基于因素影响的电力系统短期负荷预报方法的研究

文章深入研究了天气和特别事件因素对电网负荷的影响;建立了因素影响的负荷预报模型;确定了有效的算法;形成了实用化应用软件;并应用取华北地区京津唐电网。实际应用中,该方法提高了短期负荷预报精度,短期负荷预报软件达到真正的实用化水平。     

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。     

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。     

基于负荷预报的区域电网电压无功控制

电网电压无功优化运行自动控制过程中，由于负荷的波动会造成各变电所电容的投切和有载主变分接头调节振荡或者不必要操作。为避免设备不必要的操作，延长设备的运行寿命，在电网电压无功优化运行自动控制的基础上，引入短期和超短期负荷预报技术，在每日开始的时记得预测当日的负荷曲线，划分出高峰、低谷、腰荷时间段，并对每一个状态断面后若干时间(如15min)的电网负荷状况进行超短期预报，实现电网电压无功优化运行与调节设备动作次数的最佳组合，提高系统电压稳定性，降低网损，减少设备动作次数。     

一种简单实用的超短期负荷预报方法

本文提出了一种预测电网未来十分钟负荷的外推方法。该方法简单实用。已在东北电网和华北电网投入在线运行，预测结果准确，是一种具有普遍适用性的超短期负荷预报方法。     

短期电力负荷预报的神经网络法综述

介绍了人工神经网络（ＡＮＮ）在电力系统短期负荷预报中的研究现状，并对目前所提出的各种方法作了评价。在此基础上，对ＡＮＮ技术在短期负荷预报中的应用做出了几点展望。     

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。     

STUDY OF SHORT-TERM LOAD FORECASTING

文章深入研究了天气和特别事件因素对电网负荷的影响;建立了因素影响的负荷预报模型;确定了有效的算法;形成了实用化应用软件;并应用到华北地区京津唐电网。实际应用中,该方法提高了短期负荷预报精度,使短期负荷预报软件达到真正的实用化水平。     

一种简单易行的超短期负荷预报方法

负荷预报一直是电力的一个重要课题,从电网运行的角度,提出并论证了用插值方法进行超短期负荷预测的理论,该方法不像传统方法大量历史数据,从而避免了因数据不准造成的误差。由于这种方法可以在线机上实时进行,因而对实时调度及电网的经济运行具有很大的实用价值。     

电力负荷短期预报数学模型的研究和应用

介绍了一种电力负荷短期预报数学模型，主要包括在平时负荷预报中采用多模型加权组合预报法和模式识别法，在节日负荷预报中采用充分利用历年节日期间的数据信息的模式识别法，通过浙江省电力负荷预报实践，证明提高了预报精度，给出了较好的预报结果     

扩展短期负荷预测的原理和方法

在电力市场环境下，制定和调整当日负荷计划的周期缩短，负荷预测系统需要在留有2h时间裕度的情况下，对当日未知负荷进行重新预测。该文提出的扩展短期负荷预测方法可以满足这种要求，并在文中仔细阐述了该方法的应用背景，理论及概念，给出了实现方案，最后，以实际系统数据说明了该方法的必要性和实用性。     

负荷管理系统功能拓展经验浅谈

负荷管理系统是电力需求侧管理的主要技术手段．它能够使有限的电力资源发挥出最大的社会经济效益。着重描述在供电形势相对平稳的情况下，负荷管理系统的远方抄表、数据分析、在线检查等功能的开发应用，以及在电力需求侧管理和营销服务拓展等方面所进行的尝试。     

基于频率影响因素的低频减载策略

频率稳定是电力系统稳定性的重要内容之一,而现有的分析方法尚不能分析各个负荷对频率的影响。因此,文中将电力系统动能定理和潮流追踪算法相结合,提出了一种频率影响因素分析方法。基于这种分析方法提出了一种低频减载策略,根据故障发电机会减少对负荷供电的特性,构造出负荷切除因子,对特定的负荷进行切除。在IEEE 10机39节点系统中的仿真分析表明,所提出的低频减载方法能够有针对性地切除与故障发电机相关的负荷,有利于频率的快速恢复。     

输电系统风险评估中的分层分级负荷削减模型

负荷削减计算是输电系统风险评估中的关键步骤。为解决目前负荷削减模型还存在的没有考虑无功潮流和节点电压约束、无法考虑负荷类型削减优先级对风险指标的影响等不足,提出了一种分层分级最优负荷削减模型。按负荷类型重要度从高到低依次分层削减负荷,兼顾就近和最优原则,将参与负荷削减的节点限制在一定分级范围内,减小计算规模。IEEE-RTS6算例表明,所提出的模型在保证准确性的前提下,相比传统方法能够极大减少重要负荷的削减次数和电力不足期望,更符合系统实际运行要求,并一定程度上减少计算时间。     

江苏电网低频低压减负荷优化配置研究(一)——研究方法与动态模型参数的获得

低频低压减载是保证电力系统安全稳定运行的第三道防线。比较了传统的单机单负荷简化模型法与全过程时域动态仿真分析法,说明在当前系统元件模型与参数辨识的精度、电网数据记录的频度与精度都大为提高的情况下,采用全过程时域动态仿真分析法具有明显的优越性。通过对实际故障的仿真分析,拟合出适合江苏电网动态过程分析的模型参数。     

基于遗传优化的非侵入式居民负荷辨识算法

负荷在线监测能够为电网及用户提供即时的用电信息,是支撑能效管理和负荷预测工作的有效手段。传统监测方法采用侵入式设计,难以大范围推广应用,因此非侵入式负荷监测方法(NILM)具有重要研究意义。负荷辨识是非侵入式负荷监测的关键,以典型居民负荷的特性分析为基础,提出了一种基于遗传优化的非侵入式居民负荷辨识算法。该算法基于负荷设备的负荷特性,包括有功功率和电流有效值,利用三种不同的编码方法构造判断负荷运行状态的适应度函数,通过遗传算法寻优,最终确定居民负荷的工作状态,并通过实测数据进行验证。实验结果表明,该算法能够实现居民用户负荷状态的有效辨识,且算法收敛速度较快,准确度高。     

基于DSP的互感器二次负荷在线测试仪的研制

介绍了一种能够在线测试电力互感器二次负荷的新颖便携式智能仪器。系统采用数字采样测量法测量交流电气参量并以数字滤波和DSP技术为核心保证了系统的测量精度。该仪器为用户在线测试PT、CT二次负荷提供了极大的方便。     

基于STM32的程控直流电子负载设计

从程控直流电子负载的整体设计方案入手,采用STM32F103VCT6作为中央控制器,运用多通道AD技术对多路并联的MOSFET上的电压及各支路电流进行实时监测,控制工作在线性状态的MOSFET上的电流,以实现电子负载的恒流、恒压、恒功率和恒电阻4个功能。详细研究了MOSFET寄生电容引起的自激振荡及消除方法以及PI调节器、滤波器的设计,提出了一种提高多路MOSFET并联的电子负载的稳定性的方法。针对所提出的电子负载设计方案制作了实验样机,并对其进行了测试、分析和再优化。仿真和实验结果证明,所设计的电子负载具有较高的稳定性,有效抑制自激振荡,最大耐流30A,耐压90V,最大功率150W。     

Clustering based day-ahead and hour-ahead bus load forecasting models

The importance of Short-Term Load Forecasting (STLF) in power systems planning and management is reflected by the plethora of the related researches. STFL is a popular technical field in the power systems community and already counts many years of research activities and applications. The vast majority of the studies focus at the aggregated system load. Little attention is placed at small size loads, i.e. in buses of the transmission and distribution systems. Since there is a continuous advancement of smart grids technologies involving small size loads, bus STLF is a potentially important tool in smart grid applications. In contrast to system load, bus load presents a high level of stochasticity. Thus a robust forecaster should be able to capture and simulate the attributes of bus loads. The scope of the study is to develop bus forecasting models for day-ahead and hour-ahead load predictions. The models are based on Artificial Neural Networks (ANNs). Using a clustering methodology, the forecasting accuracy of the ANNs is enhanced leading to the formulation of hybrid forecasting models that are characterized by high level of parameterization and efficiency. The developed models are tested on a set of buses covering urban, sub-urban and industrial loads.     

采用抛载法测量水轮发电机参数

抛载法是在发电机运行状态下测量发电机参数的一种方法,所测参数考虑了发电机饱和因素,为电力系统计算、分析提供了更精确的数据。通过在一台水轮发电机上采用抛载法实测其发电机的定子开路参数,介绍了抛载法的原理及试验注意事项。