基于多神经网络的母线负荷混沌优化组合预测

单一算法在母线负荷预测中存在稳定性弱、波动性大的问题。为此,提出基于多神经网络的母线负荷混沌优化组合预测模型。采用改进的混沌学习算法对模糊网络、小波网络和灰色网络的预测值进行混沌优化组合,确定最优的权重系数,得到最终的预测结果。算例分析表明,该组合模型性能优于单个网络模型和传统组合模型,能较大提高负荷预测的精度和收敛速度。     

电动汽车参与电网AGC的充放电优化控制研究

电动汽车的大规模接入对电网的稳定与控制带来了新的挑战。电动汽车接入电网,可作为分布式储能单元与传统AGC机组相协调配合,可有效协助电网调频和实现节能减排。在现有研究基础之上,考虑电池荷电状态对电池最大充放电功率的影响、电池寿命及电动汽车用户行驶需求,以及SOC对电池最大充/放电功率的影响。文章首先阐述了电动汽车参与电网AGC的控制体系结构与充放电控制方案。其次,探讨了多电动车参与电网AGC的充放电过程的功率分配的协调问题、解决方案及相关约束条件的建立。最后对电动汽车参与两区域互联电网的AGC进行了模拟仿真。仿真结果表明：通过文章所提方法,能够实现电动汽车合理的功率分配和有效的利用,以更好的提高系统稳定性和实现节能减排。     

使用改进混沌神经网络的母线负荷预测

针对母线负荷非线性、冲击性波动、有较多“毛刺”、含有较多坏数据等特点,提出一种基于小波变换和混沌神经网络的母线负荷预测方法。该方法通过消除坏数据和噪声对负荷混沌特性分析的影响,能有效提高母线负荷预测的精度。首先对历史数据进行改进的小波阈值去噪,然后对其进行混沌特性分析,重构相空间形成训练样本．最后采用改进的混沌学习算法对网络进行训练,通过对某省某地220kV母线负荷算例分析,显示该方法能显著提高母线负荷预测的精度。     

电动汽车参与电网AGC的充放电优化控制研究

电动汽车的大规模接入对电网的稳定与控制带来了新的挑战。电动汽车接入电网,可作为分布式储能单元与传统AGC机组相协调配合,可有效协助电网调频和实现节能减排。在现有研究基础之上,考虑电池荷电状态对电池最大充放电功率的影响、电池寿命及电动汽车用户行驶需求,以及SOC对电池最大充/放电功率的影响。文章首先阐述了电动汽车参与电网AGC的控制体系结构与充放电控制方案。其次,探讨了多电动车参与电网AGC的充放电过程的功率分配的协调问题、解决方案及相关约束条件的建立。最后对电动汽车参与两区域互联电网的AGC进行了模拟仿真。仿真结果表明:通过文章所提方法,能够实现电动汽车合理的功率分配和有效的利用,以更好的提高系统稳定性和实现节能减排。     

湘潭地区负荷特性分析

根据湘潭地区历史负荷及气象等相关资料,研究分析了该地区的负荷特性,对负荷的各种影响因素进行了量化分析,重点对气象敏感负荷和大用户对地区负荷的影响进行了分析,分析结果有利于提高短期负荷预测准确率,为电力负荷紧张期间的负荷调控与合理分配提供了有力的依据.     

面向精益化安全校核的精细化母线负荷预测

为了提高电网安全校核的精益化管理水平,从基础性的母线负荷预测精细化研究入手。阐述了安全校核工作流程和精细化母线负荷预测流程。以精细化的母线分类为基础,采用差分演化模拟退火模型,克服了传统聚类模型易陷入局部收敛的缺点。以切合安全校核的简便化方法规避坏数据。通过地区负荷预测修正法为主的精细化修正,减小初次预测的粗糙度,采用一种自适应性概率权重组合预测模型,改善了预测精度不稳定的状况。实验结果表明,该流程的预测水平满足安全校核的要求。