基于电力系统同步多参量测量的自记忆轨迹预测算法

基于大气运动自记忆预测方法,导出了使用历史观测的多状态量预测电力系统微分方程中某一状态量的自记忆数值预测计算公式,并提出了基于广域测量系统的电力系统功角综合预测方案。该方案在每一采样时刻首先基于临界机组不平衡功率的拟正弦特性使用正弦三角函数滚动预测临界机组不平衡功率的变化,然后使用多个同步状态量的自记忆预测公式预测临界等值机组的角速度和功角。IEEE145节点系统和某省网实际系统仿真结果显示该方案具有精度高和稳定性好的优点,其能够稳定可靠地预测未来0.4s系统轨迹的变化。     

基于WAMS的电力系统受扰轨迹预测

基于相量测量单元（PMU）上传的实时功角数据，应用曲线拟合理论，提出了一种电力系统事故后功角轨迹快速预测的新方法。该方法从一个简单电力系统调速控制模型出发，推导出了功角与时间关系的数学模型，即功角随时间呈正弦衰减变化。由此提出了利用三角函数曲线拟合技术，对功角受扰轨迹进行预测。对IEEE 9节点系统与华北电网进行了仿真计算，结果验证了该方法的有效性。此外，与多项式曲线拟合法的对比分析表明，该方法优于传统的多项式曲线拟合法，具有更好的预测效果。     

基于WAMS的电力系统暂态稳定预测

通过分析速度控制系统的模型得到功角的变化趋势,以广域测量系统实时量测的功角为基础,采用三角函数组合算法,预测电力系统故障后发电机的功角变化,以预测电力系统暂态稳定性。在预测算法中,采用非线性最小二乘法计算三角函数系数,以线性化和线性最小二乘法计算求解包络线方程,提高了计算的精度。本文提出一个快速判断暂态稳定的指标。在EPRI鄄36节点系统上的仿真结果验证了该方法的有效性。     

一种变结构的时间序列预测算法及其在电力系统暂态稳定预测中的应用

针对电力系统机电暂态过程存在首摆失稳和多摆失稳的特点 ,提出了一种变结构的时间序列预测算法 ,即针对不同的失稳模式采用不同结构的预测算法。利用多项式与智能动态修正相结合实时快速预测发电机的功角 ,若预测功角的多项式不存在极值点 ,即为首摆失稳 ,可终止预测过程 ;多摆失稳是利用同步多参量测量装置实测的数据和多项式预测功角的结果 ,提出的一种基于相邻实际输出之间差别驱动的TD算法与具有遗忘因子的改进BP算法相结合的混合算法 ,并用该算法对电力系统机电暂态过程的不平衡功率和功角的时间序列进行了多步预测。预测结果表明 ,该算法是有效和可行的 ,达到了满意的精度 ,克服了采用多项式或自回归方法预测时存在较大误差的弊病     

基于自忆性灰色Verhulst模型的暂态稳定受扰轨迹实时预测

广域测量系统能在统一时标下监视系统各节点的实时轨迹,为暂态稳定实时分析提供了可能。基于灰色系统理论及动力系统的自忆性原理,提出一种基于自忆性灰色Verhulst模型的电力系统暂态稳定受扰轨迹实时预测方法。发电机功角受扰轨迹在每一个摇摆过程中呈"S"型变化,符合灰色Verhulst模型预测要求。针对发电机受扰轨迹较强的随机性和非线性,在传统Verhulst模型预测基础上,构建了具有自忆性的灰色Verhulst模型。该模型不仅考虑了发电机功角轨迹的变化趋势,还利用了历史量测数据,能很好地表征发电机功角受扰轨迹的随机波动特性,提高预测精度和预测时间。将该方法对新英格兰10机39节点系统进行仿真计算,结果表明该方法具有良好的拟合预测效果,为实时暂态稳定分析提供了技术支撑。     

基于WAMS预测的电力系统优化切负荷研究

针对当前电力系统暂态稳定控制措施耗时长,难于在线应用的情况,提出了一种基于广域测量系统(WAMS)预测的电力系统优化切负荷策略.利用WAMS提供的数据列,对系统中各发电机功角8进行数值处理预测故障发生后未来时刻8的运行轨迹;提出利用功角预判轨迹计算不平衡功率的新思路,量化故障造成的系统不平衡功率;借助改进的FVSI电压...     

电力系统计算机在线稳定的预测控制

本文提出了提高电力系统暂态稳定性的预测和预测控制的方法。当系统中大扰动发生前后,以对发电机电磁功率的实时测量为依据来计算和预测发电机功角的变化趋势,并根据预测的结果,进行超前控制,使功角快而稳地达到平衡状态,有效地提高了电力系统的暂态稳定性。通过数字仿真,证实了本文提出的方法的合理性和可行性。     

一种基于在线等值的电力系统暂态稳定预测方法

提出了一种基于在线等值的电力系统暂态稳定预测方法,它通过PMU和光纤通讯技术实时采集和传输电力系统中的状态量和电气量,利用故障后实测的功角轨迹采用最优参数选取算法将电网实时等值为简单系统,由此预测电网的未来行为.并在IEEE-39系统上对该法进行了仿真验证,且与典型的自回归预测算法进行了比较,结果表明该方法具有很好的实时性、准确性和可靠性,以及所需的信息量少,易于实施,适应能力强的优点.     

电力系统实时相角测量中的参考相角预测

电力系统实时相角测量系统对于电力系统的稳定监控具有重要意义,而参考相角的预测是实时相角测量系统 的核心之一。文中在建立了发电机功角数学模型的基础上,推导了α—β—γ滤波器的一种求解表达式,并应用 α—β—γ滤波器对电力系统实时相角测量中的参考相角进行预测,以便能就地产生一个超前的参考相角用于就 地监控。仿真结果表明,α—β—γ滤波器能够很好地预测发电机的功角变化。     

基于两阶段信息压缩的电网动态轨迹预测与稳定性评估

故障后的暂态稳定性评估与动态功角轨迹预测对于电力系统稳定运行与紧急控制决策具有重要意义。直接采用系统全部的暂态初期响应观测对全时域的功角轨迹进行预测，将使得模型输入与输出过于复杂且关联规则难以挖掘，限制了其在大规模电力系统中的实用性。因此，文中提出了一种基于两阶段信息压缩的电力系统动态功角轨迹预测与稳定性评估方法。阶段1将暂态初期响应采用统一流形逼近与投影算法映射至低维欧氏空间，从而计算互信息作为相关性度量,然后基于改进最大相关与最小冗余算法综合相关性与冗余度进行特征筛选，从而剔除响应特征集中的冗余信息。阶段2采用改进的分辨率自适应最大三角形三桶算法对全时域功角轨迹进行压缩，提升轨迹数据的信息密度。最后，基于门控循环单元构建动态功角压缩轨迹预测与稳定性评估模型，并采用CEPRI-TAS算例系统验证了所提方法的有效性。     

基于SSA-ELM的短期风电功率预测

准确的风电功率预测可以有效地保证电力系统的安全运行,进而影响电网的电力调度,所以高精度的预测方法变得至关重要。针对极限学习机（ELM）随机产生输入权值和阈值导致回归模型不稳定性与预测结果不准确性,以及风电波动性和间歇性等问题,提出一种基于麻雀算法（SSA）优化极限学习机的组合预测模型（SSA-ELM）。利用收敛速度快、精度高、稳定性好的SSA对ELM的权值和阈值进行寻优,实现了对风电功率的精确预测。仿真结果表明,所提出的SSA-ELM模型的预测精度较高、泛化能力强,能够为风电的功率预测及并网安全的稳定运行提供决策支持。     

风电功率预测误差分析及预测误差评价方法

风电功率预测对含大规模风电的电力系统安全、经济运行有着重要意义。分析了风速和风功率特性、预测模型算法和预测模型输入变量对风功率预测误差的影响;以某风电场实测数据为例,对预测结果采用误差评价指标进行了评价分析,提出通过预测模型修正逐步减小风电功率预测误差的方法,给出了预测模型修正流程图。可为提高风电功率预测精度提供参考,从而使功率预测系统可以更好地服务电力生产。     

基于人工神经网络的风电功率短期预测系统

风电场输出功率预测对接入大量风电的电力系统运行有重要意义。该文综述国内外风电功率预测技术的研究现状、基本原理及预测方法;设计风电功率预测系统的框架,建立基于人工神经网络的风电功率预测系统,该系统即将应用于吉林电网调度中心。该系统以数值天气预报为基础,具有良好的人机界面,实现了与能量管理系统(energy management system,EMS)的无缝连接。对测试数据的预测结果表明,该预测系统能够可靠工作,预测结果的均方根误差在15%左右。最后,该文对风电功率预测系统的经济效益进行估算。     

区域电网电能损耗预测方法研究

根据区域电网的特点,提出电能损耗递推预测法,采用状态波动系数建立省间交换电量和线损电量、线损率之间的联系,综合考虑负荷形状系数、等值电阻、平均电压、运行时间、功率因素等方面对线损的影响,在省间交换电量预测的基础上实现线损电量和线损率的预测,为电网节能降损及经济运行提供参考。     

我国电力需求预测的难点浅析

电力需求预测做为电力规划的重要环节受到一些不确定因素的影响。介绍了电力需求预测的内容与方法,对影响因素做了详细阐述。指出电力需求预测对电力工业生产、管理及发展等方面的基础作用。     

基于神经网络的酒泉风电基地超短期风电功率预测方法

风电的随机性和波动性给电力系统调度运行带来了一定的困难,以我国首个千万kW级风电基地甘肃酒泉风电基地为例,研究了基于神经网络的酒泉风电基地超短期风电功率预测方法,并对风速和风电功率实时数据进行了分析处理。在此基础上,基于神经网络算法和贝叶斯规则进行了超短期预测建模过程分析。最后,通过预测结果对预测模型进行了验证分析,验证结果表明预测模型合理、预测精度高,该预测结果可以为调度运行人员提供参考。     

基于误差前馈预测的多时空尺度风电集群有功功率分层控制策略

随着风电渗透率的提高,风电场存在的可预测性和可调度性差等问题已经凸显。针对上述因素导致风电消纳水平降低的问题,文章提出结合误差前馈预测的风电集群有功功率分层控制策略。首先,提出考虑风电变化趋势的误差前馈模型,将其与小波包分解和持续法模型相结合组成超短期功率预测模型,并根据历史数据的训练情况赋予误差前馈限值。其次,基于此预测模型提出一种多时空尺度的有功功率分层控制策略,该策略在已有调度指令的前提下,通过将控制层分为集群层、场群层和子场层,实现对各风电场的协调控制。最后,基于东北某风电基地的实际运行数据通过MATLAB和CPLEX进行仿真分析,结果证明所提方法改善了风电消纳水平和风电场储能协调出力。     

基于相关向量机的风电功率实时预测研究

风能的波动性和随机性给风电功率预测带来了很大的影响,准确合理的预测可以使系统可靠、持续、稳定运行。提出一种基于相关向量机的超短期风电功率预测方法。相关向量机是在贝叶斯理论的基础上提出的一种概率学习模型,与支持向量机相比,相关向量机具有概率模型稀疏、核函数计算量小等优点。对滚动多步预测模型进行了分析,建立了相关向量机的风电功率预测模型。利用该方法对吉林西部若干风电场进行功率预测,结果表明,所提出的预测模型能有效地提高预测精度,对工程有较高的应用价值。     

基于SAPSO-BP和分位数回归的光伏功率区间预测

提出了一种基于SAPSO-BP(模拟退火粒子群优化BP神经网络)和分位数回归的光伏功率区间预测方法。首先给出一种动态SAPSO-BP算法对光伏出力进行预测,该方法考虑BP的局部极小化和粒子群的早熟收敛等问题,能优化BP的参数设置,提高光伏功率的预测精度。在光伏功率确定性预测的基础上,通过分析不同天气类型下SAPSO-BP模型的预测功率误差。最后根据不确定天气因素建立分位数回归模型,实现对光伏输出功率的波动区间分析。该模型无需假设光伏预测功率误差分布,且计算方法简单,可提供在任意置信水平下,光伏预测功率的波动范围,为电力系统调度决策、运行风险评估提供更加丰富的信息。