主动配电网技术及要点分析

主动配电网是实现智能配用电、电网与充放电设施互动、间歇式新能源大规模并网运行控制等运行和分析关键技术的一种非常有效的解决方案。本文对主动配电网的概念和特征进行了重点研究,对主动配电网的关键技术和研究现状进行了分析,其中包括多目标经济性评估、全局优化能量管理技术、基于配电网主动机制的结合全局优化和分布自治的协调控制技术、主动配电网综合规划技术。摘要     

配电网智能负荷监测与互供系统

针对配电变压器的运行特点以及运行中出现的问题,利用嵌入式系统技术,提出了配电网智能负荷监测及互供系统的构建方法,减少实际运行中由于变压器轻载或过载造成的变压器损耗,增加了变压器的寿命,减少了由于变压器故障或线路故障造成的停电事故,对于智能电网的构建也具有重要的推进作用。     

配电网空间负荷预测方法分析

空间负荷预测不仅能够预测未来负荷的发展,而且可以揭示负荷的空间分布,因而可以有效适应配电网规划工作日益精细化的要求。本文分析了空间负荷预测方法的种类、流程,还结合实例阐明了负荷密度指标法、用地仿真法的应用效果。     

基于BP神经网络的配电网综合降损研究

根据我国配电网络的现状,减少配电网线损是保证配电网安全稳定、高效运行、节能环保的关键。文章从配网节能降损入手,利用人工神经网络算法进行负荷预测,与配网重构的负载预测结果及配网潮流变化趋势相结合,构造更加合理的配网拓扑结构,以实现配电网损的有效控制,从而达到降低电网线损率,提升电网安全运行的目的。     

主动配电网分布式电源规划分析与研究

主动配电网是由分布式电源、各形式负荷、储能设备及其他可控资源共同组成的微网系统.传统主动配电网分布式电源规划存在配置目标单一、经济性较差的问题.为了提高主动配电网供电的经济性及可靠性,增加分布式能源利用率,基于负荷预测,采用储能系统与分布式能源联合选址定容的方式,通过需求相关性分组及多时间点法预测负荷,在综合分析储能系...     

短期负荷综合预测模型新算法

本文结合马尔科夫校正算法对灰色理论模型加以改进,提出了一种改进灰色-马尔科夫的预测模型。将该模型运用到短期负荷预测中,并与指数平滑模型、人工神经网络模型的预测结果进行比较,结果表明运用改进后的灰色—马尔科夫预测模型可以大大提高预测精度。笔者在这三种预测方法的基础上,应用时变权系数法建立综合预测模型,对待预测日进行短期负荷预测。     

能源数据综合采集系统的研究

较为详细地探讨了能源数据综合采集系统总体架构和数据传输方式,这一研究对于这一系统的推广应用具有一定的意义。     

面向区域化综合能源调度的负荷预测算法设计

为了提升区域化综合能源系统的调度水平,对多能源形态下的能源负荷预测算法进行了研究。针对清洁能源供应的波动性与随机性,建立了某区域的综合能源调度模型。该模型将负荷预测问题转化为时间序列处理问题,并引入循环神经网络（RNN）来进行问题求解。同时在求解过程中使用Seq2Seq替代了传统的RNN神经元,且采用GRU作为编码器-解码器进行序列长度转换,从而有效规避了RNN网络在进行不同长度输入输出序列处理时的缺点。通过在某区域的综合能源系统内进行的算法仿真结果表明,负荷预测的相对误差小于4.5%,故能够满足能源调度的生产要求。由对比实验可知,所提算法的MAE及RMSE分别可达到3.25%、4.13%,相较于BP网络与传统RNN网络均有显著改善。     

基于ANN和残差修正的电力系统短期负荷预测

提出了一种人工神经网络与灰色理论模型相结合的综合预测方法。在神经网络结构设计中分别选取带有横向和纵向特征的负荷作为输入，并充分考虑气候敏感因素及特殊负荷日的影响。在分析预测差值的基础上，将灰色理论残差校正模型运用到预测结果的修正当中去。算例表明所提出的方法提高了预测精度。     

组合预测方法在电力系统负荷预测中的应用研究

本文阐述了组合预测方法与电力系统符合预测概念和组合预测方法的应用原则、模式和基本形式,并通过对组合预测在电力系统负荷预测中的作用及意义,就对组合预测方法在电力系统负荷预测中的应用研究进行了分析。     

GRNN神经网络在电力系统负荷预报中的应用

为了预报电力系统负荷,采用GRNN（广义回归网络）的方法,通过GRNN神经网络和BP神经网络建立电力系统负荷预报网络模型,用MATLAB7.0仿真,达到了预测的目的。利用GRNN神经网络预测结果准确率高,避免了BP网络预测同样的数据库,算法冗长,网络预测结果不稳定的缺点,GRNN网络具有更好的预报精度。     

面向全球能源互联网的天空地协同卫星通信网络架构

全球能源互联网的监测、调度、授时、同步及定位等业务均需要能提供广域覆盖、泛在灵活接入服务的可靠通信网络。针对该需求,首先分析阐述全球能源互联背景下各种新型业务需求及其特点,并总结各种业务的共性数据特征;然后论述卫星通信技术的特点以及与全球能源互联网业务特点与数据传输需求的高度契合性,最终提出融合卫星通信网络的全球能源互联网天空地协同网络体系架构。其以IP技术为基础,各层网络通过星间、星地、星空、空空、空地以及地面有线、无线链路连接起来,构建全球覆盖的一体化网络体系。     

短期电力负荷在小波包分解下的径向基神经网络预测方法

针对短期电力负荷预测问题,提出一种在小波包分解下的径向基神经网络预测方法。通过小波包分析,将电力载荷及其温度变量对称地分解为低频的近似系数和高频的细节系数。针对不同的小波系数,设计径向基神经网络作为预测器,并通过试错法确定网络合适的结构。网络的训练过程中,采用滑动窗口数据选择策略减少数据样本集,采用随机梯度法更新权值、中心位置和扩展参数。预测的小波系数用于重构出最终的电力载荷值。与前馈多层神经网络的对比数值,实验结果表明,新提出的方法具有较高的预测准确性。     

基于相空间重构的电力系统负荷预测

近年来,混沌理论在非线性系统中得到了越来越广泛的应用。针对电力系统负荷时间序列的复杂性和混沌行为,采用基于相空间重构技术的电力负荷时间序列混沌预测也成为电力负荷预测的一大研究方向。在总结和归纳的基础上,对基于相空间重构的负荷预测进行了分析论述,并展望其应用前景。     

神经网络在电网负荷预测上的应用研究

研究了人工神经网络方法,提出使用BP神经网络建立短期负荷预测综合模型.为加快神经网络的学习速度,改进BP算法,引入平滑系数和遗忘系数,并取得良好的预测效果.     

基于异构数据的电力短期负荷大数据预测方案

随着多种可再生能源电力的接入,电力系统正在向更智能、更灵活、交互性更高的系统过渡。负荷预测,特别是针对单个电力客户的短期负荷预测在未来电网规划和运行中发挥着越来越重要的作用。提出了一个基于异构数据的电力短期负荷大数据预测方案,该方案收集来自智能电表和天气预报的数据,预处理后将其加载到非关系型数据库中进行存储并做进一步的异构数据处理;设计并实现了一个长短期记忆递归神经网络模型,用于确定负荷分布并预测未来24 h的住宅小区用电量;最后利用一个住宅小区的智能电表数据集对提出的短期负荷预测框架进行了测试,并使用均方根误差和平均绝对百分比误差两个指标,对比了预测模型与两种经典算法的性能,验证了所提模型的有效性。