的單位節(jié)能量,依據(jù)該結(jié)果即可判斷電能替代潛力結(jié)果。其計(jì)算公式為:
為驗(yàn)證本文算法對于電能替代潛力動(dòng)態(tài)估計(jì)的應(yīng)用效果,以某電力企業(yè)管轄范圍內(nèi)某市的電能替代區(qū)域?yàn)槔?,展開相關(guān)測試。該區(qū)域覆蓋10個(gè)區(qū),獲取該區(qū)域運(yùn)行的基期數(shù)據(jù)。測試案例中采用了以電代煤的替代方式替代該區(qū)域內(nèi)的部分燃煤鍋爐,以實(shí)現(xiàn)能源清潔。參數(shù)設(shè)定為迭代次數(shù)120,學(xué)習(xí)率0.001。將獲取數(shù)據(jù)的75%作為訓(xùn)練數(shù)據(jù),剩余數(shù)據(jù)作為測試數(shù)據(jù)。
在進(jìn)行應(yīng)用效果測試前,需先確定修正系數(shù)α的最佳取值。文中以電能替代量預(yù)測誤差作為衡量標(biāo)準(zhǔn),測試在不同α取值下誤差的變化情況,獲取最小誤差對應(yīng)的取值。經(jīng)過對測試結(jié)果的分析,發(fā)現(xiàn)隨著α取值的逐漸增加,本文方法對于電能替代量的預(yù)測誤差也發(fā)生不同程度的變化。其中α取值為0.7時(shí),電能替代量預(yù)測誤差值最小,為0.024。因此,確定α的最佳取值為0.7,并將該結(jié)果用于后續(xù)試驗(yàn)中。
為直觀驗(yàn)證本文算法對于電能替代量的預(yù)測效果,獲取在不同電能使用量占能源使用量比例下,電能替代量的預(yù)測結(jié)果,如圖1所示。
圖1 電能替代量的預(yù)測結(jié)果
依據(jù)圖1可知:在不同電能使用量占能源使用量比例下,隨著用電量的逐漸增加,本文算法均能夠?qū)崿F(xiàn)電能替代量的預(yù)測,并獲取預(yù)測結(jié)果。因此,本文方法具有電能替代量預(yù)測能力,能夠完成不同電能使用量占能源使用量比例下電能替代量的預(yù)測。
為驗(yàn)證本文算法對于電能替代潛力動(dòng)態(tài)估計(jì)效果,獲取在不同程度的電能需求下,隨機(jī)抽取替換的10臺電鍋爐的單位節(jié)能量計(jì)算結(jié)果,如圖2所示。
圖2 單位節(jié)能量計(jì)算結(jié)果
依據(jù)圖2可知:本文算法能夠計(jì)算出不同用電需求下替換的10臺電鍋爐的單位節(jié)能量,具有單位節(jié)能量計(jì)算效果,可獲取電能替換后的單位節(jié)能量,并且節(jié)能量均在0.060m2.kJ以上。
本文提出基于區(qū)域負(fù)荷分解與遷移學(xué)習(xí)的電能替代潛力動(dòng)態(tài)估計(jì)算法,具有可靠的電能替換設(shè)備識別能力,并能夠可靠預(yù)測電能替代量,計(jì)算電能替換后的單位節(jié)能量大于0.060m2.kJ。