探讨负荷变化对电力系统规划的影响及对策

电力负荷预测是电网规划设计等管理部门的重要工作,在现代电力系统的安全和运行中起着重要作用,因此、负荷发生变化时,就会给电网规划(或设计)带来严重影响。本文从负荷变化对系统规划的影响等方面进行了探讨,并提出了问题的解决方法,供参考。     

一种基于LSTM模型的电力负荷辨识方法

文中针对非侵入式负荷检测技术,提出了一种基于LSTM网络深度学习模型的负荷辨识方法。在该方法中,为避免电压、电流等信号的干扰,提出一种基于高斯窗移动变点寻优算法监测负荷事件,提取谐波分量作为负荷特征标签作为LSTM模型的输入,进而建立起内在信息间的映射关系,并依次进行模型的离线训练与负荷数据的在线辨识,实现对用电设备类型及其运行状态的精准辨识。经实验数据证明所提出的方法能准确完成对用电设备状态的辨识。     

低压用户供电可靠性统计的技术路线及实施方案研究

低压用户分布广泛、数据量大、运行数据难以采集,文章基于以上特点,研究了低压用户供电可靠性统计的技术路线,为推进低压供电可靠性统计工作提供可行的方案。     

电压暂降电量损失的评估方法研究

本文提出了一种针对电压暂降电量损失的评估方法。首先,对电压暂降进行识别,评估暂降特性;然后,分析不同电压暂降条件下用户的停电特性;建立单次电压暂降用户电量损失估算模型;最后,搭建电压暂降引起的电量损失估算模型并结合具体实例进行测算。通过实际案例分析验证了该方法的可行性和准确性。     

一种关联RNN模型的非侵入式负荷辨识方法

为了进一步拓展监督学习方法在非侵入式负荷辨识中的应用,提出了一种关联循环神经网络(Recurrent Neural Networks, RNN)模型的负荷辨识方法。在该方法中,首先引入了时间窗负荷事件检测方法,提取谐波分量作为负荷特征,并将负荷特征作为RNN模型的输入。然后根据其对历史输入特征量的记忆建立由输入映射到输出的内在关联,从而建立面向时间序列输入的RNN负荷辨识方法。进一步地,为了避免"梯度消失"问题,选择了最佳的激活函数和损失函数。最后,通过单负荷辨识、多负荷辨识的实测实验,证实了所提关联RNN模型的负荷辨识方法能够有效地实现用户内部负荷设备状态的辨识要求。