为了降低电力市场电价预测误差,提出了基于卷积神经网络的电力市场电价预测方法。归一化处理电力市场历史负荷与电价,避免出现神经元过于饱和的情况;使用隶属函数对温度因素进行模糊化处理,将处理后的负荷、电价、温度以及预测时段供求指数作为卷积神经网络的输入量,运用卷积神经网络非线性拟合能力对电力市场电价进行描述,建立电价预测模型,用获得的预测模型预测电力市场电价。实例分析结果表明,与其他方法相比,该预测方法预测的电价与实际电价最为接近。

为了找寻负载口独立控制系统的极限节能边界,并明晰其节能机理,建立传统阀控系统和负载口独立控制系统的静态效率与静态能耗模型,利用归一化处理使模型转化为无量纲形式。选取与传统阀控系统可比拟的2种工况,即同泵源压力和同阀口开度,在负载口独立控制系统处于节能极限时(出油阀口全开)进行对比。仿真分析不同工况下2种系统的静态效率与能耗对比情况,并绘制效率分布谱获取全工况下效率分布对比情况。结果表明:同泵源压力下,负载口独立控制系统最多能提升阀控液压系统效率约5.7%,降低能耗约22.7%;同阀口开度下,负载口独立控制系统最多能提升阀控液压系统效率约19.4%,降低能耗约53%。负载口独立控制系统能够降低阀口节流损耗,进而降低阀控液压系统能耗。