基于负荷预测及广义回归神经网络的短路电流超短期预测

针对智能电网中实时状态监测和告警需求,提出一种电网短路电流超短期智能预测的方法.通过节点超短期负荷预测进行电网态势外推,采用基于广义回归神经网络的短路电流辨识方法对短期内的全网母线短路电流水平进行扫描,实现短路电流的超短期智能辨识.该方法为智能电网中超短期智能预测提供了一种快速仿真建模(FSM)的新思路,为智能调度辅助决策提供有力的技术支持.通过IEEE30节点系统验证了该方法的可行性与有效性.     

一种新的短路电流预测方法

为了在智能电网中快速、准确、高效地对短路电流进行预测,提出了一种基于自适应混沌粒子群-反向传播BP神经网络模型的短路电流预测新方法。该方法采用自适应混沌粒子群算法优化BP神经网络各层之间的权值和阈值,将电网中发电机和负荷的出力作为BP神经网络的输入特征量,各节点的短路电流值作为输出特征量,从而建立了考虑各种影响因素的短路电流预测模型。算例结果表明,该方法在预测精度和速度上优于其他几种方法,能为智能调度辅助决策提供有力的技术支持。     

基于超短期负荷预测的智能配电网状态估计

状态估计作为智能配电网自愈控制的数据出口和态势感知工具的核心板块,需要在1个数据采集周期内对全网进行1次状态估计计算,传统的配电网状态估计算法不能满足以上要求,需要研究高效的配电网状态估计算法。提出了一种基于超短期负荷预测的智能配电网的状态估计方法,为自愈控制状态评估模块和潮流计算模块提供所需数据。该算法将预测速度快、预测精度高的超短期负荷预测技术引入智能配电网状态估计,实时预测节点负荷,实现了配电系统节点负荷的实时跟踪;采用指数函数抑制不良数据的影响,提高了状态估计的精度;利用配电网潮流计算的前推回代算法计算状态变量的初始幅值和相角,提高了算法的收敛性;考虑了分布式电源接入,体现了智能电网透明开放的特点。基于IEEE36节点标准算例的计算分析,验证了算法的有效性。     

基于灵敏度特征决策的GRNN短路容量智能辨识

针对当前局部地区短路容量水平已接近现有设备额定值的情况,提出一种短路容量智能辨识方法。利用基于潮流的短路计算法计算系统各母线的最大短路容量,通过对典型潮流下灵敏度的计算,选择对短路容量贡献程度较大的发电机、负荷的有功出力作为输入特征向量,建立训练样本,对广义回归神经网络（GRNN）进行训练,构成该电网结构下的短路容量辨识的人工神经网络。应用该模型对运行中电网的母线短路容量水平进行快速扫描,为智能电网与智能调度中的故障识别快速仿真建模（FSM）提供了一种新思路。通过IEEE 30节点系统验证了该方法的可行性与有效性。     

基于云计算的用户侧短期用电负荷预测技术

随着智能电网的发展,电网与用户之间的交互行为将显著增长。通过与用户的广泛交互,原来不能获取的信息,现在变得触手可得,这必将为智能电网发展提供更多的机遇。探讨了在智能电网环境下,通过云计算技术帮助海量用户预测短期电力负荷,从而通过利用群体智慧提高电网公司短期用电负荷预测的准确性。该方法有效利用了Map/Reduce技术,具有较高的效率和可扩展性。     

220 kV电网短路电流预测的新方法及应用

提出一种用于220 kV电网短路电流预测的计算方法。通过设定220 kV电厂接入的分布模型，得出接入220 kV电网分区的发电机装机容量与该电厂在500 kV变电站的220 kV母线处注入的短路电流函数关系。指出当500 kV变电站220 kV母线短路电流和500 kV母线短路电流同时达到设备遮断容量时，分区可供电容量为设备允许的最大可供电容量。由此建立了系统最大供电规模与220 kV电网短路电流间的关系。与某实际电网情况进行比较，验证了该模型的有效性。对计算结果进行分析所得到的结论为输电网设备选型和次输电网的供电模式选择提供了参考。     

智能电网用户端环境下短期负荷预测方法的研究

智能电网用户端环境下的用电模式有其自身的特点。结合该特点对成熟的神经元网络负荷预测方法进行改进,着重优化预测的输入部分,形成一套适合智能电网用户端环境下短期负荷预测方法。算例结果表明,该方案有助于预测准确率的提高。     

基于短期负荷预测的超短期负荷预测曲线外推法（Only in Chinese）

针对短期和超短期负荷预测的特点，提出了一种基于短期负荷预测的超短期负荷预测曲线外推算法。该算法充分利用了短期负荷预测已取得的成果，解决了传统采用负荷历史数据进行超短期负荷预测时在拐点、天气剧烈变化和节假日期间负荷预测精度下降的问题。为了提高负荷预测精度，还讨论了在进行超短期负荷预测时，对历史坏数据的处理以及对短期负荷预测中对拐点预测不准的修正等实用性问题。通过在四川电网调度自动化系统中的应用结果表明，该方法速度快，精度高，运行可靠稳定，具有较强的适应性。     

基于多智能体的短期电价智能预测方法

短期电价预测的准确性和稳定性对电力竞价决策具有重要作用。针对目前短期电价预测方法的局限性，提出并建立了一种基于多智能体的智能化短期电价预测方法。按照智能预测和组合预测的思想，实现了各类预测模型的智能选择、定量与定性方法的有机整合，并重点研究了知识库的构建及基于多智能体的预测流程。仿真试验结果表明，与常规预测方法相比，该方法的准确性和稳定性均得到了提高。     

基于RBF的光伏系统发电量智能预测研究

针对传统太阳电池建模要求频繁设置开路电压、短路电流、最大功率点电压/电流等参数的问题,找出太阳电池材料各常数相互关系,并通过RBF神经网络实现各参数逼近;建立基于禁带宽度的太阳电池新型通用模型,参考电池温度和日照强度,自动调整参数,得出新环境的电池输出特性.在光伏发电短期预测中,智能预测方法能有效降低预测误差.     

改进的遗传灰色RBF模型的短期电力负荷预测

为了在智能电网环境下提高短期电力负荷预测的精度,提出了一种考虑实时电价影响的遗传算法改进的灰色RBF模型。该方法利用灰色模型可以减弱数据随机性以及RBF神经网络的高度非线性的优点,弱化实时电价对短期电力负荷预测的影响,针对两种方法结合容易陷入局部最优和收敛性问题,采用遗传算法对网络进行了优化,得到最终预测结果。实例验证表明,与灰色RBF预测方法相比,该方法具有更高的负荷预测精度和较强的适应能力。     

基于Gauss插值的正交化预测方法在智能电网用电量预测中的应用研究

智能电网的一个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标。在此背景下,将高斯正交化插值方法与灰色GM(1,1)预测模型相结合,构造一类新的灰色正交化预测模型——NGGM（1,1）,并将此模型应用于智能电网用电量预测研究中。该模型可以有效地解决非等距序列的预测问题,较大程度提高模型的预测精度,优化数据质量,加强电网运行及调配的智能性,为智能电网的辅助决策提供更为符合实际的、可操作的科学参考。最后用所提出的方法对江苏省2008年工业用电量进行预测研究,其结果表明了所提方法的有效性。     

基于相似日的超短期母线负荷概率性区间预测

为了满足电网调度的实时控制需要,较为准确地预测配电网中低压侧35kV和10kV母线的超短期负荷,结合超短期负荷预测和母线负荷预测的特点,提出了一种基于相似日的超短期母线负荷概率性区间预测方法。利用模式聚类和模式识别的方法分析了历史负荷数据,选取了相似日,并以负荷求导法为基础,得出历史负荷的预测值,计算历史负荷的预测误差,通过统计历史预测误差分布进行概率性区间预测,得到一定置信水平下的预测区间。实例计算结果表明,基于相似日的超短期母线负荷概率性区间预测的准确率为97.36%,该方法提高了母线负荷预测的准确度和计算速度,适合工程实际应用。     

基于GA-改进BP神经网络算法在大电网短路电流预测中的应用

详细分析了目前我国电网的短路电流情况以及发展趋势,提出了基于遗传算法(GA)和改进的BP神经网络算法的三相短路电流预测方法,以一个实际的大区域电网为例,对其进行基于潮流的三相短路电流计算,找出短路电流水平薄弱点,并对较薄弱点的短路电流水平进行预测,仿真计算说明了本文所提出的算法的可行性和有效性.     

基于Gauss插值的正交化预测方法在智能电网用电量预测中的应用研究

智能电网的一个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.在此背景下,将高斯正交化插值方法与灰色GM(1,1)预测模型相结合,构造一类新的灰色正交化预测模型--NGGM(1,1),并将此模型应用于智能电网用电量预测研究中.该模型可以有效地解决非等距序列的预测问题,较大程度提高模型的预测精度,优化数据质量,加强电网运行及调配的智能性,为智能电网的辅助决策提供更为符合实际的、可操作的科学参考.最后用所提出的方法对江苏省2008年工业用电量进行预测研究,其结果表明了所提方法的有效性.     

基于MATLAB/SIMULINK的智能电表寿命预测仿真模型

智能电表是智能电网建设中一个重要的电气测量设备,其运行可靠性将直接影响电网的安全与稳定。但由于电网中智能电网数量众多,很难对其逐个进行寿命预测实验。因此,建立能够准确预测正在运行智能电表的寿命预测模型,对于开展智能电表寿命预测方法的研究具有重要实际意义。为此,文章在分析了智能电表的工作原理基础上,采用Matlab/Simulink软件,对其内部电压采样模块、电流采样模块、功率计量模块进行了建模。在此基础上,采用Peck加速模型,对其智能电表建立寿命预测模型。对采用的智能电表设计了寿命加速实验,验证了仿真模型的正确性。研究成果为我国电力系统中如何对正在运行的智能电表进行合理的寿命预测提供重要技术支持。     

基于模型电流预测控制的光伏电站低电压穿越控制方法

在传统光伏电站低电压穿越技术之上,提出了一种基于模型电流预测控制的光伏并网逆变器低电压穿越控制方法,模型电流预测控制方法能够使逆变器的输出电流迅速地跟随参考电流指令,具有良好的动态特性。在光伏电站并网点发生故障期间,能够迅速控制光伏电站无功功率的输出,为并网点提供电压支撑,减少无功设备的投资,同时也提高了系统的暂态稳定性。在PSCAD/EMTDC仿真平台上进行了三相短路故障、单相短路故障和大负荷扰动3个仿真实验,另外对模型电流预测控制的输出响应和稳态性能进行了仿真分析,仿真结果表明,光伏电站在低电压期间为电网提供电压支撑,验证了所提出控制方法的有效性。     

一种实用的超短期负荷预测曲线外推方法

超短期负荷预测对电网功率平衡控制具有重要作用。文中针对超短期负荷预测特点,提出一种基于曲线模式分析的曲线外推方法,并讨论了历史坏数据处理以及对当前负荷水平的特殊处理等实用性问题,以保证预测结果的稳定性。通过对几个实际系统的应用结果表明,该方法速度快,精度高,运行稳定可靠,同时具有较强的适应性。     

基于数字孪生的光伏发电功率超短期预测

光伏发电功率超短期预测对减小光伏并网对电网冲击及维持电网安全运行具有重要意义。提出一种基于数字孪生的光伏发电功率超短期预测机制,通过构建数字孪生体进行实时、高精度的光伏功率预测。首先根据GA-BP神经网络(geneticalgorithm-backpropagationneuralnetwork)构建光伏发电功率预测虚拟模型,并通过多维度的传感器采集光伏电池以及周围环境的各项孪生数据,同时更新历史数据库。然后以采集到的孪生数据为基础进行功率预测并得到初步预测结果。最后通过相似气象搜索,得到相似情况下的实际功率值和当时的预测功率,进而修正初步预测结果,得到最终预测功率。仿真算例结果表明,所提方法能有效提高光伏发电输出功率超短期预测精度。     

智能电网可靠性需求约束下无线发射功率模型预测控制

在基于无线传感器网络(WSN)的智能电网数据采集与通信的应用中,通信可靠性是WSN的关键技术指标。提高发射功率会增加通信的信号强度和可靠性,但同时会导致节点间相互干扰增加。针对这一矛盾,基于自适应模型预测控制的方法,研究智能电网中WSN发射功率优化问题。依据无线通信链路路径损耗模型分析了影响智能电网无线通信信噪比的主要因素,并构建了系统状态空间模型;通过实时估计信噪比随机波动置信区间下界对系统期望信噪比给定进行补偿,并基于模型预测控制的算法,优化求解节点发射功率;最后,通过仿真软件将所提算法与自适应传输功率控制(ATPC)算法及势反馈控制(PFC)算法进行对比分析,并采用WSN硬件平台对算法进行测试。结果表明,所提出的自适应模型预测控制算法可以在保证智能电网无线通信可靠性条件下,降低由节点发射功率较大导致的相互干扰。