基于影子价格和空间误差面板数据模型的配电网投资优化方法

针对目前配电网的投资分配忽略地理邻接及电网互联影响的问题,提出了一种基于影子价格和空间误差面板数据模型的配电网投资优化方法。首先建立由底层指标和目标层指标构成的评价体系,利用最优化问题的求解方法求解各底层指标的影子价格和最优解。据此,结合各层指标权重得出配电网综合评分。引入空间误差面板数据模型,根据综合评分结果,构建投资效益测算模型。以综合评分最高为目标,通过寻优得出效益最大化的投资额分配方案。以贵州省五个地区配电网的实际数据为例进行投资分配。算例分析结果表明,所得投资分配方案符合各地区配电网的发展情况,可以实现投资效益的最大化。     

基于改进的AHP-CRITIC组合赋权与可拓评估模型的配电网综合评价方法

针对配电网综合评价问题,提出了一种改进的基于最小二乘的AHP-CRITIC组合赋权与可拓评估模型。针对单一赋权法具有一定偏向性的问题,通过层次分析法和CRITIC法分别确定主观权重与客观权重,构建基于最小二乘的组合赋权模型并采用遗传算法求解,从而确定综合权重。针对传统可拓评估模型中经典域确定的主观性,引入三角模糊数对其进行构建。针对现有关联度与等级变量特征值计算的准确性问题,分别提出了关联度的修正方法与等级扩展方法。算例表明,所提方法能够对配电网进行科学合理的分类,评价结果可信度高。     

基于多源数据融合的配电网规划基础数据分析与应用平台研究

困扰配电网规划的主要问题包括基础数据收资和分析困难,规划项目管理无专业技术支持、完全依赖人工管理等,解决这些问题能够有效提升配电网规划工作成效,能更有效和针对性的从规划层面解决配电网运行问题。本文以贵州电网规划研究中心“配电网规划基础数据应用研究项目”的工程实践为基础,分析总结项目实践经验,论述了通过多源数据融合实现对配电网规划基础数据的全面、快速整合,提出了配电网规划基础数据分析及应用路线,其研究成果对提升配电网规划管理和技术有较大作用和意义。     

基于神经网络的电力负荷预测方法研究

电力负荷预测易受到高频、低频和超低频振荡干扰,导致预测准确性不高,提出基于神经网络的电力负荷预测方法。在无线ZigBee组网协议下进行电力负荷传感器信息组网,构建电网负荷数据采集模型并进行模型修正。根据电力负荷数据采集结果,去除高频、低频和超低频振荡干扰因子。进行神经网络样本数据训练,去除冗余数据,输出电网负荷数据集合。对获得的数据集采用神经网络分类器进行分类融合处理,根据电力负荷数据的融合结果实现电力负荷预测。仿真结果表明,采用该方法进行电力负荷预测的准确性较高,预测过程的抗干扰性较好,在电力负荷的实时监测和信息调度中具有很好的应用价值。