混沌神经网络理论在负荷建模中的应用

针对现代电力系统条件下系统稳定性对负荷建模的新要求,分析了电力系统中的混沌现象和传统建模方法的不足,将混沌神经网络理论引入到负荷建模的研究中,提出了利用混沌神经网络理论进行负荷模型参数辨识的数学模型和算法。     

电力系统负荷建模理论与实践

从电力负荷对系统暂态稳定、静态稳定、电压稳定、系统阻尼的影响等方面分析了电力负荷建模的要求,综述了现有的电力负荷模型结构、参数辩识方法,介绍了国内外电力负荷建模的实践,对电力负荷建模今后的研究提出了４点建设性意见。认为在现代电力系统中,必须立足本地区系统和负荷的实际情况,开展负荷模型实测工作。     

考虑负荷时变性和动态补偿的电力系统负荷建模

负荷模型的准确性对电力系统稳定性分析和控制有重要影响。由于电力系统负荷的时变性,常规的负荷模型难以准确描述真实负荷的动态特性。基于成都某变电站故障录波仪的实测数据,采用时变自适应的负荷模型（TVA负荷模型）,对成都某大区负荷进行了建模。根据仿真结果,对TVA负荷模型结构做了改进,在模型结构中增加了动态补偿环节。根据实测的数据,改进的负荷模型仿真结果明显更接近于真实的负荷,验证了动态补偿环节的有效性。     

混沌神经网络负荷建模的理论研究

负荷建模在电力系统稳定分析中起着十分重要的作用。在现代大电力系统条件下，系统稳定性对负荷建模提出了新的要求。该文介绍了电压稳定分析领域的静态负荷模型和动态负荷模型；在基于对电力系统中混沌现象的研究基础上，分析了传统建模方法的不足之处；阐述了将混沌理论引入神经网络算法后算法的特点并将其应用到负荷建模的研究中，建立了利用混沌神经网络理论进行负荷建模的研究中，建立了利用混沌神经网络理论进行负荷模型参数辨识的数学模型和算法，给出了利用该算法进行参数辨识的步骤。分析表明，混沌神经网络逄法可以大幅提高负荷建模的准确度。     

电力系统负荷预后的动态建模新方法

本文提出了一种电力系统短期负荷预报的新算法。该算法首先利用模糊技术对历史负荷数据进行平滑处理，再根据平滑处理的负荷数据，分别建立了负荷变化的趋势项和波动项动态模型并作出预报，最后利用模糊综合评判的理论，考虑天气，假日等因素对负荷的影响，对预报值进行调整。该算法可实现提前１－２４上时的小时级负荷预报。     

一种改进遗传算法及其在负荷建模中的应用

在基于量测的电力负荷建模中,模型参数辨识结果的分散性是困扰模型应用的难题,其解决途径之一是在确定合理的模型结构和进行合理的时变性综合前提下,采用具有全局寻优特性的优化算法。遗传算法是一种具有全局寻优能力的随机搜索算法,但其本身存在收敛速度慢和易早熟的缺陷。为此,提出一种改进的遗传算法,它包括精英策略,交叉策略和移民策略,具有克服早熟、避免近亲繁殖和自适应的优良特性。建模实例表明,提出的改进遗传算法在精度、参数稳定性和计算时间上都远远优于基本遗传算法。     

负荷动态模型集结

对电力系统动态负荷模型的集结进行了探讨和总结。考虑到噪声的未知特性,用辅助变量法对实测的负荷数据进行参数估计。并提出了用于三种情况下的基于参数辨识的模型集结方法：同一母线负荷模型集结,考虑线路阻抗的负荷模型集结和利用典型负荷模型参数集结。     

电力负荷建模研究的发展趋势

针对目前电力系统负荷建模的现状,指出电力负荷建模研究的发展趋势.在地域规模方面,从节点负荷建模向广域负荷建模发展;在负荷内涵方面,从纯粹负荷建模向广义负荷建模发展;在适用范围方面,从小范围负荷建模向广谱负荷建模发展;在建模方法方面,从单个负荷建模方法向综合负荷建模方法发展;在数据来源方面,从单个数据来源向综合利用各种数据发展.给出了一些具体的负荷建模研究的思路和建议.     

电力系统负荷建模中的小波神经网络新技术

电力系统负荷建模对电力系统规划，运行和控制决策起着关键的作用，讨论了负荷建模的基本方法，以及电力系统负荷建模和参数辨识中的小波神经网络新技术，反映了小波变换在系统负荷建模中的应用前景。     

遗传策略的综合改进及其在负荷建模中的应用

研究了遗传操作和控制参数选择对遗传算法性能的影响,设计了解群选择的随机-精英策略、避免近亲繁殖的双断点交叉策略和交叉与变异概率的自适应调整策略,提出了一种综合改进型遗传算法并成功地应用于基于实测参数的负荷建模。算例表明,该算法改善了进化过程中的种群多样性和早熟现象,对加速收敛、缩短辨识时间、克服模型参数分散性、提高辨识精度均有显著作用,适用于负荷建模。     

负荷建模研究现状综述

对电力系统负荷建模研究的现状进行了总结和评述，并介绍了作者对负荷建模进一步研究的一些初步思路，内容包括基本概念，负荷建模研究的重要性，模型结构选择和参数辨识，负荷特性的时变性和进一步研究的思考。     

电力系统负荷预报的动态建模新方法

本文提出了一种电力系统短期负荷预报的新算法。该算法首先利用模糊技术对历史负荷数据进行平滑处理，再根据平滑处理的负荷数据，分别建立负荷变化的趋势项和波动项动态模型并作出预报，最后利用模糊综合评判的理论，考虑天气、假日等因素对负荷的影响，对预报值进行调整。该算法可实现提前１～２４小时的小时级负荷预报。     

面向综合的电力负荷动特性建模

针对目前负荷动特性建模中存在的问题,提出了负荷建必须面向综合的观点,给出了综合的方法,并结合１９９６年沧州地区现场实测数据分析了负荷组成昌变系统中综合的可行性和有效性。建模实践表明：负荷动特性综合对于解决目前负荷动特性建模中存在的问题,建立适用于仿真计算的负荷模型有着非常重要的作用。     

负荷恢复模型对电压无功稳定性的影响

提出并建立了动态负荷恢复模型，并在电压稳定分析软件中加以应用和验证，发现动态负荷 的恢复的确是影响电压发生崩溃的重要原因之一。由于文中只是对动态负荷恢复模型作理论 上的分析和研究，所以对模型中参数(即Tpr、Tqr)取的是典型数 据。     

Prony算法在电力系统负荷动态模型辨识中的应用研究

提出了电力系统负荷动态模型辨识的Prony算法，给出了该算法所需要的Prony模型，并对传 统Prony算法进行了发展。实际算例的数值试验结果显示了该算法对于负荷动态模型辨识的 有效性和准确性。     

电力系统负荷扰动数字特征的研究

利用现场录波数据，对电力负荷随机扰动的数字特征进行了系统地研究。为消除记录装置本身可能造成的干扰，首先完成了不良数据的剔除和高频干扰的滤波，然后分别对有功、无功负荷随机扰动的均值、均方差进行计算，对序列的平稳性、正态性进行了讨论分析，指出扰动序列相关函数、谱密度等方面的特点及其对负荷建模的影响。     

高压直流输电的采样数据动态建模

传统的高压直流输电(HVDC)准稳态模型不能准确描述换流器开关电路的动态特性，故运用采样一数据建模方法建立了HVDC主电路在d-q参考坐标下的小信号线性化模型：每隔1／6工频周期对系统进行采样，并通过积分推导得出采样点之间的函数关系，对该函数进行线性化得到相应的小信号模型。与传统准稳态模型不同，该模型反映了换流器开关电路在工作点受到小扰动时的动态特性。通过时域仿真证明了该模型的准确性及其适用频率范围为0～3倍工频。将该模型用于次同步振荡(SSO)的特征值分析，并与传统的准稳态模型分析结果对比，证明HVDC准稳态模型适用于SSO分析。     

基于小波神经网络的火电单元机组负荷系统建模仿真研究

火电单元机组是一种复杂的多变量对象，常规方法难以建立它的非线性数学模型。该文利用一种多输入多输出的连续小波神经网络对单元机组负荷数学模型建模问题进行了研究。网络隐层采用框架小波函数，输出层采用线性函数，采用BP算法对网络进行训练，并利用自适应的学习速率和动量参数加快网络训练的收敛速度。网络的训练结果和测试结果均表明，小波网络输出值与实际模型输出值之间的误差在允许范围内，小波神经网络可以较好地逼近单元机组负荷数学模型。     

非线性季节型电力负荷灰色组合预测研究

短期电力负荷同时具有增长性和季节被动性的二重趋势，这使得负荷的变化呈现出复杂的非线性组合特征。对于这种具有复杂的非线性组合特征的序列，使用某一种模型进行预测，结果往往不理想。为了提高短期电力负荷的预测精度，提出了具有季节型特点的电力负荷灰色组合预测模型。在此模型中，灰色模型处理非线性问题具有一定的优势，它可以很好地反映电力负荷的增长性特点。季节变动指数(SVI)用来拟合电力负荷的季节性趋势。最后对季节型灰色预测的残差建立时间序列的AR(p)模型。由于综合考虑了电力负荷的多种特征，此组合预测模型明显地提高了预测精度。