基于改进支持向量机算法的光伏发电短期功率滚动预测

光伏发电具有明显的波动性与随机性,对其短期功率进行预测可以更准确地实现电网能量管理和运行调度。首先提出了一种基于粒子群优化支持向量机算法(PSO-SVM)的光伏发电短期功率滚动预测模型;通过寻找相似日,以相似日的实际功率和预测日的天气数据作为模型的输入量,对次日一天的发电功率进行预测;再以次日的实际输出功率与预测功率进行滚动对比,当预测点不满足给定预测精度时,以当日实测数据对后期预测点的功率进行修正预测。仿真算例表明所提光伏发电短期功率的滚动预测模型可以更精确地实现功率预测。     

结合改进PSO算法和LSSVM的化工异常工况超早期监测预警研究

针对化工过程采样间隔短、动态性强,短期参数预测不能有效地为现场人员提供充足的操作时间,提出了结合改进粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的异常工况超早期监测预警方法。采用最小二乘支持向量机对归一化处理后的过程数据进行训练,利用改进的粒子群优化算法对最小二乘支持向量机中的核参数和惩罚因子进行快速精确地全局寻优,得到优化的预测模型。在丙烷塔的超压异常工况超早期监测预警案例分析中,能够准确地对未来500 s内的过程数据进行预测,并比DCS系统提前40 s发出异常报警,相比于最小二乘支持向量机预测模型和标准粒子群优化的最小二乘支持向量机预测模型,所提方法有效降低了预测误差。     

基于PSO优化LSSVM的短期风速预测

为了提高风电场风速短期预测的精确性,提出了基于粒子群算法优化最小二乘支持向量机的预测方法。首先求出风速时间序列的嵌入维数和延迟时间,进而对混沌风速时间序列进行相空间重构。利用粒子群算法对最小二乘支持向量机进行参数优化,然后利用优化后的最小二乘支持向量机模型对相空间重构后的风速时间序列进行预测,预测结果表明基于粒子群优化的最小二乘支持向量机的预测效果满足了精度要求。同时运用了支持向量机和BP神经网络模型进行预测,仿真结果表明,基于粒子群优化的最小二乘支持向量机预测方法具有预测精度高,预测速度快的优点,因此具有很高的工程实际应用意义。     

基于MCS-PSO算法的邻近海岛多微网动态调度

新能源发电与微网技术的发展,为远离主电网的海岛等偏远地区提供了经济、环保的电能。大电网区域互联运行,可以有效地提高电网安全水平和供电可靠性。鉴于此,文中提出了离网型邻近海岛多微网联合运行的方案,在发电预测与负荷预测的基础上,基于可靠性与经济性指标建立了多微网运行的不确定性优化调度模型,并通过结合蒙特卡洛模拟的粒子群优化(MCS-PSO)算法求解。为提高调度计划的精度,采用了滚动更新的动态优化调度,算例验证了所提出调度策略的有效性和合理性。     

含微电网的主动配电网负荷预测

负荷预测是配电网规划的重要环节,是网架规划重要计算依据。针对大量分布式电源和微网并入主动配电网,采用支持向量机技术,建立完备的负荷预测模型,并基于粒子群优化算法对支持向量机的一些关键参数优化选择,提出适用于含微网的主动配电网的负荷预测方法。首先对微电网并入主动配电网的结构做了详细说明,通过支持向量机SVW技术,建立负荷预测的非线性回归方程,然后基于粒子群优化算法对支持向量机关键参数写出具体优化思想和迭代过程,最后将提出的负荷预测方法应用于光伏发电示范新区来显示它的效果。     

基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法

针对微电网中光伏发电短期预测难度大的问题,从新的空间角度提出一种直接考虑微电源间能量关系的组合预测方法。使用思维进化算法优化BP神经网络、粒子群算法优化支持向量机和基于单隐层前馈网络极限学习机分别进行预测,方差-协方差权值动态分配法来组合预测结果。并对单天预测和滚动预测,提出一种粒子化自组织特征映射网络相似日聚类,结合最小二乘法拟合等权平均输出的综合预测体系。实际实验表明,该方法具有互补性强、灵活度好和准确性高等优点,可为微电网优化调度提供技术参考。     

基于支持向量机的梯级水电站群中长期调度计划制定及评价

针对国内外水电站实际调度水平与优化调度理论间差距普遍较大的现状,基于确定性优化调度成果,运用支持向量机理论建立了水库水电站实际运行的中长期调度计划,以提高水电站实际运行调度水平.结合决策变量与相关因子筛选、训练样本与预测样本划分、模型参数优选等技术处理,将调度计划应用于金沙江-长江中游水电站群中的4座月调节性能以上水电站,预测结果表现出了良好的拟合精度.进一步模拟调度计划,指导梯级水电站群长系列调度运行,结果表明,模拟运行较好地继承了确定性优化调度在发电量、发电保证率及发电过程方面的效益,证实了该方法的可行性和有效性,为梯级水电站群实际优化运行提供了有力的技术支撑和决策支撑.     

基于QPSO-LSSVM的风电场超短期功率预测

准确预测风电场的发电功率,有利于电网的经济和安全调度。为提高风电场超短期功率预测的精度,建立了基于最小二乘支持向量机（LSSVM）的风电场超短期功率预测模型,并采用量子粒子群算法（QPSO）对LSSVM中影响回归性能的参数进行优化。通过对福建某实际风电场超短期功率预测的应用表明,与BP神经网络和QPSO-LSSVM的预测结果相比,QPSO-LSSVM预测模型多种误差指标均较小,具有较高的预测精度和鲁棒性,是一种有效的风电场超短期功率预测方法。     

基于粒子群优化支持向量机的电能替代潜力分析方法EI北大核心CSCD

"电能替代"战略可以在终端能源消费环节实现电能替代散烧煤、直燃油,最终实现能源发展方式的根本转变。为提供面向电源、电网、产能规划的理论指导,提出了基于粒子群优化支持向量机的电能替代潜力分析方法。基于多维度数据定义电能替代发展的主要影响因素,通过支持向量机实现影响因素与累计电能替代量的拟合分析,并对于支持向量机参数选择进行粒子群优化,实现了对累计电能替代量的有效预测。仿真结果表明,上述方法能够显著提升预测精度,对于支持电能替代的潜力分析具有一定的指导意义。     

运用PSO-LSSVM模型的城市供电可靠性预测

传统的可靠性预测方法需要配电网结构和元件可靠性指标历史数据十分准确,难以实现对城市配电网规划供电可靠性指标的预测。为此,提出一种将PSO-LSSVM(基于粒子群优化的最小二乘支持向量机)模型应用到城市电网供电可靠性预测的方法。首先通过分析影响城市供电可靠性的因素得出主要特征量;然后将这些特征量的历史数据作为输入样本,利用粒子群优化的最小二乘支持向量机方法进行建模;最后利用建立好的模型预测规划目标年城市电网供电可靠性指标。对某省多个城市电网的应用结果表明,该方法是可行且有效的。     

考虑新能源不确定性边界的主动配电网优化调度

为促进配电网中新能源的充分消纳同时兼顾调度方案经济性,对新能源发电特性进行了分析,并构建了考虑新能源预测误差分布特性的潜在期望风险评估模型。在满足主动配电网中各个机组单位运行约束的前提下,建立了内嵌新能源不确定性边界优化的主动配电网优化调度模型,并提出了一种改进粒子群优化算法与分支定界算法相融合的双层混合优化算法,以有效地求解所建含变限积分的混合整数非线性规划模型。算例结果表明,与现有主动配电网确定性和鲁棒动态经济调度方法相比,所提基于最优新能源不确定边界方法可以合理权衡调度方案运行的经济性和潜在风险,取得更优的总成本。     

面向智能电网的安全防护体系

对“三道防线”的安全防护体系进行了论述,通过对智能发电、变电、输电、调度、通信及广域测量等智能电网支撑技术的分析,对智能电网新技术条件下“三道防线”进行了扩展。智能预防控制通过“风险预警、预测校核”方式在线优化电网运行方案,将防御体系进行有效的“关口前移”;智能紧急控制通过“在线计算,实时控制”方式实施全局闭环控制策略,电网维持稳定运行能力得到增强;智能恢复控制通过“预设方案、滚动优化”方式加速电网恢复过程,有效减少停电时间和经济损失。     

计及源荷双侧不确定性的跨区互联电网源网荷协同调度

日益完善的跨区互联结构、大规模间歇性新能源并网以及负荷侧参与调度能力的提升对电网调度提出了新的挑战,因此研究了源荷双侧不确定和可调度情况下跨区互联电网的协同调度问题。首先,以当前国内跨区互联电网的分层调度架构为基础,构建了计及联络线的跨区互联电网源网荷协同调度模式;然后,考虑到不确定性因素对系统约束条件和调度目标的影响,基于随机机会约束规划建立了该调度问题的基础优化模型。最后,考虑到基础模型存在寻优求解困难等方面不足,进一步提出了上层火电机组启停/联络线功率,下层火风光机组出力及柔性负荷调度量的改进分层优化模型,并采用2类粒子群算法分别对上下层模型进行求解。对不确定环境下的所得调度计划进行了分析,验证了所建分层优化模型的合理性以及求解方法的有效性。     

光伏光热联合发电基地并网优化调度模型

太阳能能源基地建设正在从单一光伏发电向光伏光热等多种太阳能能源利用形式方向发展。借助光热电站的大容量储热装置和具备快速爬坡速率的汽轮机组,光伏光热联合发电基地的并网运行的可调度性和可控性大大提升。从光伏光热联合发电基地的运行机理出发,建立了基于改进粒子群算法的光伏光热两阶段优化调度模型,第一阶段以削减等效负荷峰谷差、改善负荷曲线为优化目标,第二阶段以发电总成本最小为优化目标。该模型满足光伏光热电站的主要运行约束和传统机组组合安全约束,适用于光伏光热联合发电基地并网调度运行。对10机系统的仿真表明,在完全接纳太阳能发电的前提下,光伏光热发电基地在削减等效峰谷差、提高新能源消纳和降低发电总煤耗效益显著,同时对于光热电站的灵敏度分析表明,在规划建设光热电站时可根据单位峰谷差削减量以及建设成本来选择合适的装机容量和储热装置容量。     

含风电场与电动汽车充换电站的电力系统经济调度

在分析风电和电动汽车发展形势的基础上,提出将电动汽车充换电站视作储能电站引入电网调度,为含有风电场的系统提供备用.通过对风电出力和充换电站可用容量的预测,考虑风电和充换电站建立经济调度模型,提出模型优化策略,并采用粒子群优化算法（PSO）求解.通过算例验证了模型和算法的正确性和有效性.     

基于改进LS-SVM的短期电力负荷预测方法研究

针对电力负荷随机性强、稳定性差、预测精度不理想等问题,提出了一种基于粒子群优化PSO和最小二乘支持向量机LS-SVM的短期负荷预测方法。模型的输入因子是负荷数据和气象信息等。粒子群优化算法用于实现支持向量机参数的自动优化,建立了基于粒子群优化的最小二乘支持向量机短期负荷预测模型。通过仿真验证了改进前后预测模型的准确性和有效性,结果表明,改进的预测方法具有收敛性好、预测精度高、训练速度快的优点。本研究为我国短期负荷预测方法的发展提供了参考和借鉴。     

多时序协调的发电调度系统开发与应用

传统"日前调度计划+AGC控制"的调度模式,时间跨度大,精细化程度低,不仅给调度人员造成沉重的工作负担,更给电网安全稳定运行埋下隐患。针对上述问题,从时序上进行扩展,增加滚动计划与实时计划两个调度环节,提出了"日前调度计划+滚动调度计划+实时偏差调整+实时校正控制"的多时序协调调度计划模式,开发了相应的支持系统,并在贵州电网进行了推广应用。该系统有效降低了调度人员值班过程中对机组出力调整的工作量,提升了电网运行的可靠性和调度业务的精益化水平。     

分时电价下考虑源网荷各侧收益的风电消纳模型

风电的快速发展,系统调峰能力的不足已造成传统调度方式下风电消纳受限,弃风现象严重。采用峰谷分时电价调整用户削峰填谷,降低负荷低谷时段风电弃风。在深入研究分时电价实施机制的基础上,综合考虑发电侧、电网侧、用户侧利益,建立了风电并网量最大、发电侧收益、电网侧收益最大化的多目标风电消纳模型,并采用粒子群算法对模型进行求解。仿真结果表明该模型既能实现源网荷各侧获利,又能提高系统接纳风电能力,实现多方共赢。     

基于粒子群优化支持向量机的变压器故障诊断

针对基于DGA的变压器故障诊断方法在变压器故障诊断中存在的不足,提出了基于粒子群优化支持向量机的变压器故障诊断方法。建立支持向量机分类机的变压器故障诊断模型,并用粒子群算法优化参数,利用libSVM工具箱在MATLAB软件平台上训练支持向量机分类机,用训练良好的支持向量机诊断110kV立星变电站变压器故障状况。结果证明,采用基于粒子群优化支持向量机的变压器故障诊断结果与实际相符。此方法能够提高变压器故障诊断的准确率。