基于Wide&Deep-LSTM模型的短期台区负荷预测EI北大核心CSCD

负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷预测的精确度奠定了良好的基础。文中将深度学习方法引入到电力系统的短期台区负荷预测中,综合利用了负荷台区的电压、电流、功率以及时间等特征信息。同时在已有的长短期记忆网络(LSTM)模型和宽度&深度(Wide&Deep)模型的基础上,建立了基于Wide&DeepLSTM的深度学习短期负荷预测模型,并在此基础上进行了日前台区负荷预测。该模型能够兼具深度神经网络的学习能力与LSTM模块的时间序列信息表达特性,能够较好地解决台区电力负荷预测的多特征维度及时序性特征问题。最后利用Tensorflow深度学习框架生成了仿真模型并加以验证,仿真结果充分证明了所提方法的准确性与实用性。     

基于概率潮流两点估计法的10kV配电线路无功优化配置

针对电力系统运行中存在的大量的不确定因素,例如负荷的随机波动性、功率或发电出力的随机变化、电力设备因随机故障退出运行等问题,将两点估计法的概率潮流技术应用到网损计算中。从降低损耗、改善电能质量的角度出发,建立了无功补偿优化模型。根据实际电网负荷的历史数据,利用遗传算法,得到了配电网无功优化配置的最优方案。最后通过实际的案例进行了计算与分析。研究结果表明,两点估计法的概率潮流在配电网无功优化配置的应用中具有准确性和有效性。     

三绕组变压器的双绕组等效建模及在Matpower中的应用

针对实际电网存在着大量的三绕组变压器,但国际上一些著名商业软件,如BPA仿真软件、Matpower这一权威潮流计算开源软件,均只提供双绕组变压器模型,限制了其在具有三绕组变压器的电力系统中的应用的问题,潮流计算是自主开发的电力系统各种应用软件的核心模块,因此依托国际权威开源程序进行二次开发,是一种较好的选择。对Matpower要求的数据格式进行了归纳,对变压器的一般的等值电路及带理想变压器的等值电路和带标幺值的等值电路进行了分析研究,提出了三绕组变压器转换为双绕组等效模型的建模方法,使得原先只适应双绕组变压器的潮流计算软件可以适用于三绕组变压器电网的潮流计算;最后以Matpower软件为例进行了案例计算,并用PSASP仿真软件进行对比验证。研究结果证明,所提出的建模方法是有效的。