虚拟母线技术及其应用(二):虚拟母线负荷预测

与系统负荷不同,母线负荷水平较低,波动性强,规律性弱,可预测性差,引入虚拟母线技术有利于提高母线负荷预测的工作水平与预测精度。在电网中存在一些紧密联系的连通的局部网络,其内部各母线对关键断面具有相同或相近的发电机输出功率转移分布因子(generation shift distribution factor,GSDF),同时其内部母线的负荷曲线具有一定的相似性,这些母线所组成的连通局部母线组为虚拟母线。根据虚拟母线概念,提出一种新颖的聚类预测方法:虚拟母线负荷预测方法;对虚拟母线负荷预测与独立预测的精度进行了比较,分析了预测误差的形成机理,提炼出预测误差的数学表征;针对虚拟母线聚类判据对于提高预测精度的有效性进行了分析;采用河北南网的实际数据验证了虚拟母线负荷预测方法的有效性。     

虚拟母线技术及其应用(三):静态安全校核方法

母线负荷预测将为静态安全校核提供重要的节点负荷数据。然而,在工程实际中,随着电网规模的不断扩大,其N-1/N-2校核场景出现了几何级数式的组合增长,也增加了每个校核场景计算的复杂度。虚拟母线是电网中存在一种紧密联系的连通局部网络,利用虚拟母线技术可以预先辨识起作用场景,在解决静态安全校核计算复杂度上具有显著的效果。为此,面向关键断面这一重要的电网安全特征,从电网中辨识出若干个虚拟母线,基于划分好的虚拟母线,筛选出相应的影响线路与波及线路,并构建紧急线路集;对此集合的线路实施静态安全校核。河北南网的算例结果表明,基于虚拟母线的静态安全校核算法可以在很大程度上提高静态安全校核的计算速度,适应工程实际需要。     

青海电网母线负荷预报软件功能的应用

电网母线负荷预测是分析和计算电网各节点电力需求的技术支持功能,是制定电力系统运行方式的重要依据,精确的母线负荷预测是合理安排生产调度计划,保证电力系统安全、经济运行的前提和保障。文章从青海电网运行控制和安全防御系统的母线负荷预报软件的需求入手,论述了母线负荷预报软件模型及软件的主要功能,分析了影响母线负荷预报预测准确性的因素并提出了对策。     

基于分配因子和信息熵的母线负荷组合预测模型

负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求。因此,母线负荷预测是解决这一问题的关键途径。然而,系统内母线数量庞大,负荷基数小,特性各异,波动性强,给母线负荷预测工作带来了困难。本文研究了母线负荷预测模型,根据实际电网情况提出了负荷分配因子的概念及预测思路;充分考虑历史数据的有效性,采用日特征量和趋势相似度综合选择相似日,并提出基于信息熵的变权重组合预测方法,提高各类型负荷预测精度;结合类型负荷预测结果和负荷分配因子,最终得到各条母线的预测结果。采用某区域电网负荷进行实例验证,结果表明,本文所建立的预测模型具有良好的预测精度和稳定度。     

基于数据驱动的母线负荷特性分析

深入分析母线负荷的特性对于提高负荷预测精度,评估电网的安全性和稳定性,辨识需求响应潜力等具有重要的意义。有别于传统的负荷率、峰值出现时刻等指标,提出了一套基于数据驱动的母线负荷特性分析方法。在对母线负荷进行数据清洗、标幺化处理的基础上,利用基于马氏距离的聚类算法对每日母线负荷曲线进行聚类分析;在此基础上,从不同维度提出和采用了模式切换熵、相对波动率、日平均负荷、温度敏感度等4个指标作为凸显母线负荷差异性的评估标准;最后根据提取的特征,利用K最邻近算法对母线负荷进行分类。对广州130条母线负荷数据进行了算例仿真,结果表明所提出的指标能够较好地刻画母线负荷特性,并能取得较好的分类效果。     

母线负荷预测的实用算法

母线负荷预测是制定电网运行方式的基础,预测的精度将直接影响到后续安全校核的分析结果以及电网输送能力的计算和运行方式的安排。综合考虑母线负荷的特点,根据历史样本数据类型,考虑天气、节假日、企业生产变化、母线负荷的转供等因素,提出一种新的母线负荷预测的实用算法。所提方法基于相似日的模式匹配原则,依照与待预测日模式的相似度大小确定其间的分配系数权重,进而预测母线负荷。通过Matlab对一实际电网进行仿真,结果证明了所提方法的精确性和实用性。     

母线负荷预测的实用算法

母线负荷预测是制定电网运行方式的基础,其预测的精度将直接影响到后续安全校核的分析结果以及电网输送能力的计算和运行方式的安排。综合考虑母线负荷的特点,根据历史样本数据类型,考虑天气、节假日、企业生产变化、母线负荷的转供等因素,提出一种新的母线负荷预测的实用算法。所提方法基于相似日的模式匹配原则,依照与待预测日模式的相似度的大小确定其间的分配系数权重,进而预测母线负荷。通过MATLAB对一实际电网进行仿真,结果证明了所提方法的精确性和实用性。     

青海电网母线负荷预测的省地一体化实现

青海电网母线负荷预测功能充分考虑电网特性,实现了＂自上而下＂的省地一体化母线负荷预测,达到了省地联动,省地调共同参与母线负荷的预测和管理,形成了＂省调预测、地调修正＂的工作模式。文章介绍了母线负荷建模及命名规范,阐述了青海电网母线负荷预测的方法及其省地一体化功能的实现。     

基于LSTM的钢铁工业地区母线短期负荷预测研究

当地区电力负荷中光伏电站并网和钢铁冲击性负荷占比较大时,不仅威胁电网的安全稳定,也会对电力系统的短期负荷预测造成显著影响。通过分析钢铁冲击性负荷的影响因素,提出一种基于深度学习算法的长短期记忆(Long Short-term Memory,LSTM)神经网络分别对钢铁冲击负荷不同占比下的母线负荷序列进行预测。实际计算结果表明:LSTM应用于钢铁工业地区母线短期负荷预测时,能够有效提升预测精度。     

基于多因素影响的母线负荷预测系统设计及应用

准确的母线负荷预测可为经济调度和节点电价计算提供可靠的保障,为此提出了基于多因素影响的母线负荷预测系统。基于对影响母线负荷预测准确率因素的研究,介绍了系统设计结构和数据库设计内容。预测系统在某地区电网中得到应用,并获得了可靠的预测结果,这表明系统具有易用性、实用性的特点。     

母线负荷预测在宁夏电网中的应用

宁夏电网母线负荷预测系统充分考虑电网特性,采用模式匹配算法,同时考虑了机组检修、小机组出力、气象条件等多种因素对预测结果的影响,使调度计划方式科学化,且预测结果满足各项考核指标。     

基于数值天气预报的母线负荷综合预测模型

母线负荷预测是电网安全校核和编制发电调度计划的基础。基于母线负荷历史数据和数值气象数据,通过相关性分析将母线负荷进行分类,提出了一种基于数值天气预报的BP神经网络母线负荷预测方法。进而以倍比平滑法和基于数值气象数据的BP神经网络法为基础,建立了分时段变权重的综合预测模型。对烟台地区的母线负荷预测结果表明,所提出的母线负荷综合预测模型有效地提高了预测准确率,对含大规模风电接入电网的输电设备安全校核具有重要的实用价值。     

支持安全校核的母线负荷预测系统在湖南电网中的应用

根据湖南电网负荷特性与调度的实际需要,支持安全校核的母线负荷预测系统已在湖南电网正式运行.该系统采用先进的B/S结构,充分考虑了气象要素、日类型、小电源等影响母线负荷变化的主要因素进行母线负荷预测,不但满足各项考核指标的要求,而且为发电计划的安全校核与调度的精细化管理提供数据支持.     

福建电网母线负荷预测技术及管理措施研究

阐述了福建电网母线负荷预测工作特点、难点,提出了母线负荷预测技术支持系统的建设要点及业务管理措施,介绍了母线负荷预测在福建电网的应用成果。     

基于最优交集相似日选取的短期母线负荷综合预测

准确的短期母线负荷预测是实现节能降耗与调度精细化管理的基础,提出一种基于最优相似日选取的综合预测方法。利用改进的聚类分析算法,得到历史标幺曲线的形状相似集与特征曲线。通过构造反映数据点性质的横向及纵向特征向量矩阵,辨识出坏数据并进行调整。计算日特征相关因素对负荷水平的影响,并将各因素的重要程度加权于模糊目标函数,得到目标日的负荷水平相似集。建立各类形状相似集的判别函数,并将目标日归类。对待预测日的负荷水平与曲线形状相似集,取两者的交集作为相似日选择结果。以该交集中与目标日日期差最小的样本为虚拟预测对象,计算综合预测中各算法的权重。实例分析表明,所提方法可有效改善原始数据的质量,提高母线负荷预测精度。     

基于XGBoost与Stacking模型融合的短期母线负荷预测

母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数。通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性。     

基于改进BP神经网络的母线负荷预测

分析了母线负荷预测的特点,研究了母线负荷预测与系统负荷预测的异同;并且分析了BP神经网络在寻优能力、计算时间等方面存在的问题,提出了一种自动调整学习率的改进BP神经网络算法,用于开展母线负荷预测;某实际电网4条母线的负荷预测结果表明,本文提出的改进算法效果理想,可以作为母线负荷预测的可靠方法。     

粗糙集法解多环境因素影响的母线负荷预测问题

母线负荷的环境因素众多且影响关系复杂,综合考虑所有属性会引入无关随机信息,降低预测精度。为此,提出了考虑多环境因素的母线负荷预测粗糙集(rough set,RS)方法,采用快速属性约简算法(fast attribute reduction algorithm,FARA)确定对母线负荷影响较大的条件属性;基于概率规则导出决策规则集;通过距离度量法匹配规则,从而实现母线负荷预测。将所提方法应用于预测广西某地区电网220 kV母线有功负荷,结果表明该方法能从母线负荷预测的历史数据样本挖掘出有益预测规则,具有较高的预测精度。     

克服母线差动保护汲出电流的对策

针对母线比率差动保护的大差元件在区内故障有汲出电流情况下,由于元件动作灵敏度下降可能导致保护整组动作速度减慢或拒动的问题,提出了改进判据及具体实现方案。首先,分析了对于双母线及双母线双分段接线形式母线汲出电流对常规母线保护的影响。然后,提出了新型比率差动判据中制动电流的计算方法,并分析了区内、区外故障时新判据的特性。最后提出了与小差元件配合的具体实现方案,并通过动模实验验证了算法及方案的有效性。     

低秩矩阵分解在母线坏数据辨识与修复中的应用EI北大核心CSCD

母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。