分形外推插值算法在电力负荷预测中的应用

针对传统分形插值难以进行外推的问题,利用分形的自相似性与标度不变性将内区间的分形特性进行延拓,并由此构造了具有外推功能的分形插值算法。该算法利用内区间的迭代函数系和吸引子由特定的初始点出发进行直接搜索,并通过使迭代特定次数后获得的点集与吸引子的均方偏差不断减小的过程来逐步调整初始点的纵坐标值,而均方偏差达到最小化时的纵坐标值即可作为需要外推点的函数值。然后利用电力负荷数据的不同分形特性,将分形外推插值算法应用于电力日负荷、日峰值负荷及年用电量预测中。算例结果表明,分形外推插值算法具有较高的预测精度、较高的计算效率和良好的收敛特性。     

基于自适应粒子群优化的SVM模型在负荷预测中的应用

为了提高电力系统短期负荷预测精度,针对传统支持向量机(SVM)模型在负荷预测中存在的参数的选取问题,提出一种新的预测模型:用改进的自适应粒子群优化算法寻求SVM模型的最优参数。经典粒子群算法是一种全局优化算法,在此基础上提出改进的粒子群算法（FAPSO）并对其进行收敛性测试,将基于改进粒子群算法FAPSO优化的SVM模型用于短期电力负荷预测。实例仿真结果表明该预测模型精度高于传统SVM预测模型,具有一定实用价值。     

基于自适应粒子群优化的SVM模型在负荷预测中的应用

为了提高电力系统短期负荷预测精度,针对传统支持向量机(SVM)模型在负荷预测中存在的参数的选取问题,提出一种新的预测模型:用改进的自适应粒子群优化算法寻求SVM模型的最优参数.经典粒子群算法是一种全局优化算法,在此基础上提出改进的粒子群算法(FAPSO)并对其进行收敛性测试,将基于改进粒子群算法FAPSO优化的SVM模型用于短期电力负荷预测,实例仿真结果表明该预测模型精度高于传统SVM预测模型,具有一定实用价值.     

微网能源系统的滚动优化管理

以上海某园区微网为例,提出一种包含分布式能源、储能、可平移负荷3类电力资源的能源管理优化方法。该方法首先将可再生能源进行完全消纳,然后运用可控分布式能源、储能和可平移负荷对削减后的微网负荷进行第二轮优化。考虑到优化问题存在大量的非线性规划,提出分解迭代算法,将"源–荷–储"3类可控资源利用粒子群算法进行独立求解,并通过迭代使得整体解逼近全局最优解。同时,本系统针对微网预测困难,提出滚动优化方法,提高整体优化的准确性和实时性。算例结果验证了该方法的有效性。     

含微电网的主动配电网负荷预测

负荷预测是配电网规划的重要环节,是网架规划重要计算依据。针对大量分布式电源和微网并入主动配电网,采用支持向量机技术,建立完备的负荷预测模型,并基于粒子群优化算法对支持向量机的一些关键参数优化选择,提出适用于含微网的主动配电网的负荷预测方法。首先对微电网并入主动配电网的结构做了详细说明,通过支持向量机SVW技术,建立负荷预测的非线性回归方程,然后基于粒子群优化算法对支持向量机关键参数写出具体优化思想和迭代过程,最后将提出的负荷预测方法应用于光伏发电示范新区来显示它的效果。     

基于改进混沌理论和ACPSO-LSSVR的短期负荷预测

针对现有混沌理论中嵌入维数和延迟时间的选取难以达到最优,局域预测时邻近预测点的选取不够准确,提出了改进的混沌理论:采用改进的C-C法找到嵌入维数和延迟时间;邻近预测点的选取根据参考相点的演化趋势进行判断。针对最小二乘支持向量回归机LSSVR参数难以确定,提出ACPSOLSSVR:自适应混沌粒子群ACPSO一方面能根据群体早熟收敛程度和个体自适应值来调整惯性权重,另一方面能根据混沌变量的随机性和遍历性进行粒子的初始化,加快优化过程,防止局部极小。采用ACPSO来优化LSSVR的待选参数,提高负荷预测的精度。实例分析验证了该方法的可行性和实用性。     

基于改进LS-SVM的短期电力负荷预测方法研究

针对电力负荷随机性强、稳定性差、预测精度不理想等问题,提出了一种基于粒子群优化PSO和最小二乘支持向量机LS-SVM的短期负荷预测方法。模型的输入因子是负荷数据和气象信息等。粒子群优化算法用于实现支持向量机参数的自动优化,建立了基于粒子群优化的最小二乘支持向量机短期负荷预测模型。通过仿真验证了改进前后预测模型的准确性和有效性,结果表明,改进的预测方法具有收敛性好、预测精度高、训练速度快的优点。本研究为我国短期负荷预测方法的发展提供了参考和借鉴。     

基于最小二乘支持向量机的短期负荷预测

针对当今人工智能短期负荷预测方法存在的缺陷,提出了一种最小二乘支持向量机(LS-SVM)短期负荷预测方法,即建立最小二乘支持向量机(LS-SVM)回归模型。在选取该模型训练样本时,为了提高预测精度,采用灰色关联投影法来选取相似日。同时,针对标准粒子群优化算法易陷入局部最优的缺点,提出自适应变异粒子群优化算法来选择最小二乘向量机的参数,从而提高了负荷预测精度,避免了对模型参数的盲目选择。仿真结果分析表明,该方法有效、可行。     

粒子群神经网络混合算法在负荷预测中的应用

电力系统负荷预测结果的准确性关系到电力系统的调度运行、生产计划和供电质量,为此在研究短期负荷预测中应用了粒子群PSO和BP神经网络相结合的混合算法。该算法先应用粒子群优化算法算出BP神经网络的连接权向量和阈值,每次迭代求出最优粒子的权向量和阈值及BP网络在这组权向量和阈值的实际输出值,最后得出第i个粒子的适应度函数。与其他方法相比,该算法预测精度较高:平均相对误差≤1.48%,最大相对误差≤4.10%,而且收敛速度快,预测结果满足短期负荷预测误差要求。     

基于粒子群算法与内点算法的无功优化研究

提出了基于改进粒子群算法和预测-校正内点法的解耦无功优化算法.通过引入时代因子和邻近变异策略,同时采用分段处理方法对粒子群算法进行改进.运用预测-校正算法替代原-对偶内点,使得在内点法寻优过程中的迭代步长加大,同时避免寻优过程中振荡的出现.将改进粒子群算法和预测-校正内点算法分别用于无功优化的离散优化和连续优化子问题.将所提出的方法应用于IEEE30节点和IEEE118节点的系统.算例表明:与采用传统粒子群算法和原-对偶内点算法的混合无功优化相比,提出的方法在计算速度和优化效果方面都具有明显的优势.     

江苏电网负荷结构分析

负荷的差异及其比例的变化造成了负荷曲线及负荷特性指标的变化,通过对不同季节不同时段全省各类用电负荷的解析,了解行业及居民用电负荷的构成及其季节性变化,有利于深入进行负荷特性变化分析.从而判断负荷特性变化趋势,为改善负荷特性提高电力系统运行效益提供决策依据.     

上海市市区供电局季节性负荷分析

从上海市市区供电范围内电力负荷变化趋势、季节怀负荷变化的来源以及气温对季节性负荷的影响等方面,系统地分析了该供电范围内１９９２￣１９９８年期间季节性负荷的特征。通过分析可以发现,近７年来,上海市市区供电内的季节性负荷正在急剧增大,季节性负荷问题已经成为供电局必须解决的紧迫课题。     

利用特殊日期测定各类用电负荷的方法

准确掌握一个地区内各类用电负荷的构成和变化规律,对于做好本地区的负荷预测、用电分析、负荷管理等工作非常重要。在实际情况中,可以发现通过一般统计方法获取各类负荷构成数据的途径并不具备可行性和实用性。总结了一些利用特殊日期负荷变化来测定各类用电负荷大小的方法,并结合廊坊市的实际情况对这些方法的操作过程和分析结果进行了具体论述。     

基于负荷分解的城市长期负荷预测模型研究

我国城市出现了快速增长的空调负荷。考虑空调负荷的增长规律及影响因素,从负荷分解的角度构建了城市长期负荷预测模型。在模型中,高峰负荷被分解为3部分：居民空调负荷、工作区空调负荷以及基本负荷。以上海为例进行的实证研究表明,基于负荷分解的预测模型能够反映城市电力需求的增长,可为需求侧管理提供制定政策的依据。     

空调系统夏季负荷动态计算

现行夏季空调负荷计算方法中没有考虑新风状态的变化，计算所得新风负荷为一定值，这种方法无法求得空调系统设备的动态负荷，不利于空调设备合理选型和节能运行。本文提出了一种考虑新风状态及新风负荷变化的空调系统夏季负荷动态分析计算方法。     

基于非侵入式技术的空气源热泵负荷识别与分解

非侵入式电力负荷监测技术具有成本低、安装简便等优点,可以有效解决电采暖负荷数据难以获取的问题.文中提出了一种基于负荷事件检测的非侵入式空气源热泵负荷指纹提取方案,获取关键参数△T和△P,定义三种过渡事件类型作为判据,判定空气源热泵启停状态;提出了实用化的负荷指纹模板库自动生成方法,事件样本达到预设数量后聚类为负荷的指纹...     

基于半消声环境声学测试平台的干式配电变压器噪声特性负载因素影响研究

为了研究用户负载因素对干式配电变压器噪声的影响,分析了负载因素与变压器噪声之间的理论关系,以1台800 kVA三相干式配电变压器为原 型,对负载率、运行电压升高、不平衡负载、谐波负载等多种常见工况下的变压器噪声水平进行了实验研究,对比分析了不同工况下干式配电变压器 的噪声水平变化。结果表明,谐波负载及运行电压升高是负载因素中导致干式配电变压器噪声显著变化的主要因素,负载率与不平衡负载对变压器噪 声水平的影响较小。研究结果对于干式配电变压器噪声与振动控制具有参考意义。     

重载潮流算法

结合类编程思想和重载原理开发了三相潮流和单相潮流算法的统一结构。在此基础上 ,文章提出了三相潮流和一般潮流的统一算法———重载潮流算法。通过单相、三相与重载潮流在收敛性、计算速度以及存储量等方面的比较 ,得出该算法能够简化计算 ,具有收敛性好、灵活、通用、计算速度快的结论     

中期电力负荷预测及负荷模型的研究

对电力系统中期负荷预测提出了按照时间段预测趋势修正的新方法 ,同时提出了多阶梯中期负荷模型。     

基于非侵入式用电数据分解的自适应特征库构建与负荷辨识

非侵入负荷监测是实现需求侧测量与能效优化的有效途径。文中提出了一种高频采集模式下的非侵入式负荷在线监测方法,使整个监测过程自动化、实时化。首先,根据负荷电流的可加性原理建立了负荷分离模型,得到独立负荷波形;并结合负荷的操作特性,无需预实验获取先验数据。然后,通过贝叶斯分类模型实现负荷种类判断,从而在运行过程中为每个独立用户构建动态的负荷特征库。最后,基于库中数据,通过构建寻优模型实现负荷辨识,从而持续、实时获取负荷用电状态,并通过实际采集的用电数据验证了方法的有效性。该研究可自适应地为独立用户构建负荷特征库,改善了提前建库不具有普适性的问题,同时,基于特征库的快速寻优保证了辨识的有效性与准确性。