超短期风电功率预测及其在安全稳定预警系统中的应用

随着风电穿透功率的不断提高,研究适用于在线安全稳定预警系统的超短期风电功率预测方法,并将其应用于超短期安全稳定校核功能,对于提高电网安全稳定性、提升电网接纳风电能力具有重要意义。基于ARIMA时间序列模型建立了超短期风电功率预测模型。结合在线系统对超短期风电功率预测算法的要求,讨论了白噪声扰动序列在线计算方法,以及模型对不同工况的适应性。探讨了所提方法在在线安全稳定预警系统中的应用功能。以宁夏电网风电场运行数据为研究对象,分三种工况对比了该方法与持续法预测效果,证明了该方法的有效性。     

电力系统的递推自适应超短期负荷预报

几分钟到一小时的超短期负荷预报对电网在线调度、控制有重要的作用。针对超短期负荷预报的特点,引入控制理论中的相关理论原理,将时间序列方法作了改进,并尽可能简单的算法实现了实时超短期负荷预报,经过对地区电网实际计算证明了方法的正确性。     

在线安全预警系统中的网络模型重建

电网在线安全评估和决策需要一个信息完整而且正确、可靠的实时电网模型.电网模型重建是要保证内部电网模型的正确性,同时实现外部电网模型的动态等值及其与内部电网的在线合并.文中采用保留缓冲网络的外网同调等值算法以提高外网等值精度;采用多Qθ节点潮流和灵敏度技术实现内外电网模型的合并,并保证合并前后内网状态不变.利用某大区电网离线数据和下属省级电网的在线数据进行了计算,结果表明该算法在速度和精度上都能满足在线应用的要求.开发的算法和软件模块已嵌入在线安全预警系统中,并在某省级电网投入在线运行.     

基于多数据源的日前预报潮流自动生成方法

针对传统电网日前调度计划安全校核存在计算数据粗糙、结果误差较大等问题,提出了一种基于多数据源的日前预报潮流自动生成方法,以实现日前预报潮流的自动生成,从而提高日前调度计划安全校核工作的精细度和准确度。该方法首先从日前预报潮流计算模型出发,分析了日前电网正常运行方式的参数构成;然后通过多数据源的参数获取和参数拟合,自动生成用于日前预报潮流计算的各类参数,初步形成日前预报潮流计算模型;最后根据联合动态潮流算法对潮流计算模型进行调整,自动生成收敛的日前预报潮流。通过在兰州地区电网检修计划安全校核系统中的实际应用,验证了该方法的收敛性和有效性。     

电力系统的递推自适应超短期负荷预报

针对超短期负荷预报的特点 ,引入控制理论中的相关理论原理 ,将时间序列方法作了改进 ,并用简单有效的算法实现了实时超短期负荷预报 ,经过对某地区电网实际数据的计算证明了方法的正确性     

目标可控的超前频率偏差系数确定方法设计

为实现自动发电控制（AGC）的目标可控性和超前控制,提出了一种应用多目标最优化技术和超短期负荷预报的频率偏差系数确定方法。应用解决多目标最优问题的评价函数法在该算法中引入控制因子,根据决策者的意图人为控制各目标的重要程度;在每个预报周期前运行此算法程序,利用超短期负荷预报的结果提前计算得到使系统运行更加满足某期望目标要求的各区频率偏差系数,形成目标可控的超前频率偏差系数确定方法。最后通过三区域互联电网数字仿真验证了该方法的有效性。     

自适应模糊预测器在电力系统负荷预测中的应用

1 引言。电力系统负荷预报从大的方面来说，可分为长，中和短期长期与中期负荷预报对于新机组安装建设，电网增容和改造有十分重要的意义。而短期负荷预报则是服务于电网的安全与经济运行。从运行的观点来看，负荷预报又可分为短期负荷预报与超短期预报。短期预报指一年之内，按周或天进行预报，而一天之内按小时或几分钟的预报认以是超短期负荷预报。超短期负荷预报常用于对电网进行在线分析与调度控制。     

应用Kalman滤波方法的超短期负荷预报

几分钟到一小时的超短期负荷预报在电网在线控制中占有重要地位。本文将Ｋａｌｍａｎ滤波方法应用于超短期负荷预测，并在预报过程中引入极大似然估计进行模型未知参数辨识，达到了参数估计过程与预报过程的统一。并给出本算法在几个电网中的实际应用情况及算例分析。     

电力系统潮流不可行的在线预防控制

扩展了传统能量管理系统的静态安全分析功能,设计和实现了电网静态安全预警和预防控制子系统.该子系统可连续跟踪电网变化,自动给出电网静态安全水平,并对不安全情况给出预防控制方案.特别是对于预想事故后电网出现的潮流不可行情况,开发了一种基于最小不匹配函数法和连续线性规划的潮流恢复算法,并进行了详细的算例研究.该算法已嵌入在线安全预警和决策支持系统,并实现了分布式安全评估功能.该系统已在某省级电网投运,现场的实际应用表明了该算法的有效性.     

电网负荷在线预报探讨及实施

在调度自动化数据网上实现了电网负荷的在线预报；分析了电网负荷变化规律，对超短期和短期负荷预报进行建模、样本选择，并采集气象台的实时气象资料和气象要素进行直接计算。     

几种负荷预测方法在西藏电网的应用分析

电力负荷预测在电力系统规划和电网运行方面发挥着越来越重要的作用,利用电力负荷预测常用的几种方法（比例系数增长法、线性趋势预测法、弹性系数法、灰色模型预测法）对西藏电网未来几年负荷情况进行了预测,并给出了相应的结论。     

考虑电力市场交易影响的中长期负荷预测方法

市场化改革重构电力行业格局,放开发电计划和售电市场,其引发的自主市场行为比统购统销模式下的发用电行为更加难以捕捉和预测,电网规划面临挑战。为适应新的形势,有必要积极调整电网规划思路,探索创新负荷预测方法。文章从负荷预测的两个方面入手提出改进方法,第一是在中长期负荷预测中考虑加入电价响应的因素;第二是基于负荷分布、电源规划和市场参与者报价的预测结果来模拟市场交易,从而捕捉远期电力市场的分区电力平衡和交易价格水平,反过来修正负荷预测结果。该方法充分考虑了中长期负荷对交易价格的弹性响应,对电力市场环境下的电网发展规划有一定参考价值。     

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。     

风电预测方法与新趋势综述

风力发电作为一种技术成熟、规模较大的新能源发电形式,目前在世界各国得到了广泛应用和发展。风电具有不确定性的特点,必须对其进行准确的预测才能保证并网后电力系统的正常运行。针对风电预测的传统方法和新的研究趋势开展了综述。首先对物理方法、时间序列方法、人工智能方法和组合方法进行了总结,然后针对目前风电预测的几个重要的发展方向:空间相关性预测、集群预测、不确定性预测和爬坡预测的研究进展进行了重点阐述。对现有的风电功率预测方法进行综述后,进一步对这一领域的研究方向进行了展望。     

地区电网短期负荷预测系统的研究

本文根据吉林市电网的实际情况,研究开发了一个地区电网短期负荷预测系统。该系统包括多种负荷预测方法,可以使运行人员根据负荷变化的具体情况选择预测方法或采用几种方法的组合进行加权预测。文中对各种方法的预测结果进行了分析与对比,并在此基础上分析了影响负荷影响精度的主要原因。软件包具有良好的人机界面,实用性强,已在吉林市供电公司运行较长时间,为运行人员的负荷预测工作提供了有力的支持。     

中压配电网中长期负荷预测实践

负荷预测是电力网络规划的基础，预测方法的选择是否合理直接影响负荷预测结果以及电网规划水平。因此，对于具有不同特性的供电网络应采用相应的负荷预测方法，以上海市某10kV供电地区的3个典型地块作为配电网中长期负荷预测研究对象，通过详细分析待预测地块的特点选择合适的预测方法，并给出3个地块2001－2006年的负荷预测结果，从而为中压配电网中长期负荷预测工作提供有价值的参考。     

基于精准气象数据的地区电网短期负荷智能预测系统设计

基于分时分区精细化气象数据,研发地区电网短期负荷智能预测系统,实现功率曲线的日前精确预测。该系统的特点在于将网供负荷分解为多种功率分量的叠加,并针对各功率分量特点和影响因素,提供多种特征选择模式、预测方法以及历史参照日,以提高短期负荷预测的精度、自动化程度和工作效率。     

风功率预测系统在新疆电网中的应用及改进

结合风功率预测系统在新疆电网中的应用情况,就风功率预测系统进行了总结。对存在问题进行了深入研究,找出了其中的不足,提出了新的解决措施,克服了原有系统的不足。对推进风功率预测系统的应用及提高风功率预测系统精度有重要的指导意义,也为有类似问题的风功率系统提供了技术参考及借鉴。     

某市2008～2012年电力负荷预测

首先介绍了几种常用的负荷预测方法及其特点,并且结合某市电网的实际情况,对电网2008～2012年负荷进行了预测。预测结果可为某市电网的规划提供参考。     

基于ARMA-GABP组合模型的电网大停电事故损失负荷预测

损失负荷作为衡量大停电事故风险的重要指标,如何对其进行准确预测对于电网的安全运行具有十分重要的参考意义。选取1981—2016年东北电网和西北电网的大停电事故损失负荷作为实验数据进行分析,为消除电网发展对数据分析产生的影响,采用相对值法对电网大停电事故损失负荷进行处理。根据实验数据的特点,将损失负荷相对值的数据结构分解为线性和非线性残差部分,建立自回归滑动平均(ARMA)模型和遗传算法(GA)优化的误差反向传播(BP)神经网络组合模型,对东北电网大停电事故进行综合分析与预测。将所提模型的预测结果与单一模型和ARMA-BP模型的预测结果相对比,结果表明,所提模型的预测精度更高,预测效果较为理想。为进一步验证该预测模型的有效性,将西北电网大停电事故数据代入预测模型,实验结果表明该预测模型在电网大停电事故损失负荷方面具有良好的预测效果。