基于灰色Verhulst和灰色马尔科夫的电力负荷预测组合模型

本文提出了电力系统中长期负荷预测的线性组合模型,即基于灰色Verhulst和灰色马尔科夫的组合模型。针对中长期负荷日趋饱和的特点,采用具有S型预测曲线的灰色Verhulst模型进行预测;针对灰色模型预测随机波动较大的负荷时拟合性较差的缺点,采用马尔科夫理论对灰色模型进行修正,弥补了灰色模型固有缺陷,提高其预测精度。通过线性组合法将灰色Verhulst模型与灰色马尔科夫模型相结合,规避了单一算法模型产生较大误差的风险,进一步提高了预测准确性。算例表明,该组合模型精度较高,具有实用性与可行性。     

一种智能变电站保护装置寿命预测方法

继电保护设备剩余有效寿命预测是智能变电站二次设备状态检修的技术关键.文中提出了一种基于马尔科夫链的智能变电站继电保护设备寿命预测方法,该方法基于马尔科夫链,利用设备在线监测信息和历史运行数据获得其状态分布向量以及状态转移矩阵,进而根据可靠性原理预测其剩余有效寿命.算例分析结果表明该方法可以对保护装置未来运行状态分布和剩余寿命进行有效预测,其预测结果可以为运行人员提供参考.目前该方法已应用在实际智能变电站的二次设备在线监测系统中,有助于提高智能变电站的安全运行水平.     

基于灰色马尔科夫预测模型的中长期电力负荷预测

中长期负荷预测在电网发展规划编制中占有重要地位,而其关键是数学模型的建立。本文建立了基于马尔科夫修正的灰色负荷预测模型,利用灰色预测模型对未来负荷进行预测,对预测结果采用马尔可夫链预测方法进行改进,提高其预测的准确性。采用灰色马尔科夫模型对某市用电需求负荷建立预测模型,预测了2006至2008年的用电负荷,与实际用电负荷进行对比,结果验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

考虑小区发展不均衡性和不确定性的多阶段空间负荷预测

为减少小区发展不均衡性和不确定性对空间负荷预测精度的影响,结合聚类分析与马尔科夫理论提出了一种多阶段空间负荷预测模型。首先,提取单位面积最大负荷、用电量、平均负荷百分比作为表征小区发展不均衡性的指标,利用k-means算法对小区聚类,确定各个发展阶段的负荷密度。其次,统计不同发展阶段间的转移概率,形成马尔科夫链的状态转移矩阵,揭示空间负荷变化规律,以处理小区发展不确定性。再次,利用业扩报装信息、分类饱和密度及状态转移向量建立近中远期负荷预测模型。实例验证表明,该模型能够切实有效地考虑经济发展的不确定性及用电水平的差异性,各阶段负荷预测结果均具有较高的可信度。     

基于Theil不等系数的IOWA算子和马尔科夫链的电量组合模型研究

通过引进Theil不等系数、IOWA算子和马尔科夫链的概念,建立了一种基于Theil不等系数的IOWA算子和马尔科夫链的电量组合模型。从相关性的角度对该模型进行了研究,同时采用IOWA 算子,使组合模型的各个时间点上的权系数只与预测精度有关,与预测方法无关,较好地反映了负荷发展实际情况。利用马尔科夫链定性推出组合模型中各单项模型在待预测时点上的预测精度状态,进而得到待预测时点上的组合模型的权系数。以陕西省某市1994～2009年年用电量为样本,通过指数平滑法、回归法和灰色模型法分别建立模型,然后利用基于Theil不等系数的IOWA算子和马尔科夫链的组合模型进行权系数的求解,实证分析表明该模型使预测精度得到了明显提高,具有良好的预测效果。     

基于行为影响因子的非侵入式负荷实时分解算法

针对传统非侵入式负荷分解算法准确率低、计算较耗时等问题,在隐马尔科夫模型(HMM)的基础上提出基于行为影响因子的负荷实时分解算法.使用自适应的迭代K-means聚类方法提取负荷状态,并将负荷状态组合成超状态.针对传统HMM没有考虑用电场景时间特性的缺陷,对参数进行时间分段学习.在分解阶段引入用户用电行为模式的影响因子,改进隐马尔科夫齐次假设,并利用维特比算法分解出用户的各个负荷的实时状态.通过公开数据集验证了所提算法的准确性和实时性.     

基于小波包的马尔科夫方法在短期负荷预测中的应用

为了提高电力系统短期负荷预测的精度,提出了一种基于马尔科夫模型的组合预测算法.该算法利用双正交小波线性相位的特点,对负荷时间序列进行小波包多分辨分解.针对短时电力负荷具有较强随机波动性,采用软阈值方法检测和处理不良信号,用去噪后的信号建立模糊马尔科夫预测模型,通过将各负荷序列的预测值加以组合得到最终预测结果.经实际算例验证,该算法能有效地提高预测精度,具有良好的抗干扰和容错能力.     

基于预测有效度和马尔科夫-云模型的母线负荷预测模型筛选与变权重组合预测

预测有效度与鲁棒性是母线负荷预测面临的重要课题。基于日特征相关因素选取待预测日的相似日;从待预测日母线负荷真值未知的实际出发,引入模型预测精度和预测有效度概念,研究模型有效度的转移规律,提出基于马尔科夫链和云模型的预测精度定量估计方法;基于模型综合有效度,提出组合模型筛选方法和变权重母线负荷组合预测方法。基于所提方法开发了一套母线负荷预测系统,并应用于我国某地区电网。多条母线、多时段的预测结果表明,所提方法所得预测结果的有效度高且稳定,具有预测结果准确和鲁棒性好的特点。     

基于用户行为的家庭日负荷曲线模型

居民用电所占比例逐渐提高,对配电网影响日益增大。有效的家庭日负荷曲线模型对需求侧管理及智能电网技术的发展至关重要。该文建立了基于用户行为的家庭日负荷曲线模型。基于测量数据,建立典型居民负荷电气学模型;基于统计调研数据,利用马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法,引入概率函数表示居民人口、家用电器拥有情况等居民家庭特征的影响,建立居民负荷行为学模型。并采用自下向上的分层建模思路,结合电气学模型与行为学模型建立家庭日负荷曲线模型,同时搭建了仿真平台。所建模型具有系统性和通用性,仿真与实测对比分析验证了该文所提模型的可行性与准确性。     

基于蒙特卡洛算法的大规模电动汽车充电负荷预测

电动汽车充电负荷的有效预测对配电网的安全稳定运行有重大意义。以某地区不同类型电动汽车的保有量预测结果为基础,将用户出行习惯、电动汽车的充电功率、充电时长等因素作为模型参数,利用蒙特卡洛模拟算法建立了考虑电动汽车类型的充电负荷预测模型,对该地区电动汽车的充电负荷进行预测。结果表明,未来电动汽车充电负荷增长较快,2025年较2022年充电负荷增长近70%,且不同类型充电负荷有不同的特征。该方法能提升电网负荷预测精确度,为配电网的调度与规划提供技术支撑。     

输电线路动态增容运行风险评估

输电线路动态增容系统作为智能输电线路技术支撑系统的重要部分,能提高输电设备的利用效率,帮助运行人员更好地掌握当前线路的运行状态。为确保输电线路增容运行的可靠性和安全性,文中研究提出基于马尔可夫链蒙特卡洛方法对输电线路增容运行后的风险进行评估的方法。该方法主要利用各微气候监测参数后验分布的随机序列来建立风向、风速和环境温度等气候概率分布模型,结合线路负荷电流模型利用蒙特卡洛模拟来预测导线的温度分布,从而给出线路增容运行的风险指标。基于夏冬2季的典型监测数据,利用所提出的方法对动态增容系统给出的热容量的可靠性进行分析,结果表明线路运行风险控制在合适的范围以内,满足电网运行和调度工程的要求。     

基于考虑气温影响的门限自回归移动平均模型居民日用电负荷预测

由于气温突变点的影响,负荷序列存在门限效应,导致传统线性时间序列模型的负荷预测效果较差。将气温突变点作为门限,建立了以气温为协变量的门限自回归移动平均(threshold autoregressive moving average with exogenous variable,TARMAX)模型,提高了预测精度。首先,应用马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法对气温突变点进行搜寻得到模型参数。然后,采用随机搜索变量的方法快速选择出最优模型,有效降低选择时间序列模型的计算量。最后,对不同季节下的居民日用电负荷进行预测。实例表明,与线性时间序列模型、长短期记忆网络(long short-term memory network,LSTM)和多层感知机(multilayer perceptron, MLP)相比,TARMAX模型提高了电力负荷的预测精度。     

基于考虑气温影响的门限自回归移动平均模型居民日用电负荷预测

由于气温突变点的影响,负荷序列存在门限效应,导致传统线性时间序列模型的负荷预测效果较差。将气温突变点作为门限,建立了以气温为协变量的门限自回归移动平均(threshold autoregressive moving average with exogenous variable,TARMAX)模型,提高了预测精度。首先,应用马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法对气温突变点进行搜寻得到模型参数。然后,采用随机搜索变量的方法快速选择出最优模型,有效降低选择时间序列模型的计算量。最后,对不同季节下的居民日用电负荷进行预测。实例表明,与线性时间序列模型、长短期记忆网络(long short-term memory network,LSTM)和多层感知机(multilayer perceptron, MLP)相比,TARMAX模型提高了电力负荷的预测精度。     

计及不确定因素的梯级水电站短期优化调度

以一定时期内期望发电效益最大化为目标,采用马尔可夫链对梯级水电站机组未来调度时段的预想故障及上网电价进行概率预测,构建了一种新的梯级水电站短期概率优化调度的模型,并且采用服从正态分布的负荷波动来分析时变负荷对优化调度的影响。该模型全面考虑了梯级水电站蓄水量、弃水量、水位、发电引用流量等约束条件,实现了机组运行状态概率预测与优化调度决策的密切结合。利用微分进化算法鲁棒性强、搜索效率高的特点, 与蒙特卡洛方法对模型进行求解。以一梯级水电站系统为例进行计算分析,表明所提出的模型合理和有效。     

考虑温度模糊化的多层长短时记忆神经网络短期负荷预测

智能电表的普及为短期负荷预测提供了海量数据,使得负荷精细化预测成为可能,而温度是影响夏季负荷的重要因素。提出一种考虑温度模糊化的多层长短时记忆神经网络(ML-LSTM)短期负荷预测方法。利用隶属度函数将预测时刻的温度和当日的平均温度进行模糊化处理,减小夏季温度波动性对负荷预测的影响;建立含3层隐藏层的长短时记忆神经网络(LSTM)预测网络,并利用适应性矩估计(Adam)优化算法提高LSTM梯度参数的自适应性学习能力。利用西南某地区2018年6月至8月的实测温度和负荷数据进行验证,负荷预测结果表明,ML-LSTM模型比BP神经网络和支持向量机的负荷预测精度更高,且温度的模糊化处理提高了模型的泛化性。     

基于数据驱动代理模型的城市输电网运行品质调节控制策略

传统电网运行品质调节控制忽略了高压配电网拓扑结构对潮流转供的作用。将高压配电网计入所提城市输电网运行品质调节控制策略中,通过高压配电网的拓扑重构,提升输电网运行品质。通过马尔科夫链蒙特卡洛抽样生成大量高压配电网拓扑数据,计算每种拓扑下的运行品质,包括线路损耗、母线电压、线路负载率和断面负载率。使用深度神经网络拟合高压配电网拓扑和以上输电网状态参数之间非线性关系,生成基于深度神经网络的城市输电网运行品质评估代理模型。该数据驱动代理模型可以实现快速高效的输电网状态评估。之后将数据驱动代理模型嵌入非支配排序遗传算法(NSGA-Ⅱ)的寻优计算中,对高压配电网拓扑结构进行迭代,寻找到能提高城市输电网运行品质的拓扑重构策略。所提算法在某城市电网进行验证,显著提高了城市输电网运行品质。     

基于蒙特卡罗随机选线最优潮流的电压崩溃临界点算法

提出了基于蒙特卡罗随机选线最优潮流的电压崩溃临界点算法.在最优潮流的基础上,融入蒙特卡罗随机选线以及基于负荷预测的负荷正态分布,以系统能够承受的最大负荷为目标函数,对由负荷的不确定性导致的变量随机性建立起相应的机会约束规划,采用非线性规划方法对目标函数进行优化,直接求得满足某一概率约束下的系统最大负荷.以IEEE3机9...     

考虑隐性故障的继电保护重要度分析方法

提出基于电力系统连锁故障风险评估的继电保护隐性故障重要度分析的新方法。首先通过继电保护隐性故障概率模型得到保护设备的隐性故障概率,然后将风险评估理论与母线孤立、负荷失电和电力损失期望3个指标结合,最终建立起电网的Monte Carlo仿真模型,利用继电保护重要度分析方法,得出电网中保护设备引发电网连锁故障的重要度排序。IEEE14节点系统的应用结果证明了该方法的可行性和正确性。     

二次系统隐性故障的多指标综合风险评估

针对二次系统隐性故障可能引发的连锁故障,提出了一种多指标综合风险评估方法。采用马尔科夫状态空间转移方法,求解系统处于不同状态的时变概率及平稳概率。将平稳概率与距离保护相结合,构造反映系统隐性故障的模型。从电网容量、电网用户、电网稳定性3个方面建立电源孤立、负荷切除以及电网解列的风险指标,加权得到反映连锁性故障的综合风险指标。建立了基于蒙特卡洛抽样算法的风险评估体系,并通过具体的算例对多指标风险评估的方法应用进行展示。