基于负荷混沌特性和最小二乘支持向量机的短期负荷预测

以负荷时间序列的混沌特性为基础,结合混沌时间序列的相空间重构理论和支持向量机的回归理论建立了一种基于负荷混沌特性和最小二乘支持向量机的短期负荷预测模型。首先将原始负荷数据进行相空间重构,形成相点序列,然后选择与当前相点最邻近的相点作为此负荷预测模型的训练样本,经过训练寻求决策函数后就可以求出包含预测点的相点,最后还原此相点得出预测值。通过与BP神经网络的预测结果进行比较,证明了该模型在短期负荷预测中的有效性。     

混沌理论在电力系统负荷预测中的应用

混沌理论适合描述确定性非线性系统的内在随机性,具有对初始条件敏感,遍历性、规律性等特点,作为确定论和概率论的桥梁,其特性符合电力系统负荷预测的内在要求。因此,近年来,混沌理论在电力系统负荷预测中得到了越来越广泛的应用。在总结和归纳传统预测方法的基础上,对混沌理论应用于电力系统负荷预测中的研究现状进行了综述,其中包括混沌时间序列的主要思想、混沌时间序列分别与传统预测技术、神经网络以及模糊理论相结合在负荷预测中的应用,并指出了这一技术的研究动向及应用前景。     

混沌理论在电力系统负荷预测中的应用

混沌理论适合描述确定性非线性系统的内在随机性,具有对初始条件敏感,遍历性、规律性等特点,作为确定论和概率论的桥梁,其特性符合电力系统负荷预测的内在要求.因此,近年来,混沌理论在电力系统负荷预测中得到了越来越广泛的应用.在总结和归纳传统预测方法的基础上,对混沌理论应用于电力系统负荷预测中的研究现状进行了综述,其中包括混沌时间序列的主要思想、混沌时间序列分别与传统预测技术、神经网络以及模糊理论相结合在负荷预测中的应用,并指出了这一技术的研究动向及应用前景.     

电力月负荷的混沌趋势组合模型预测

针对电力月负荷同时具有趋势增长性和季节波动性,使负荷表现出复杂的非线性特征,从而提出了电力月负荷的混沌趋势组合模型。以四川省全省月负荷序列为例,把原始电力月负荷序列分解为趋势序列和剩余序列。通过计算剩余序列的混沌特征量,识别出剩余序列的混沌特性。在此基础上,利用混沌趋势组合模型对月负荷时间序列进行预测,实例结果表明,该方法对电力月负荷的预测是可行的。     

基于RBFNN的短期电力负荷混沌局域预测法

短期负荷序列数据表现出混沌特性,可以使用混沌时序局域方法进行预测。在混沌时序重构相空间中预则中心相点和趋势相点之间的映射关系不是单纯的线性关系,而常用的线性回归预测模型只能逼近线性映射。提出利用径向基函数神经网络(RBFNN)来建立预测模型,可以更加精确逼近预则中心相点和预测相点之间的映射关系,并用欧氏距离和关联系数联合方法选取近邻相点,选取的近邻相点与预测中心相点的关联性更好。利用西北电网的负荷数据所做的实验证明,本文提出的基于RBFNN的局域预测法比线性局域预测法获得了更为满意的预测精度。     

基于RBFNN的短期电力负荷混沌局域预测法

短期负荷序列数据表现出混沌特性,可以使用混沌时序局域方法进行预测.在混沌时序重构相空间中预则中心相点和趋势相点之间的映射关系不是单纯的线性关系,而常用的线性回归预测模型只能逼近线性映射.提出利用径向基函数神经网络(RBFNN)来建立预测模型,可以更加精确逼近预则中心相点和预测相点之间的映射关系,并用欧氏距离和关联系数联合方法选取近邻相点,选取的近邻相点与预测中心相点的关联性更好.利用西北电网的负荷数据所做的实验证明,本文提出的基于RBFNN的局域预测法比线性局域预测法获得了更为满意的预测精度.     

电力负荷混沌动力特性及其短期预测

根据非线性动力系统理论进行负荷建模和预测,并将预测精度作为一种辨识工具,用于分析电力负荷变化的动力特性。分析结果表明,可将负荷的变化特性描述为低维混沌系统。根据负荷的混沌特性及一步向前预测的精度提出一种优选重构参数的方法,并采用基于相空间重构的加权一阶局域法多步预测模型进行了负荷预测。相空间模型能识别负荷序列的内部特性并进行预测,因此是分析和预测负荷的有效工具。     

基于混沌理论的短期负荷局域多步预测法

分析了目前对短期负荷时间序列进行预测的加权一阶局域一步预测方法,针对其用于多步预测会产生累计误差并且计算量很大的缺点,提出了将加权一阶局域法多步预测模型用于短期负荷预测。在分析电力系统历史短期负荷时间序列混沌特性的基础上,通过将多步预测模型应用于负荷的预测,验证了该方法相对于一步预测法在计算速度和精度方面都有明显提高。     

基于混沌时间序列的大型风电场发电功率预测建模与研究

通过对风力发电系统的发电功率时间序列进行低维非线性动力学建模,表明该时间序列呈现混沌特性。在此基础上,利用混沌时间序列的相空间理论建立了风力发电功率神经网络预测模型,对风力发电功率的短期预测进行了分析和研究,并得到了较高的精度。本文研究数据均来自大唐赛罕坝百万千瓦级风电场。     

径流混沌时间序列的模糊支持向量机预测模型研究及其应用

针对径流混沌时间序列固有的确定性和非线性特点,以传统的支持向量机预测模型为基础,通过引入模糊隶属函数来考虑气候和流域下垫面条件变化,建立了径流混沌时间序列的模糊支持向最机预测模型.通过三种方法对长江寸滩站实际月径流时间序列的预测模拟结果对比,表明本文建立的模型具有更高的模拟精度,是一种有效的径流时间序列预测模型.     

实时动态监测系统在东北电网负荷建模中的作用

东北–华北联网后的计算分析表明，选择不同的发电机和负荷模型对稳定计算结果的影响较大，东北电网负荷模型的建模或校核需要以大扰动试验数据为依据，分析了实时动态监测系统(wide area measurement system，WAMS)在东北电网基于大扰动事件的负荷建模过程中的作用，WAMS是大扰动试验风险可观测、试验出现异常情况可控制的基本保障，为基于大扰动事件负荷建模研究提供了电网动态测试数据，其实测的相量数据同时也是建立仿真计算运行方式的重要数据源。运行经验表明，开展东北电网负荷建模的可持续研究需要基于WAMS的扰动数据收集、处理和分析制度的保障。     

基于混沌神经网络模型的电力系统混沌预测与控制

由于电力系统的日趋复杂和庞大，电力系统除了因负阻尼引起的低频振荡外，还存在PSS不能消除的混沌振荡的危机。为及早判断和抑制电力系统的混沌振荡，提高电力系统稳定性，根据电力系统的负荷时间序列重构吸引子相空间，计算相空间饱和嵌入维数和最大Lyapunov指数，并以此为指导，建立混沌神经网络预测模型，该模型即便在电力系统负荷含有部分坏数据输入的情况下，仍能对电力系统的混沌特性进行精确地判断和预测。如果判断出系统存在混沌现象，则设计模糊神经网络预测控制器，实现了对电力系统混沌振荡的预测控制。仿真结果表明，该方案对抑制电力系统混沌振荡具有显著效果。     

基于混沌理论的电网售电量预测研究

对具有混沌特性的电网售电量时间序列重构相空间,计算相空间的饱和嵌入维数和最大Lyapunov指数,并利用计算得到的饱和嵌入维数指导建立T-S模糊神经网络预测模型。采用递阶遗传算法对T-S模糊神经网络的结构和权值进行训练,可确定最适合的预测模型结构,提高神经网络的收敛速度,使其具有良好的泛化能力。在此基础上,对秦皇岛电力公司售电量数据进行预测,结果表明,该方法可精确地再现售电量时间序列的混沌动力学行为,在可预报尺度范围内,能对售电量作高精度的预测,且具有很强的适应能力。     

负荷模型的应用与研究调查报告

对我国电力负荷模型的应用和研究现状进行了调查分析和总结，调查内容包括目前采用的负荷模型和参数、技术人员对负荷模型应用和研究的看法和建议以及在负荷模型研究方面所做的工作。调查范围主要包括华东、西北、华北、东北和华中电网的规划、调度和研究部门。     

海南电网AGC超前控制

为了改善海南电网自动发电控制(automatic generation control,AGC),充分发挥火电机组调节性能,基于超短期负荷预测原理建立了海南电网AGC超前控制模型。利用该模型和线性外推法可以预测未来一段时间内每隔5 min的系统负荷,并根据预测自动调整机组发电计划。在两个电厂的火电机组试验结果表明,所提出的AGC超前控制可以改善海南电网的调节质量。     

东北电网广域动态测量系统

随着我国电网互联规模的不断扩大,负荷模型对系统仿真计算结果的影响已不容忽视。为了在仿真计算中选择合适的负荷模型,东北电网按照准确、可靠、安全、实用的原则,结合相量测量技术和通信、计算机技术的最新发展情况,组建了广域动态测量系统,采用分析中心站、子站体系结构捕捉电力系统在扰动情况下的动态过程及行为特征。该系统在东北网调配置了功能强大的分析中心站,选用了3个不同厂家的PMU装置,已覆盖12个主要厂站。该系统经受了长时间的多种考验,记录了实际电网大量动态过程,不但为仿真计算研究准备了校核数据,而且为电网安全稳定运行提供了全新的动态监测手段。     

华北电网广域实时动态监测系统

基于同步相量测量技术的电网实时动态监测系统能在线监测系统动态过程的全貌,同时,其记录的电网扰动事件数据有助于对仿真系统的模型与参数进行离线校核.文章结合华北电网实时动态监测系统的研制,论述了该系统的构成、主要功能和特点.该系统一期工程由华北网调主站系统和安装在7个关键发电厂和变电站的子站装置构成,子站与主站之间通过调度数据网连接.文章结合东北500kV系统三相短路大扰动试验介绍了该系统在华北电网中的实际应用情况.