组合权重相似日选取方法及光伏输出功率预测

提出一种光伏功率预测方法,该方法利用相似变量的基值点误差,采用组合权重法求取相似误差,确定相似日,然后将相似日的输出功率按不同权重系数加权得到预测功率。根据最小鉴别信息原理,将主观权重和客观熵权有效融合获得相似日选取的组合权重系数,功率权重系数按相似性指标生成。某光伏电站实测数据算例仿真表明,所提方法可选出相似度高的相似日,提高了光伏输出功率的预测精度。     

基于博弈论赋权的光伏功率组合预测模型

针对单一预测方法的局限性,本文采用物理方法和统计方法相结合的预测方法,建立光伏发电功率组合预测模型,并在预测模型中考虑电站的限电及检修计划。采用理论功率法、基于改进相似日的BP神经网络法、基于改进相似日的支持向量机对预测日的光伏功率分别进行预测,通过提出的博弈论组合赋权法来计算各模型的权重。通过某光伏电站的实际数据验证,计算分析了预测误差,结果表明,通过组合赋权法得到的权重克服了单一权重的片面性,使得综合评价更合理、科学,在限电情况下仍具有较高的预测精度,对光伏发电系统的功率预测具有一定的学术价值和工程实用价值。     

基于层次分析法的电力负荷组合预测

为提高电力系统负荷预测的预测精度,提出了一种基于层次分析法的中长期负荷预测组合预测的方法,依据层析分析法中要素权重求取原则,建立了阶梯层次结构,构建两两比较矩阵,分层次对权向量取值,实现了中长期负荷组合预测下各单一负荷预测的总权重的求取,提高了权重求解的准确性;利用组合预测的原理,按照层次分析法中求解出的权重系数,将多个预测模型的预测结果进行拟合,得到组合预测的结果,从而有效减小单一负荷预测中不确定性因素带来的误差,规避各单一预测方法的不足,减少单一负荷预测对电力系统负荷预测的预测风险,提高预测精度。最后利用某县2005-2010年的除大用户用电负荷作为算例进行实例分析并证实了所提方法的科学性、实用性。     

基于AHP负荷预测组合预测方法的权重确定

将层次分析法(AHP)应用到电力负荷预测组合预测的权重求取,通过对影响负荷预测的主要因素进行层次分析,建立递阶层次结构,构造两两比较判断矩阵,分层次展开对优先权向量的求取,经过一致性检验最终确定组合预测的权重。通过实例计算,表明方法准确有效。     

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。     

考虑数据新鲜度和交叉熵的电动汽车短期充电负荷预测模型

研究了公交车充电站短期负荷预测方法,提出了一种基于数据新鲜度和交叉熵的组合预测模型。首先,对公交车充电站的负荷特性进行分析,发现日充电负荷具有波动大、周期性、与气象条件(温度、降雨等)密切相关的特点。其次,对组合预测模型在累积历史预测误差的过程中作了如下改进:1考虑充电负荷样本数据的时间特征和波动性特征,给出了基于灰色关联度的相似日选取方法;2考虑单一模型在预测过程中的精度和稳定度,基于交叉熵和正态分布概率密度函数建立组合预测模型,动态地调整权重系数;3充分考虑数据源的时间有效性,提出新鲜度函数的概念,改善了单一预测方法的概率密度分布函数,进而优化组合预测的权重系数,进一步提高组合模型预测精度。基于北京市某公交车充电站的历史充电数据构建训练样本和测试样本,通过与单一预测模型和其他组合模型的预测结果进行比较,证明了所提组合预测模型的有效性。     

基于有效度遴选和纵横交叉算法的负荷组合预测

针对单一模型预测精度不高的问题,提出了基于有效度遴选和纵横交叉算法的组合负荷预测,新方法有效解决了选择单一模型的随机性和权重难以确定的问题。新方法根据预测有效度筛选组合预测单项模型,然后利用组合模型对小波包分解所得各个负荷子序列进行预测,并采用纵横交叉算法求取各单一模型的权值,最后叠加各子序列预测值得到完整预测结果。实例分析中,以广东省某电网实测负荷数据为例,研究结果表明:基于有效度遴选和纵横交叉算法的组合预测方法可操作性强、通用性好,并明显优于各单项预测模型、等权重组合模型和方差倒数组合模型的预测精度。     

基于动态权值相似日选取算法的短期负荷预测

提出了一种基于动态权值优化的相似日选取算法和灰色GRNN串联组合模型的短期负荷预测方法。采用动态权值相似日选取算法,在考虑不同地区和季节对短期负荷的影响时,引入改进的果蝇优化算法(MFOA),动态调整各因子的权值,增强了相似日选取算法的适应性和有效性。选取出相似日后,采用灰色模型和广义回归神经网络(GRNN)串联组合的短期负荷预测方法,并通过改进的布谷鸟(MCS)算法对GRNN平滑因子进行优化,组合模型改善了单一模型预测精度的稳定性。实例预测结果验证了该方法的有效性。     

功率变换电路电解电容器故障预测方法研究

本文对功率变换电路中电解电容故障预测方法进行了研究,提出了一种基于快速傅立叶变换(FFT)与最小二乘支持向量机(LS-SVM)相结合的故障预测方法。通过对电解电容失效机理进行研究,建立其等效电路故障模型,并选择等效串联电阻(ESR)作为寿命特征参数、输出纹波电压和电容电流作为监测信号;通过FFT对监测信号进行频域分析,计算ESR;利用LS-SVM对ESR回归建模、预测。将提出的方法应用于Buck电路,对电解电容的故障进行预测。实验结果表明,该方法可以准确的对电解电容故障进行预测。     

基于黄金分割法优选的中长期负荷变权组合预测

为了提高中长期负荷预测的精度,避免单一的灰色模型预测和指数平滑法预测精度偏低的缺点,提出了基于黄金分割法优选的自适应变权组合预测方法。该方法首先对灰色预测方法和自适应三次指数平滑法进行了改进,以拟合值与实际值之间的相对误差绝对值之和最小为目标,利用黄金分割法优选出自适应三次指数平滑法的平滑系数,确定最优的三次指数平滑模型,然后以同样的方法确定灰色模型和自适应三次指数平滑法的权重。接着,对原始负荷数据进行新陈代谢,重复利用黄金分割法优选出新的平滑系数和各单一方法的权重,即可得到新的变权组合预测模型。仿真结果表明,所提出的自适应变权组合预测方法切实可行,与单一的灰色模型、三次指数平滑法及等权组合预测方法相比,有效地提高了中长期负荷预测的精度。     

基于波形比较的架空配电线路故障离线定位自动计算方法

现有的架空配电线路在线故障定位方法存在只能确定故障区段的不足,离线故障定位方法则存在故障定位灵敏度低与精度差的问题.针对上述问题,建立高压脉冲冲击线路响应模型,通过分析故障线路电流分布特征与波形差异,提出了一种基于波形比较的架空配电线路故障离线定位自动计算方法.该方法使用高压脉冲信号发生器向故障线路注入直流脉冲信号,以相关系数作为波形相似程度的判别依据,通过分析不同测量点电流波形与基准电流波形的相似性差异,实现了故障定位的自动计算,解决了故障尤其是经高阻接地故障定位灵敏度低的问题.分析了不同磁场测量方式与基准信号参考点的选取对故障定位精度的影响,完善了故障离线定位体系,提高了定位精度.仿真以及实际试验表明,该方法可有效实现故障点的精确定位.     

改进相似度的模糊聚类算法在光伏阵列短期功率预测中的应用

提出一种基于改进相似度的模糊聚类算法的光伏阵列短期功率预测方法,通过通径分析得到气象因子对光伏阵列日发电功率的影响权重。根据各个因子的权重自定义综合了加权相似系数和加权距离系数的统计量-相似度,建立模糊相似矩阵将历史日样本划分为若干类。然后通过分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的气象因素作为预测模型的输入样本建立BP神经网络发电预测模型,并利用差分进化算法对构建的BP神经网络的参数进行了全局寻优。以实际数据对所提模型进行了验证,并与传统的基于相似日选取的光伏功率预测模型进行了对比,结果表明该模型具有更高的预测精度,有利于光伏发电系统并网运行和电网安全经济调度。     

基于布谷鸟-Elman算法的光伏发电预测

提高光伏发电功率预测的精度对于保证电网的安全稳定运行、提高光伏资源的开发和利用率具有重要的意义。文中提出了一种基于天气相似度以及改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型。首先在选取相似日上,提出一种基于距离和角度趋势的相似度计算方法,选出与待预测日相似度更高的相似日。其次,利用改进后的布谷鸟算法对Elman神经网络的权值和阈值进行优化并构建光伏发电短期功率预测模型。最后将文中提出的光伏发电预测模型与传统Elman神经网络模型的预测结果及实际输出值进行比较,结果表明改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型预测精度更高。     

一种改进概率权的短时风电功率组合预测方法

针对风电功率预测组合模型中各模型的权重系数确定的问题,提出一种基于概率权和优化相融合的组合模型权重系数的确定方法。首先利用概率和权数的同质性,对多种单个模型进行优化组合,然后确定单个模型的最优权重系数,最后将组合预测模型改进为动态组合预测模型以提高预测精度。实验测试表明:提出的基于概率权的风电功率组合模型能有效提高短期风电功率预测结果的准确性,而动态权重系数的自适应变化可以进一步增强该方法在风功率预测中的普遍适用性。     

基于相似日和IGA-BP的光伏发电功率预测方法研究

准确预测光伏发电功率有利于并网后电网调度管理,现阶段光伏发电功率预测存在精度较低和对不同天气类型的适应性弱的问题.探索了一种相似日与免疫遗传神经网络(IGA-BP)结合的预测方法:基于天气类型、温度及风速,结合灰色关联度和余弦相似度指标构建气象相似日判别模型;以相似日气象特征向量为输入,建立IGA-BP功率预测模型.利...     

基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测

针对短期负荷预测的精度问题,文中提出基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法。在传统的灰色关联分析方法基础上,引入以距离相似性和形状相近性相关联的综合灰色关联度选取更高相似度的相似日。为缩小训练样本的差异程度,提高预测精度,利用相似日集合中的样本来训练蝙蝠优化的反向传播(BP)神经网络预测模型。以中国南方某城市的历史数据作为实际算例,将文中提出的基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法与单纯的BP神经网络法、蝙蝠优化BP神经网络法、传统灰色关联与蝙蝠优化的BP神经网络组合法的预测结果相比,结果表明文中方法的预测精度较高。     

电阻型超导限流器失超电阻测量方法

针对安装于高压柔性直流电网中的电阻型超导限流器的失超电阻难以测量的问题,提出一种适用于高电压等级下超导限流器的失超电阻间接计算方法。该方法利用超导限流器样机失超电阻易于测量、对试验环境要求相对较低的特点,通过超导限流器失超电阻和其常温电阻之间存在的比例关系,基于热等效原理对超导限流器样机进行交流冲击试验,进而获得样机的失超电阻值;最后通过推算得到了超导限流器的失超电阻值。通过与仿真模型仿真值的对比证明了计算结果的准确性。     

基于粗糙集的光伏输出功率组合预测模型

光伏输出功率预报是减小光伏发电系统并网对电网造成不良影响的有效手段,提高预测的精度是保障光伏功率预报的重要基础。提出了基于粗糙集的组合预测模型。首先建立基于相似日、支持向量机和持续法的3种单一预测模型,然后根据粗糙集理论中确定属性重要度的方法确定单一预测模型的组合权重,建立了基于粗糙集的组合预测模型。仿真结果表明,采用粗糙集的相关理论能得到合理的组合权重,建立的光伏功率组合预测模型具有更高的预测精度。     

计及经济因素的混合模型电量预测研究

精确的电量预测是进行电网规划和建设的重要依据。为解决月度用电量预测方法思路单一、预测模型通用性不强、预测精度低等问题,通过对区域用电量与经济的历史数据研究分析,提出了一种计及经济因素影响的混合模型月度用电量预测方法。该方法将回归分析法和指数平滑法这两种预测方法相结合,建立电量预测模型,取得了较高的预测精度;最后,将本模型运用于浙江嘉兴地区月用电量预测,结果表明,该模型预测平均绝对百分误差为2. 31%,从而验证了该模型的有效性与通用性。