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...     

面向运行规划可靠性的综合聚类负荷模型

针对目前运行规划可靠性评估中负荷模型的不足,提出了一种综合聚类负荷模型,该模型能综合考虑负荷节点的特征量信息,分类精度显著提高.对研究时段内的多个负荷水平进行综合聚类的基础上采用多维正态分布抽样技术,计及节点负荷相关性和负荷预测标准差,确定评估期间的节点负荷值.在负荷分类基础上结合累积概率负荷模型,推导了停电频率指标的计算公式,解决了非序贯仿真中考虑负荷转移的频率计算问题.通过算例,分析了负荷分类、负荷预测不确定性、节点负荷相关性和负荷转移频率对可靠性指标的影响,验证了模型的正确性和有效性.     

面向可靠性评估的两阶段聚类风-光-荷典型场景生成方法

由于风光出力和负荷的不确定性,高比例可再生能源电力系统可靠性评估需要大量输入场景以保证评估精度.为降低计算复杂度,选取适用的典型场景至关重要.传统典型场景生成直接采用聚类算法对输入场景聚类,因此面对高维数据处理困难且无法保留负荷极端场景,生成可靠性评估典型场景的效果不理想.为选取适用于可靠性评估的风-光-荷典型场景,研究建立了基于密度的噪声应用空间聚类(DBSCAN)和改进K均值两阶段聚类模型,保留极端场景同时引入降维算法处理高维时序数据.算例表明该算法兼具高效性和有效性,所得典型场景应用于电力系统可靠性评估得到可靠性指标精确度良好.     

密度梯度聚类算法在负荷动特性聚类中的应用

文中提出将基于数据挖掘原理的密度梯度聚类算法应用于电力系统负荷动特性的聚类.通过计算实测响应空间各样本间的密度分布,得到原始聚类中心,再利用类与类之间边界点的分布情况进行合并,从而达到负荷动特性分类.聚类中心在分类过程中产生,以此聚类中心作为该类的等效样本,对其进行参数辨识即可得到同类负荷特性的通用负荷模型.分类和综合在同一过程中完成,具有快速简便的优点.对某一变电站现场采集的负荷特性数据进行聚类应用,结果表明该方法具有良好的聚类效果.     

基于数据挖掘多层次细节分解的负荷序列聚类分析

提出了多层次细节分解的负荷聚类算法及其性能评估指标。该算法利用负荷序列间的差分序列均方差和欧氏距离形成交集优化判据；同时根据随机因素对负荷的敏感性加入对应参数要求来控制多层次细节分解聚类，对负荷曲线轮廓相似性细节程度聚类是提高预测精度的重要基础。笔者对所提出的聚类算法与一般欧氏距离聚类、Kohonen神经网络聚类算法进行了性能评估和比较，证明了该算法对季节性负荷具有高敏感性，对高温和气候因素与负荷之间的复杂相关性具有高识别能力，该聚类算法对提高负荷预测精度是有效的。     

需求响应对配电网供电可靠性的影响

鉴于峰谷分时电价能够引导用户用电行为,促使用户积极参与到电力系统的削峰填谷行为中,而负荷与可靠性之间存在着复杂的非线性关系,文中重点研究了需求侧响应对配电网供电可靠性的影响。首先,建立分时电价优化模型:进行时段划分、确定电力价格弹性矩阵和制定各时段电价,再以峰负荷最小及峰谷负荷差最小确定多目标优化函数,考虑电网和电力市场基本约束条件建立分时电价优化模型;然后,在基于二分法的聚类负荷分析法中引入依据电力报价的负荷修正环节;最后,将不同负荷水平下的可靠性指标按持续时间进行加权平均,得到精确的可靠性指标。利用上述模型和方法,对改进的RBTS BUS6测试系统进行分时电价建模和可靠性评估。结果表明,需求响应策略改善了配电网的供电可靠性。     

基于高斯混合模型和交叉熵的电网可靠性评估算法

针对电网可靠性评估对精度和速度的需求,提出了一种基于高斯混合模型与交叉熵的电网可靠性评估方法。首先对电网节点负荷、光伏发电站光照强度或风电场风速等变量建立混合高斯模型;然后使用该模型进行重要性抽样,得到负荷样本;最后将负荷样本分摊到各电网节点上,并计算电网的负荷削减概率和期望缺供电量来评估电网的可靠性。在IEEE-RTS79系统上的仿真测试结果表明,该方法能精确、高效地评估电网的可靠性。     

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。     

基于模糊聚类的含风电场发电系统可靠性分析

风电出力的随机性和间歇性使得风电在接入发电系统时会对发电系统可靠性造成影响。考虑到风电出力与负荷之间存在一定的相关性,提出了一种基于模糊聚类的风电场多状态可靠性模型。模型根据风电场出力与负荷数据的分布情况,使用两维模糊聚类对数据进行状态划分,并计算各状态之间的转移概率,最后通过序贯蒙特卡罗模拟对含风电场发电系统进行可靠性评估。算例分析结果表明,所建模型能够很好地模拟出风电场出力和负荷的分时序列,且可靠性分析结果准确有效。     

考虑微电网非计划解列运行的配电网可靠性评估

为分析微电网各种运行模式尤其是非计划解列运行情况下对配电网中负荷点可靠性的影响,提出一种基于改进故障模式与后果分析法的含微电网的配电网可靠性评估算法.在可靠性的评估过程中,建立开关因子模型和分区简化模型,降低含微电网的配电网的网络复杂性,减少可靠性分析的计算量;对传统的配电网潮流算法进行改进,使之适用于微电网的不同运行模式.算例仿真结果验证了所建模型的有效性,分析结果表明,微电网对配电网中不同负荷点的可靠性的改善效果具有差异性,且在提高负荷点可靠性参数方面具有选择性.