基于提升人工神经网络的短期负荷预测模型

本文提出了一种基于提升人工神经网络的短期负荷预测方法。该方法由一组经过训练的人工神经网络迭代组合而成。在每次迭代中,对新的人工神经网络模型进行了调整,使前期迭代的模型得到的估计值与真实值之间的误差最小化。通过仿真可知,当计算输出的模型个数大于20时,可以获得较低的预测误差,与现有方法相比具有更高的预测精度。     

经IIWO优化的原子分解算法辨识次同步振荡模态

由于传统的线性化方法存在难以有效辨识次同步振荡模态参数的问题,该文提出一种基于改进入侵杂草优化IIWO(improved invasive weed optimization)的阻尼正弦原子分解算法。该方法首先构造过完备阻尼正弦原子库,引入混沌序列初始化的多种群策略、预筛选机制、以及随机变异的扩散机制对入侵杂草优化IWO(inva-sive weed optimization)算法进行改进,利用改进得到的IIWO算法对传统的匹配追踪算法MP(matching pursuit)进行优化,以降低其搜索的时间复杂度。依据优化后的MP算法对信号进行阻尼正弦原子分解,搜索到最佳阻尼正弦原子后将其转换为次同步振荡模态参数,并与Prony的辨识结果进行了对比。仿真算例结果表明,经IIWO优化的阻尼正弦原子分解算法辨识精度较高,且具有良好的时频特性。     

基于合作博弈的微电网群运行优化方法研究

针对微电网群运行提出了一种采用纳什议价理论的合作博弈方法,对并网的微电网群建模并求出其最佳容量配置和最佳容量配置情况下的最大收益.通过纳什议价方案分配发电资源和蓄电池的容量,使单个微电网及其微电网群的年利润最大化.使用粒子群优化算法,通过MATLAB软件求解最优纳什议价方案.最后,针对电价和贴现率进行了敏感性分析,验证...     

考虑天气类型和历史相似日的短期光伏输出功率预测

光伏发电的随机性和不确定性是制约光伏发展的主要原因。为了提高短期光伏发电功率预测精度,提出了一种考虑天气类型和历史相似日的短期光伏输出功率预测方法。针对不同季节和天气类型划分历史数据,根据灰色关联度计算结果确定相似日。采用混沌初始化、控制因子非线性调整和莱维飞行等策略对斑点鬣狗优化（spotted hyena optimizer）算法进行改进,采用改进斑点鬣狗算法（improved spotted hyena optimizer）对核极限学习机进行优化,建立基于改进斑点鬣狗算法优化（kernel extreme learning machine,KELM）的短期光伏输出功率预测模型。利用实际光伏电站监测数据进行仿真分析,结果表明,基于ISHO-KELM的短期光伏输出功率预测模型能够降低光伏输出功率预测过程中的波动性,提高预测精度,验证了所提光伏预测方法的正确性和实用性。     

基于多源协同的区域分层能源综合调度优化

为解决区域综合能源的调度优化问题,提出了基于多级能源协同的区域分层能源综合调度方案。分析了多级能源区域协调系统特点以及分层优化需求;建立了双层优化模型,上层优化输电网经济成本,下层优化微网运行成本,二者通过联络线交换功率形成信息流,利用典型算法对本文提出模型进行求解。通过仿真分析了所提方法的有效性,对比了微网联网运行和孤岛运行模式下的系统经济性,说明了双层优化的合理性,即在不同的可响应负荷水平下,相比孤岛模式系统成本下降在11%~17%之间。     

考虑投资不确定性和不完全信息博弈的源网荷规划方法

随着我国电力市场改革进程的不断推进,市场主体数量和投资不确定性不断增加,提升了电力系统规划的难度。提出一种市场环境下的多主体博弈规划方法。根据不同市场主体得利益需求,采用博弈论构建电力市场多主体博弈框架,并针对对电力市场的投资不确定性,采用实物期权理论进行评估,在此基础上构建多主体不完全信息规划模型,并采用协同进化算法进行求解。基于IEEE30节点的系统算例仿真结果表明,所提方法在提升电力系统经济运行水平同时,平衡了各主体的利益需求,提高了各主体考虑期权的综合长期投资收益。     

基于多种智能方法结合的电网故障诊断综述

研究综述了广泛应用于电网故障诊断的多种智能方法结合的诊断方法,包括分别基于以专家系统、Petri网、神经网络、贝叶斯网络、优化技术、信息融合技术等结合其他智能方法的诊断技术。简要阐述了这些智能技术的特点、诊断原理,阐释了各自研究存在的不足。最后结合现有研究中面临的问题,分析了电网故障诊断领域未来的发展方向。     

基于传统BP神经网络和经云遗传优化的神经网络配电网故障定位研究

针对配电网故障定位问题提出一种基于人工神经网络(ANN)中结构较为简单并且可塑性强的误差反向传播(Error Back Propagation,BP)神经网络方法的定位模型。建立BP网络模型,并将训练好的BP网络模型和通过云遗传算法改进后的BP网络模型,应用于同一个简单的配电网系统中,分别对不同分支的反射信息进行特征提取与模式识别。通过对两种算法的训练曲线图和诊断精度的比较来反映优化算法的高效性和准确性,最终得以确定诊断的实际输出值,实现故障分支的判别和精确定位。     

10 kV配电网中性点接地方式的分析

分析了10 kV配电网中性点不同接地方式的特点,指出了10 kV配电网采用中性点不同接地方式存在的问题,论述了10 kV配电网中采用中性点经电阻接地方式的优点,提出在以电力电缆为主要线路的10 kV配电网中应采用中性点电阻接地方式。     

基于Akima-LMD和GRNN的短期负荷预测

传统局域均值分解(LMD)对极值点采用了滑动平均值处理得到局域均值函数和局域包络函数,易造成分解的分量过平滑而影响精度。为了减小过平滑影响,采用Akima插值法代替滑动平均值法处理局域函数来改进LMD算法,针对电力系统负荷序列的非平稳性和非线性,利用改进LMD算法进行序列分解得到若干分量,再利用广义回归神经网络(GRNN)预测各个分量的趋势,叠加各分量趋势得到负荷序列总趋势。GRNN神经网络较传统神经网络训练速度快、精度高,能很好地预测非线性序列。算例分析表明,改进LMD结合GRNN的方法较经验模态分解(EMD)结合GRNN的方法在短期电力负荷预测中有更高的预测精度。