基于二分法的聚类负荷模型及其在电力系统可靠性评估中的应用

目前用于可靠性评估的负荷模型主要有峰荷模型、分级负荷模型以及聚类负荷模型等,这些模型难以同时满足计算精度和计算复杂性的要求.建立了基于二分法的聚类负荷模型并将其应用到电力系统可靠性评估中.该模型利用二分法原理较快地确定最佳分级数,利用快速排序算法和聚类技术将年负荷曲线中各负荷点归并到相应的负荷级,具有降低计算复杂性和提高模拟精度的特点,能较好地反映负荷实际变化趋势.应用该模型对IEEE-RTS79测试系统进行可靠性评估,通过比较几种不同负荷模型下的可靠性评估结果,说明所提模型准确可靠,计算量较小,具有应用价值.     

基于减法聚类的FCM算法在电力负荷分类中的应用

针对目前在电力负荷分类中应用较多的模糊C均值聚类算法(FCM)的不足之处,提出了一种基于减法聚类改进的算法(SUB-FCM)。该算法运用减法聚类来初始化聚类中心矩阵,解决了FCM算法随机初始化的问题,且提高了算法的全局搜索能力,避免陷入局部最优解。由实验算例分析发现,该算法还能加快收敛速度,且收敛效果也较好,能有效应用于电力负荷分类。     

基于DBSCAN和改进K-means聚类算法的电力负荷聚类研究

对于当前大规模和高维度的用户数据,原始聚类算法有其局限性。提出一种改进的K-means算法与数据降噪处理相结合的方法。首先,DBSCAN(基于密度的空间聚类算法)用于数据去噪,克服了原始K-means聚类算法聚类结果容易受到数据集中噪声点的影响。然后利用轮廓系数和误差平方和确定最优的聚类数。最后,将K-means++聚类算法和确定的最优聚类数用于聚类处理用户负荷曲线。这使得聚类算法避免陷入局部最优,通过数据集测试,表明该方法获得的聚类效果优于原始的K-means算法。     

基于蚁群聚类-Elman神经网络模型的短期电力负荷预测

在神经网络负荷预测实际应用中,突出的问题是训练样本大、训练时间长、收敛速度慢。针对负荷预测样本代表性问题,建立了基于蚁群聚类的Elman神经网络预测模型。对负荷历史数据进行蚁群聚类预处理,将聚类后的数据作为神经网络的训练样本。其目的是使输入样本具有代表性,改善网络训练时间和收敛速度,有效提高预测精度。通过某发电厂负荷数据的验证,该模型的预测结果精度较好。     

基于模糊聚类的多神经网络在短期电力负荷预测中的应用

根据城市短期电力负荷所呈现出的趋势性和一定的周期性,本文提出了模糊聚类和多个神经网络相结合的负荷预测方法,即首先根据一定长度时间段负荷的变化趋势相似性,将众多相同时间段长度的样本聚类,再用不同的神经网络对每个类别的数据样本进行学习,最后将待测数据所属时间段判定类别后用相应的神经网络进行预测.文中采用某市电力负荷实测数据进行了建模和计算,通过与普通的单一人工神经网络方法的比较,证明该方法具有预测平均绝对误差小、训练速度快、推广能力好的优点,有潜在的应用价值.     

基于谱聚类的电力负荷分类

在谱聚类研究成果的基础上,提出了一种新的电力负荷聚类方法,该方法能克服目前常用聚类算法的不足,对聚类数据无特殊要求,无须预先确定分类的数目,算法简单无须反复迭代.通过对实际算例的计算分析以及与k-均值方法的比较,体现了其有效性和优越性.     

基于云模型和模糊聚类的电力负荷模式提取方法

为解决应用传统模糊C均值(fuzzy C-means,FCM)算法进行电力负荷模式提取时存在的对初始聚类中心敏感、聚类数目不易确定、算法稳定性较差等问题,从负荷曲线形态出发,提出一种基于云模型和模糊聚类的电力负荷模式提取方法.该方法首先针对电力负荷数据的时间特性,对云变换方法进行了维度扩展,使其能够应用于具有时间特征的二维数据处理,将电力用户典型日负荷的频率分布分解为若干个正态云组的叠加,以各云模型中最能代表各定性概念的期望向量集合作为初始聚类中心;然后,基于云模型确定的初始聚类中心和聚类数目,应用FCM算法进行电力负荷模式提取和用户分类.最后,以某电网实际负荷数据进行算例分析,结果证明了该算法的实用性和有效性.     

基于改进k-均值聚类的负荷概率模型

提出采用改进的k-均值聚类方法对电力系统小时负荷进行聚类,避免了传统k-均值聚类存在的聚类中心初始值难以确定、聚类结果不稳定的问题。在建立聚类负荷模型的基础上,进一步建立了考虑负荷不确定性和相关性的负荷概率模型。RBTS和IEEE RTS79算例分析结果表明,采用所建立的聚类负荷模型时的发电系统可靠性计算结果精度高,节省了状态抽样法的计算时间;负荷不确定性和相关性对发电系统可靠性有较大影响。所建立的负荷概率模型为采用解析法和状态抽样法进行发电和发输电系统可靠性评估提供了基础。     

基于模糊聚类的电力负荷特性的分类与综合

在阐述负荷特性分类与综合内涵及意义的基础上，以变电站综合负荷构成成分比例为负荷特性分类和综合的基本特征，基于模糊聚类原理，提出了模糊等价关系和模糊C均值算法的2种分类方法。基于模糊C均值法可以通过优化理论获得聚类中心矩阵，同时完成负荷特性分类与综合。对某省48个变电站采用加权平均的方法进行聚类分析，得出了基于模糊等价关系的聚类综合特性并与模糊C均值算法的聚类中心矩阵进行了比较分析。结果表明，两者都具有良好的聚类综合能力；基于模糊C均值法的聚类能力明显优于基于等价关系的聚类法，而且聚类结果更为合理有效。两种方法都成功地解决了负荷建模中变电站特性分类处理的复杂性与主观性。     

一种新的广义电力负荷模型及其工程应用

当区域负荷中含有较高比例的电源时,传统的经典负荷模型不适合描述负荷母线的动态行为.提出一种新的广义电力负荷模型,并给出模型参数的确定方法.该方法综合利用常规量测数据和PMU量测数据,其中等值发电机支路参数采用理论等值方法获得,而纯负荷参数采用辨识方法获取.实际工程应用表明,该广义电力负荷模型及其参数确定方法有效可行.     

考虑负荷重分配攻击的电力系统运行可靠性评估

负荷重分配(load redistribution, LR)攻击对线路的实时停运模型和最优负荷削减模型均会产生影响。现有研究忽略LR攻击对线路实时停运模型的影响,因此无法准确反映LR攻击下的电力系统运行风险。为此,分析了LR攻击原理,建立了考虑LR攻击对线路实时停运和系统最优负荷削减双重影响的运行可靠性模型。并提出了考虑LR攻击双重影响的电力系统运行可靠性评估方法。以IEEE14节点修改系统为例进行算例分析。算例结果表明：LR攻击对系统运行人员的调度行为会产生较大影响,LR攻击下运行人员非最优调度引起的负荷削减量与攻击资源数目有关;LR攻击可能导致部分线路的实时停运概率增加,从而使得系统实时运行可靠性降低。该研究能为信息物理融合电力系统的规划设计和调度运行提供参考。     

基于启发式算法的电力系统综合负荷模型的自动选择

针对电力系统中负荷类型多种多样,系统综合负荷模型的组合方案不可能一一列出的问题,提出了一种通过建立负荷模型库,以代表负荷模型投入情况的0-1逻辑变量为决策变量的最优负荷模型自动选择的方法:根据实际电力系统的负荷结构组合出各种动态等值模型,并且在众多模型组合方案中自动选择出最优的模型组合,并将传统启发式算法引入优化求解过程。通过对实际电网动态等值模型的自动选择,得到所选模型组合能够较好的描述负荷行为,表明电力系统综合负荷模型自动选择这一方法的可行性和有效性。     

基于最小负荷削减费用的输电系统可靠性评估

电力系统可靠性的经济价值日益受到人们的重视。常规可靠性评估方法采用以负荷削减量最小为目标函数的最小负荷削减模型,由此得出的负荷削减量虽然最小,但负荷削减费用不是最小,忽视了经济价值。提出基于最小负荷削减费用的可靠性评估模型,以负荷削减费用最小为目标函数,并考虑节点负荷类型的分类,克服了常规方法忽视经济价值的缺点。所提出的方法较常规方法虽然负荷削减量大,但负荷削减费用小,符合从经济价值出发的原则。通过算例分析表明了该方法的合理性和实用性。     

基于实时信息系统的抽水蓄能电站负荷水情电量调度系统模型的开发应用

就天荒坪抽水蓄能电站基于实时信息系统SIS平台的负荷、水库调度、电量系统模型的设计、建立、开发和调试工作进行了说明和介绍.     

改进光伏模型及其在微网可靠性评估中的应用

新能源发电系统的准确建模是分析新能源并网稳定性、安全性与可靠性等方面影响的关键因素。针对光伏发电系统可靠性影响分析,本文在详细分析现有光伏发电系统可靠性模型优缺点与适用范围的基础上,提出了一种综合考虑容量、温度及辐照度等运行条件约束的改进模型。为分析其对微电网可靠性评估的影响,设计了基于时序蒙特卡罗状态抽样法的可靠性评估流程,并对含光伏发电系统的微网进行了可靠性评估验证。理论分析与评估结果表明,改进模型使得评估结果更为严格,且实际输出功率方差较之现有模型有所减小,能在一定程度上加快蒙特卡罗法评估的收敛速度。     

Composite power systems reliability evaluation based on demand-side reserve

This paper proposes new demand-side reliability indices and useful computational methods for reliability evaluation of composite power systems. These new indices are based on the active power which can reach each demand spot under generating and transmission network constraints. This conception is defined as “reachable power,” and it leads the reserve margin on each demand spot, which is called as “demand-side reserve.” If the reachable power is insufficient to satisfy the demand, load curtailment is required. In the proposed approach, the conception of the load curtailment area is defined, and the estimate method of load curtailment area is indicated. In case the reachable power exceeds the demand, system reliability is evaluated by the demand-side reserve, and the power system is divided into several reliability zones according to the demand-side reserve levels. Small system examples are used to illustrate principles of the proposed approach, and middle system examples show the effectiveness and practicality.     

电力系统负荷模型研究综述

负荷模型研究的主要目的是为电力系统稳定计算提供精确的负荷模型。采用乐观或保守的负荷模型将会对电网安全或经济运行造成不利影响。随着系统规模的不断扩大和新型用电设备不断出现,负荷的动态特性也变得越来越复杂。早期的简单负荷模型已经不能满足当前互联电网稳定计算的需要。综述了负荷模型的发展历史、负荷建模的常用方法、常用负荷模型及对系统稳定的影响,结合最新研究进展,提出了应该建立区域电网负荷模型动态数据库,并指出了下一步需要研究解决的问题。     

基于区间优化算法的电力系统可靠性评估逆问题模型

电力系统可靠性评估逆问题是指从已知的可靠性指标值出发求取未知的元件可靠性参数的问题,是电力系统可靠性领域一个重要的潜在研究方向。只有在待求可靠性参数个数与可靠性指标个数相等的特殊情形下,采用现有的逆问题研究方法才能取得参数的准确值。针对以上不足,首先,基于可靠性指标解析计算函数,构建逆问题的非线性方程组模型。其次,为计及已知可靠性指标个数大于、等于或小于待求参数个数的3种情形,将方程组模型转化为优化问题,建立逆问题的一般性模型。针对逆问题存在多解的情形,以可靠性参数优化为例,说明如何构建对应于具体工程问题的逆问题模型。然后,提出基于改进区间优化算法的逆问题求解方法,该方法能够在逆问题的不同情形之间进行切换,并确保求得最优解。最后,将所提方法应用于RBTS、IEEE-RTS系统和91节点系统,算例结果表明：针对逆问题的上述3种情形,采用所提方法均可有效求得准确的元件可靠性参数。