基于SVD-LSTM的高校学生宿舍空调负荷预测

准确预测高校空调负荷是保证高校安全用电和电力高峰期区域配电网稳定运行的前提。文中以高校空调负荷中具有代表性的学生宿舍空调负荷为对象,建立了基于奇异值分解-长短期记忆网络的高校学生宿舍空调负荷预测模型。该方法以高校学生宿舍空调负荷特性为基础,使用奇异值分解进行降噪处理,通过长短期记忆网络对高校学生宿舍空调负荷进行预测。文中以武汉某高校的真实数据为样本进行了分析验证,通过与传统预测模型对比,证明所提预测模型的预测效果和精度优于传统预测方法。     

源网荷储协同主动配电网分布鲁棒优化调度系统

源网荷储变量的多维度性,导致负荷响应调度安排效果不佳。为解决该问题,提出了源网荷储协同主动配电网分布鲁棒优化调度系统。使用接口适配器,集成配电网数据,获取配电网可调度的容量信息。部署智能监测设备,确保数据不被篡改和窃取。将调度策略在配网综合调度中心预演,实现协同优化调度。计算系统停电损失期望,分析源网荷储供电可靠性。确定目标函数,根据源网荷储变量多维度性设定约束条件,构建鲁棒优化问题函数,优化主动配电网分布鲁棒性。充分利用主动配电网中的电力储能和负荷,配合可再生能源并网后,实现源网荷储与主动配电网良性互动。实验结果表明,该系统参与的调控阶段一致,且负荷响应调度与理想调度最大误差为0.01 MW,能够良好调度安排响应负荷。     

电力负荷中期预测分析系统的仿真应用

本文介绍了开发电力负荷预测分析系统的主要技术，系统集成了人工神经BP算法和支持向量机SVM两种预测方法，运用多元回归模型和时间序列模型建立电力负荷中期预测模型。系统运用MATLAB科学计算工具实现模块设计、功能设计和数据存储设计，运用GUI(图形用户界面)实现系统仿真界面，方便了技术人员进行电力负荷预测的分析研究。     

负荷预测算法下光伏并网储能集群控制系统

光伏并网储能受到谐振影响,导致功率控制结果达不到理想状态。针对该问题,设计了负荷预测算法下光伏并网储能集群控制系统。在Linux编译环境下,装置两路RS485通信接口。设计充放电控制器,实现对电池的充放电控制,避免产生谐波。根据滤波差分方程,设计储能集群控制电路,实现平抑波动。构建光伏并网储能负荷预测模型,通过对光伏并网储能负荷分析,为集群控制提供数据支持。采用闭环集群控制方式,分析电压、电流与光伏电池之间线性关系。结合适应步长的负荷跟踪方法,调整系统控制灵敏度。系统测试结果表明,所设计系统与实际功率最大值相差3×10⁴W,证实了系统设计方案的可行性。     

风光储微网系统多时间尺度模型预测调度策略

针对风光储微网系统,建立基于模型预测的多时间尺度微网调度策略。首先,为提高微网调度运行准确性,采用灰色GM(１,Ｎ)－BP神经网络方法构建微网发电量及负荷需求的预测模型,然后构建基于预测模型的多时间尺度微网调度优化策略,该策略考虑了储能装置充放电运行的功率变化,以日前调度中的能源出力为参考,在日内调度阶段采用滚动修正,通过细化滚动时间,实现微网运行调度的精确修正,减少储能装置的充放电损耗。最后,基于微网运行数据进行了算例分析,验证预测模型与调度策略的有效性。结果表明,相较于传统单一灰色预测方法,所采用的组合预测模型预测精度更高,所构建的多时间尺度调度策略使得清洁能源得到充分利用,实现微网经济安全运行。     

考虑微电网并网接入的配电网无功优化

微电网集分布式发电系统、负荷和储能于一体,提高了分布式发电系统的综合利用.微电网的并网接入对配电网的综合无功优化产生影响,因此,配电网的无功优化过程中需要考虑微电网并网接入的影响.本文在充分考虑微电网运行特性的基础上,构建考虑微电网运行特性的配电网综合无功优化,建立以系统有功网损与节点电压为目标的综合无功优化模型,把含微电网的配电网无功优化转化为一多约束的非线性混合优化数学问题,并利用粒子群算法进行求解.通过IEEE 33节点系统的仿真算法分析验证本文提出方法的有效性和正确性.     

主被动结合的储能电站分布式能源孤岛检测方法

为了提高储能电站分布式能源输出控制能力,需要进行储能电站分布式能源孤岛检测,提出基于主被动结合的储能电站分布式能源孤岛检测方法。首先分析储能电站的实时负荷优化分配模型,采用配电增益调度的方法,进行储能电站的实时负荷预测,利用储能电站的能量负载实时调度的方法进行输出转换控制。然后根据储能电站群的总负荷进行储能电站分布式能源信息评估,采用主被动结合的方法进行储能电站分布式均衡控制,最后通过电站三层负荷开销进行输出负载调节,实现储能电站分布式调节和总发电负荷指令控制,实现储能电站分布式能源孤岛检测。     

计及P2G-CCS和柔性负荷的综合能源系统低碳经济调度

为了降低系统的碳排放量和挖掘用户侧负荷参与系统调度的响应能力,文中提出一种含P2G-CCS和柔性负荷的综合能源系统日前低碳经济调度模型。首先,引入P2G-CCS-燃气供热系统协作的运行框架,P2G设备利用捕集到的CO₂作为原料,生成的天然气输送到燃气供热系统;其次,考虑用户侧负荷的可平移、可转移、可削减负荷特性,通过分时电价和分时气价引导柔性负荷参与调度;最后,建立以总运行成本为最小的综合能源系统日前优化调度模型,仿真算例使用CPLEX进行求解。通过3种场景对比分析得出,P2G-CCS和柔性负荷的运行策略能有效降低系统的碳排放,提升系统运行的经济性,实现了综合能源系统低碳经济运行。     

基于用户侧负荷曲线的潜在储能客户预测算法研究与设计

本文分析了开展储能客户预测的必要性,总结了电力储能预测基本方法,阐述了储能预测模型的构建过程并对基于用户侧负荷曲线的预测算法进行了设计,并对不同类型曲线作了相应的设计。算法测试结果表明,本文设计的预测算法准确性更高,具有一定的借鉴意义。     

智能电网与负荷调度探讨

随着我国社会主义社会的发展,科学技术水平的不断提高,智能电网以其吸纳大量可再生能源、供电系统与用户互动以及负荷调度等优点,受到了国家电网的重视。智能电网部分负荷的用电时间是灵活的,如加热、制冷、电动汽车等,储能设备,如电动汽车的充电设备,利用这些可控负荷追踪风电、光伏等可再生能源发电的出力变化,调度负荷来平衡预测的风电、光伏等的出力曲线,满足功率平衡。负荷调度的基本思路是电力平衡,解决电力系统运行的核心问题,负荷调度成为解决电力平衡的重要手段。     

基于多尺度分析的电力月负荷预测

介绍了小波分析原理及多尺度分析法。根据月度负荷的增长和波动趋势，利用多尺度分析法将月度负荷序列进行分解，采用灰色理论法和神经网络法对序列进行预测，建立了优化预测模型，该模型优于只考虑单一发展趋势的负荷预测模型。计算结果表明，该方法可以明显提高月度负荷预测的精度。     

基于飞轮储能单元的动态电压恢复器优化补偿方法研究

配电系统中的电能质量问题一般与电压暂降有关,而飞轮储能装置具有效率高、功率大等特性,可用来解决电能质量问题。本文用一种基于飞轮储能系统的动态电压恢复器（DVR）解决配电网电压暂降问题,建立含飞轮储能单元并联型DVR模型,重点分析并联型飞轮储能系统的工作模式及相对应的充放电控制策略。配电网中DVR模型主电路采用混合级联H桥拓扑结构,在补偿控制策略方面,提出一种优化补偿控制策略,该方法可以减少所需注入DVR的有功功率和延长系统的补偿时间。通过仿真分析与实验验证,表明了所提模型以及相关补偿控制方法可行性和有效性。     

基于混沌时间序列的BP神经网络电力负荷预测

在混沌时间序列的基础上,应用BP神经网络对电力负荷进行了预测,并对模型特性进行了分析。理论分析和实例计算均表明该预测模型的精确度较高,适合在电力负荷预报中推广应用。     

基于粗糙特征量的短期电力负荷预测

针对负荷特征一直是实际电力负荷预测中的重大问题。提出了基于粗糙特征量的约简算法。通过对天气及负荷历史数据进行挖掘,找到负荷的关键特征,并与径向基网络结合建立了负荷预测模型。算例结果表明,与按经验选取输入的传统网络相比,预测准确度有了明显的提高,更适用于电力负荷预测。     

用于脉冲负载的光伏-混合储能系统

数字式雷达属于一种典型的脉冲负载,其具体特点表现为周期性的功率突增突减。光伏设备中的蓄电池由于充放电速率较慢,对于脉冲负载频繁的功率突变往往无法快速响应;而超级电容凭借其比功率大、充放电速度快的特点可以对尖峰功率做出快速补偿。基于此,文中提出利用混合储能的方法来解决脉冲负载供电中存在的问题。在Matlab/ Simulink软件中搭建脉冲负载和光储系统的仿真模型,对比分析了蓄电池对脉冲负载单独储能和混合储能时系统运行参数。仿真结果表明:混合储能方案能有效且稳定地供电。     

基于最小二乘支持向量机的短期负荷预测模型

支持向量机（SVM）是近年来发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数、局部极小点等实际问题。研究了支持向量机的拓展算法——最小二乘支持向量机（LSSVM）,并将其应用于电力系统短期负荷时间序列预测。通过实例并与神经网络模型预测结果相比较表明,LSSVM模型的预测精度要明显高于神经网络模型,验证了LSS-VM模型可以很好地应用于短期负荷时间序列预测,并且具有较高的准确性与有效性,这为短期负荷预测提供了一个新的解决思路。     

基于RBF神经网络的时间序列交叉供热负荷预报研究

针对供热过程的特点及节能控制的需要,提出基于RBF神经网络的时间序列交叉供热负荷预报法.首先对现场实测的供热负荷数据进行预处理,取得建立预报模型所需的负荷样本阵列;随后,应用自相关法求取RBF神经网络的输入维数,并分别建立时间序列的横向及纵向预报模型;最后用最小二乘法求出横向与纵向负荷预报的交叉权系数,得到RBF神经网络的时间序列交叉预报模型.仿真结果表明,RBF神经网络交叉负荷预报的精度高于横向负荷预报及纵向负荷预报,其实时性要优于BP神经网络交叉负荷预报.     

Power short-term load forecasting based on big data and optimization neural network

With the reduction of the cost of power data acquisition and the interconnection of large scale power systems,the types of data available in the power network are becoming more and more abundant.In the past,the centralized fore-casting method was limited to the analysis of the massive power data.Therefore,a short-term power load forecasting based on large data and particle swarm optimization BP neural network was proposed,and short-term power load fore-casting model was established.The actual load data of the national grid,using the method of prediction,compared with the actual load data and centralized load forecasting results prove that this method is accurate enough,reduce the load forecasting time with feasibility in practical application.