基于元胞负荷特性分析的RBF神经网络空间负荷预测方法

针对元胞历史负荷数据的特点,结合RBF神经网络在非线性拟合方面的优势,提出了一种基于元胞负荷特性分析的RBF神经网络空间负荷预测方法。该方法以元胞的历史负荷数据为基础,横向从元胞的年历史负荷特性入手,描述各元胞年负荷峰值段的发展趋势;纵向从元胞日最大负荷出现的时刻入手,刻画峰值时段的最大负荷数据群。在充分地考虑元胞负荷的季节特性、双峰特性和转移特性对空间负荷预测精度影响的基础上,构建出一种合理的峰值时段最大负荷数据群的双向选取模型。然后采用RBF神经网络对所选取的最大负荷数据群进行训练和预测,进而得到目标年各元胞的年最大负荷预测值。工程实例验证了该方法的实用性和有效性。     

基于压缩感知的短期风电功率预测相似数据分析方法

准确及时的短期风电功率预测对包含大规模风电的电力系统运行调度、检修计划、备用安排有着重要意义。引入温度、风速、风向及其各自的最大变化范围等对风电功率影响较大的因素作为风电模式特征,利用其时段周期性,提出一种基于压缩感知的相似数据分析方法,用以为预测模型提取历史基础数据。文中提出的基于压缩感知的相似数据分析方法以风电模式特征为数据类别,预测目标时间段数据为原始信息,利用时段周期性历史样本数据构造冗余字典,通过匹配追踪,求得观测值作为相似数据。实验结果表明,相对于一般的相似数据分析方法,本方法提取的相似数据更为切合实际情况,进而可以提高短期风电功率预测的精度,为风电场运行和调度提供更优的数据参考。     

空间负荷预测中确定元胞负荷最大值的经验模态分解方法

针对直接使用元胞负荷实测数据中的年最大值进行城市电网空间负荷预测时,测量、通信等误差的出现导致预测精度降低的问题,提出了一种运用经验模态分解技术确定元胞负荷最大值的数据预处理方法.该方法通过分析元胞历史负荷数据,结合经验模态分解技术将各元胞负荷序列进行分解,根据分解得到的一系列本征模态函数建立滤取机制,据此将表征元胞负荷基本信息的规律性与趋势性的部分本征模态函数重构作为主体分量,刻画元胞负荷随机波动性的部分本征模态函数重构作为高频分量,进而剔除高频分量来抑制随机波动性带来的不利影响,以主体分量中的最大值为元胞负荷的合理最大值,以此完成馈线负荷合理最大值的确定.实例分析表明,该方法是有效的.     

计及元胞发展程度的空间负荷预测方法

针对分类负荷在不同元胞内发展程度不同导致元胞负荷分布不均衡,从而影响空间负荷预测结果精度的问题,提出一种计及元胞发展程度的空间负荷预测方法。首先建立电力地理信息系统(GIS),在电力GIS中生成元胞,并整合基础信息,其中包括用地信息、10kV馈线的供电范围及分类负荷数据。其次求出总分类负荷密度的饱和值,再结合生长曲线揭示总分类负荷密度的发展规律。然后找到当前年各元胞内分类负荷密度在总分类负荷发展规律曲线上的位置,即为各元胞内分类负荷密度的发展程度。最后根据当前年元胞内各分类负荷密度的发展程度,结合总分类负荷密度发展规律曲线,确定目标年各元胞内分类负荷密度,再乘以元胞中每类负荷所对应的面积实现对元胞负荷值的预测。实例分析表明了该方法的正确性和有效性。     

基于3σ-CEEMDAN-LSTM的空间负荷预测方法

为有效利用从配电网采集的海量数据以及改善空间负荷预测效果,提出一种基于3σ准则、自适应噪声完备集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的空间负荷预测方法。基于3σ准则对每个Ⅰ类元胞的实测负荷数据进行奇异值检测和处理;运用CEEMDAN技术将处理后的Ⅰ类元胞负荷数据分解为若干个频率和幅值均不同的本征模态函数(IMF);分别对每个IMF分量构建LSTM模型进行预测;将所有IMF分量预测结果进行线性叠加,得到目标年基于Ⅰ类元胞的空间负荷预测结果,在此基础上使用空间电力负荷网格化技术求得基于Ⅱ类元胞的空间负荷预测结果。算例分析结果验证了所提方法的正确性和有效性。     

基于市场研判的电网投资决策方法研究

电网是重要的社会基础设施,在电力市场化的大环境下,电网投资不仅决定了电力企业的经营效益,同时也参与和形成了社会经济发展的客观环境。在这个背景下,分析了电网投资决策的关键点,提出与我国电网发展理念相一致,以精益投资为导向,按照电力市场化的管理理念,构建电网项目投资决策方法,从而达到促进电网项目规划精准度提升、在适应社会经济发展的同时节约电网投资的目的,进而从源头上提升电网企业经营绩效,服务社会经济发展。     

考虑本位元胞接受能力和相邻元胞负荷影响的空间负荷预测

针对现有空间电力负荷预测方法没有考虑待预测区域内各供电小区之间的负荷相互影响关系的情况,提出一种考虑本位元胞接受能力和相邻元胞负荷影响的空间负荷预测方法,主要适用于城市电网规划年负荷预测.首先,利用变异系数建立本位元胞接受负荷影响的量化模型,来反映本位元胞对相邻元胞负荷影响的接受能力;其次,考虑待预测区域内各元胞之间的距离因素和用电负荷相似性因素生成空间复合权重矩阵,并利用空间卷积建立相邻元胞产生负荷影响的量化模型,来反映相邻元胞对本位元胞产生的负荷影响;然后,综合考虑本位元胞接受负荷影响的能力和相邻元胞产生负荷影响的共同作用,构建空间电力负荷预测模型;最后,通过工程实例分析验证了所提方法及模型的正确性和有效性.     

泛在电力物联网研究现状分析

泛在电力物联网的建设主要是将信息化和人工智能等新技术、新理念应用于企业发展进程中,以提高电力企业的技术水平,同时这也是服务于国家战略需要,符合推动互联网、大数据、人工智能和制造业深度融合的战略要求,其对推动我国的科技进步、产业升级和提高人民生活水平具有重要意义。对泛在电力物联网的提出背景、建设目标和意义等进行介绍;讨论各界对泛在电力物联网的态度和相应措施;对泛在电力物联网建设的技术支持进行分析;举例说明泛在电力物联网在当下的典型应用;最后指出泛在电力物联网发展过程中可能遇到的问题。     

基于3σ-CEEMDAN-LSTM的空间负荷预测方法

为有效利用从配电网采集的海量数据以及改善空间负荷预测效果，提出一种基于3σ准则、自适应噪声完备集合经验模态分解（CEEMDAN）和长短期记忆神经网络（LSTM）的空间负荷预测方法。基于3σ准则对每个Ⅰ类元胞的实测负荷数据进行奇异值检测和处理；运用CEEMDAN技术将处理后的Ⅰ类元胞负荷数据分解为若干个频率和幅值均不同的本征模态函数（IMF）；分别对每个IMF分量构建LSTM模型进行预测；将所有IMF分量预测结果进行线性叠加，得到目标年基于Ⅰ类元胞的空间负荷预测结果，在此基础上使用空间电力负荷网格化技术求得基于Ⅱ类元胞的空间负荷预测结果。算例分析结果验证了所提方法的正确性和有效性。