国外典型电网负荷特性分析

负荷特性分析是电力系统运行管理中的一个重要环节,掌握电力负荷特性的变化规律和发展趋势是建立负荷预测模型的基础。在参考相关文献的基础上,建立了较为完善的负荷特性指标体系,并收集了日本东京、美国东北部电网、纽约电网等多个地区电网的负荷数据,对上述地区的负荷特性曲线进行了深入分析,以期为我国电网的负荷特性研究提供参考。     

基于用户实际日负荷曲线的负荷分类策略研究

首先介绍了灰色关联聚类分析方法,然后选用该方法对某供电局涉及9类国民经济行业中的12个用户典型日负荷曲线进行聚类分析。通过案例说明采用该分类方法对负荷进行分类可更简单直接的表现各类用户负荷特性,为负荷特性分析、负荷预测、电网规划及需求侧管理等提供依据。     

考虑多类型柔性负荷的日前优化调度技术

新能源大规模接入以及用电侧使能技术的发展使得柔性负荷调度技术成为调度自动化领域的研究热点。文中提出一种涵盖多种类型柔性负荷的日前优化调度技术,为实现源网荷三侧资源的协同调度提供了技术支撑。基于现有调度自动化系统,设计了考虑多类型柔性负荷的日前优化调度架构,依据用户侧负荷特性,将负荷进行分类,并建立考虑各类负荷的日前优化调度模型。最后基于省级电网断面数据,进行日前优化调度案例仿真,并依据仿真结果,分析了各类柔性负荷对电网运行的影响,验证了所提技术的有效性。     

临汾电网负荷预测分析与探讨

分析了临汾电网负荷构成及负荷影响因素,提出了相对应的解决办法,为临汾电网分析潮流数据提供了可靠的依据,对临汾电网的用户需求管理能够作出比较准确的判断,为临汾电网的安全、稳定、经济、优质运行提供了更好的保障。     

基于负荷分解的居民差异化用电行为特性分析

针对智能电网建设过程中需要准确掌握居民用电特性的要求,将居民负荷分解为基本负荷和季节性负荷。基于自适应模糊c均值算法,分别对居民日基本负荷和夏季降温设备日负荷进行聚类分析。根据分类结果进行负荷特性分析,并在此基础上提出一种用户分类的方法,实现对居民用电行为特性的差异化分析。实验结果表明,基于该分类方法能够准确地描述用户用电行为特性,为需求响应如峰时电价制定、错峰管理、负荷调控等提供了有效的数据支撑。     

基于改进PSO-Kmeans算法的实际日负荷

有效的实时用户日负荷曲线分类可为电网系统规划、负荷建模、负荷预测及需求侧管理等方面提供依据,同时为电网工作人员实现对负荷模型的判别提供帮助。为此提出一种基于改进PSO进化算法优化K means的日负荷曲线用户行业分类方法。首先利用牛顿插值法对缺失数据进行填补,然后运用定值线性函数对数据归一化,最后采用权重线性递减及同步学习因子改进PSO解决算法易陷入局部最优解的问题,以优化K means分类结果准确性。算例分析表明,PSO Kmeans算法迭代能力强,具有全局寻优能力,且具有一定的鲁棒性,相较于传统K means分类准确率高。     

电力负荷预测系统的管理应用

为了加强计划用电管理工作,使电网的安全稳定运行和电力有序供应,通过对负荷预测、负荷考核、限电管理的应用,提高了电能的利用效率,缓解日趋严重的供用电矛盾,在对数据进行统计挖掘的基础上进行综合分析,为电网的调度管理和规划建设提供辅助性决策依据。     

基于模糊聚类曲线相似度的负荷用户识别方法

为了满足电网公司精细化管理的要求及有针对性地管理用户,提出了一种基于模糊聚类算法与曲线相似度的负荷用户识别方法。以江南地区养殖负荷用户为例,通过电力数据驱动,进行数据挖掘分析,依据特征量和日负荷曲线,引入模糊聚类算法得到养殖负荷用户规律性用电行为特性,最后通过分析用户日负荷曲线与特性曲线之间的曲线相似度判断用户是养殖负荷用户的可能性,为供电公司精准服务提供依据。随机抽取供电公司未知用户负荷数据进行实例验证,结果表明,所提出的方法具有较好的可行性和有效性。     

固原电网负荷特性分析

为了提高固原电网的运行效率,依据固原电网2002—2006年电力负荷数据,对固原电网进行了详细的负荷特性分析,分析结果表明,冬季采暖负荷和典型行业负荷对负荷特性的影响较大,是固原电网负荷特性逐年恶化的主要原因。     

贵阳电网负荷分类管理对调度负荷管理的优化

近年电力负荷发展迅速,电力供需平衡存在结构性失衡的状况下,怎样优化负荷结构,找到一种有效的负荷管理方法是电力系统负荷管理需要认真思考的问题。本文通过浅析贵阳电网对负荷构成及特性进行研究、简化负荷分类、构建负荷分类管理体系的负荷管理方法,阐述负荷分类管理模式对电力负荷分析、电力负荷预测、电网计划检修、电网发展规划,电网计划用电、以及在一体化管理应用中起到的重要作用。     

电网空调负荷计算及预测

结合河北省南部电网空调负荷特性,以2009年数据为例,通过最大负荷比较法和基准负荷比较法进行计算,取二者平均值确定空调负荷最大值,并根据2005-2009年空调负荷变化趋势预测2010年空调负荷,结果表明预测数据准确可靠.     

基于特征加权模糊聚类的电力负荷分类

电力用户的负荷分类为电力系统和电力部门的系统规划、负荷预测、分时电价等研究提供了基本的指导工作。利用基于变分模态分解（variational mode decomposition,VMD）和模糊C均值聚类算法（fuzzy C-means,FCM）实现电力负荷的分类研究,针对FCM中欧氏距离的特征权重唯一的问题,利用基于特征加权的模糊聚类方法,提出基于特征加权的VMD-FCM聚类算法。根据电网实测负荷数据,VMD算法可对数据的固有模态有效分解,结合FCM算法引入的权重系数,显著提高了算法收敛速度和聚类准确度。对聚类结果分析表明：所提VMD-FCM聚类方法能够有效区分不同负荷类型,具有实际应用价值,从而为电力系统的设计规划提供指导作用。     

电网稳定运行中负荷开关批量控制技术研究

负荷开关批量控制技术可实现批量控制负荷序列的维护管理、智能选线、快速并发控制及操作统计等功能,利用现有的遥控点表信息及数据传输通道实现对变电站断路器远方操作控制,并向省调系统传送实时可切负荷及控制结果数据。在电网稳定运行中变电站施行无人值班和强直弱交大受端电网严重故障时,负荷开关批量控制技术可以通过并行的方式批量控制电网负荷,并提供控制过程的可视化和交互操作,大大缩短故障处理时间。负荷开关批量控制技术对提升电网重、特大事故快速反应能力和保障电网稳定运行具有良好的实用意义。     

滨州电网负荷预测管理

总结滨州电网负荷预测管理现状,分析研究影响滨州电网负荷预测准确率的主要因素,研究负荷预测专业管理中存在的主要问题,制定滨州电网提高负荷预测准确率有关的对策和建议,提高负荷预测管理水平,合理安排调度计划,调整电网运行方式。     

适用于海量负荷数据分类的高性能反向传播神经网络算法

负荷分类对于指导电网发用电规划与保证电网可靠运行具有重要意义。面向负荷数据海量化与复杂化趋势,传统负荷分类方法已无法满足用电大数据分析要求。首先,针对用户侧数据体量大、类型多、速度快等特点,在Spark平台上将反向传播神经网络(BPNN)算法并行化,实现对海量负荷数据的高效分类。然后,通过对训练样本抽样分块以降低各网络学习时间,针对分布式后BPNN基分类器由于学习样本缺失潜在的准确度下降问题,采用集成学习予以改善。并通过BPNN学习不同训练样本块构建差异化基分类器,对基分类结果多数投票得到最终分类结果。另外,提供了一种基于K-means和K-medoids聚类的负荷数据训练样本选取方法。算例表明所提方法既能对负荷曲线有效分类,又能大幅提高海量数据的处理效率。     

智能电网中用电感知的数据分析需求响应方案研究

在智能电网中,当前大部分需求响应(DR)管理方法在通过数据分析削减高峰负荷时,并未考虑到用户约束.针对此问题,提出了住宅负荷的数据分析需求响应(DADR)管理方案,以降低高峰负荷需求.提出的方法以从智能家居(SHs)采集的用电数据分析为基础,考虑到电器调节因子,电器优先级指标,电器限电优先级等因素.并基于这些因素,分别...     

模糊聚类在负荷实测建模中的应用

提出应用模糊聚类理论解决区域电网中上百个变电站的分类问题。在区域电网通过总体测辨法进行综合负荷建模时,应用模糊聚类理论对负荷节点一变电站进行分类,从中确定具有代表性的变电站作为实测负荷特性的测点。利用基于模糊等价关系的传递闭包法对东北电网234个220 kV变电站进行了模糊分类,论证了应用模糊聚类完成变电站分类的步骤,结果表明,在利用界限不明确的负荷类型作为变电站分类特征方面,模糊聚类分析方法是有效和可行的。     

分布式电网中数据备份与恢复系统研究

相比于传统电网,分布式电网存在着易受外界的影响,系统发电随机性强、波动程度大等问题,因此对分布式电网运行状态的监控和管理是保证分布式电网稳定运行的前提。而在分布式电网信息管理的过程中,数据的备份与恢复是技术的关键。根据分布式电网运行数据的基本特性,采用Moss(Microsoft Office Share Point Server)构建了分布式数据备份平台,并利用相关模型设计了存储器负载均衡原则,可有效地提高系统的应用价值。