台区负荷平稳性分析技术研究

随着电网规模的日益扩大,配电网信息采集智能化的发展迅速,供电公司每天产生的负荷数据量十分庞大。负荷预测的精确度,影响到合理经济地安排电力企业生产工作,而对负荷波动特点的分析,又是准确进行负荷预测的基础。鉴于此,针对台区负荷随机波动性大的特点,采用信号平稳性分析方法进行量化评价,最终通过数据实测实验进行了验证。     

配电终端自动化联调方法研究

目前配电终端与主站的联调依赖人工完成,然而伴随着配电终端的日益增多,联调的工作效率越来越低,且标准化程度不高,因此,对配电终端的自动化联调方法进行研究,制定标准化调试流程,自动生成调试报告,以提高工作效率,有利于配电自动化的推广应用。     

基于多模型长短时记忆神经网络的电力负荷预测方法研究

提出了一种基于多模型长短时记忆神经网络(LSTM)的电力负荷预测方法,该方法通过对历史电力负荷日曲线进行密度聚类,根据聚类结果以及历史日期的特征因素训练高斯朴素贝叶斯分类器,进而分类训练神经网络预测的输入,采用长短时记忆神经的深层网络对所述历史时刻的电力负荷数据和日期特征因素进行训练建模,以训练生成深度神经网络负荷预测模型。通过算例仿真,发现该方法相比于典型方法,能够精确预测出对应日期的用电负荷,提升预测效果,同时缩短网络训练时间,提升程序运行速度。