实时能效分析及智能评级方法

被引:7
作者
马立新
朱润
机构
[1] 上海理工大学光电信息与计算机工程学院
关键词
电力用户; 能效分级; RBF神经网络;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算]; TM73 [电力系统的调度、管理、通信];
学科分类号
120103 [信息系统与信息管理]; 140502 [人工智能];
摘要
能效分级是能效测评的基础,传统的能效分级方法单一且有局限性。文中提出一种智能化的评级方法,将神经网络应用于电力用户能效分析中,建立了基于神经网络的能效评级模型,从而不用给定某个特定的显式数学表达式。系统以RBF神经网络为核心建立模型,使用正交最小二乘法学习。综合考虑电能能效、电能污染能效和经济能效,可实时有效地进行能效分析及智能评级,并给出量化节能方案。仿真及实例计算表明,电力用户实时能效评级的RBF模型操作简捷、适用性强、实时性高,且具有较强的实用价值。
引用
收藏
页码:1 / 4
页数:4
相关论文
共 11 条
[1]
智能化电能质量综合评估方法分析与比较研究 [D]. 
刘颖英 .
华北电力大学(北京),
2007
[2]
现代综合评价方法与案例精选.[M].杜栋; 庞庆华; 编著.清华大学出版社.2008,
[3]
电能质量 公用电网谐波.[S].曲涛;任元;林海雪;杜德立;陈宝喜;李平之;吕润余..1993,
[4]
考虑需方响应资源的电力系统生产模拟 [J].
段炜 ;
胡兆光 ;
姚明涛 ;
张健 ;
周渝慧 .
电网技术, 2014, 38 (06) :1523-1528
[5]
考虑用户舒适约束的家居温控负荷需求响应和能效电厂建模 [J].
王丹 ;
范孟华 ;
贾宏杰 .
中国电机工程学报, 2014, 34 (13) :2071-2077
[6]
能效电厂项目的节电潜力优化模型 [J].
王雁凌 ;
王晶晶 ;
吴京锴 ;
黄杰 .
电网技术, 2014, 38 (04) :941-946
[7]
基于层次分析法的配电网能效指标体系 [J].
杨小彬 ;
李和明 ;
尹忠东 ;
蒋利民 ;
孟珺遐 ;
姜喆 .
电力系统自动化, 2013, 37 (21) :146-150+195
[8]
日本能效“领跑者”启示 [J].
顾成奎 ;
王煦 .
中国经济和信息化, 2013, (06) :52-53
[9]
“能效电厂”助力广东节能减排 [J].
邓佳 .
环境经济, 2012, (12) :73
[10]
美国加州能效电厂政策及实践考察报告 [J].
中国赴美国能效电厂考察团 .
电力需求侧管理, 2007, (03) :74-75