基于聚类分析的配电网小区负荷预测

通过引入聚类分析,对样本数据聚类,利用聚类后的结果预测小区负荷密度,并且提出了2种修正小区负荷密度的方法,有效减小了预测误差。与传统负荷密度法相比较,该方法不仅提高了预测精度,精简了优化配电网建设的资金,而且计算简单,通过算例表明其工程实用效果较好。     

基于层次分析法的配电网项目紧迫性评价方法研究

根据配电网的特点,本文提出110k V配电网项目紧迫性综合评价方法。该方法基于层次分析法原理,建立了110k V电网项目紧迫性评价指标体系,基于模糊隶属度法,确定了评价标准的计算方法,实现了定量分析电网项目排序的综合评价方法。该方法考虑了评价指标重要程度对总评值的贡献度,能够更精准的给出评价样本的综合得分水平。通过对某110k V项目开展评价分析,验证了该方法的有效性和实用性。     

基于改进灰色理论的主动配电网中长期负荷预测

中长期负荷预测是影响主动配电网规划和调度的重要方面。从柔性负荷、分布式电源及电动汽车等主动配电网中特殊负荷入手,分析提炼负荷长期发展的影响因素;将灰色理论引入主动配电网负荷预测,分析了多变量残差修正灰色模型在计及多因素影响作用和消除累积误差方面的作用。通过具体实例计算,证实了改进灰色方法在主动配电网中长期负荷预测中的有效性和实用性。     

模糊理论在中长期负荷预测中的应用

本文先介绍三种用模糊理论进行中长期负荷预测的方法的数学模型，即模糊指数平滑法，模糊线性回归法和模糊聚类预测法，然后以邢台地区实际预测为例，给出预测结果，并对三种方法进行了比较和误差分析，实践证明了这三种方法具有比传统方法预测精度高、预测误差小的优点，应予推广使用。     

基于区域负荷的配电网超短期负荷预测

建立了以馈线开关为节点、以馈线为边的配电网简化模型，并采用负荷作为节点和边的权，给出了节点的负荷与边的负荷的关系。采用对负荷历史数据和温度历史数据进行统计分析的方法，对超出历史温度范围的情形采用最小二乘法拟合，得出了配电区域的超短期负荷预测结果，利用节点的负荷与边的负荷的关系进一步得出全配电网的超短期负荷预测结果。配电网运行方式的改变并不影响所提出的方法的预测精度。实际应用结果证实了所提出的方法的可行性。     

基于模糊多目标多人决策的配电网空间负荷预测

提出了一种新的空间负荷预测方法,在进行空间负荷预测用地类型决策时引入了模糊多目标多人决策。考虑各个相关空间因素,采用模糊语言算子区分各因素的相对重要程度,引入层次分析法将语言算子转化为精确权重,多个专家各自独立决策,综合考虑多人决策得到最终用地类型。多人决策降低了以往空间负荷预测用地分析的主观性,提高了预测精度。     

基于改进层次分析法的配电网指标评估

在传统配电网评估体系的基础上,文中充分考虑分布式电源接入配电网后带来的环保效应,建立了考虑环保性的新能源配电网指标评估体系。针对传统层次分析法采用单一权重计算易导致赋权失准的问题,提出改进层次分析法。改进算法利用几何平均法、算数平均法、特征向量法以及最小二乘法分别计算权重并取平均值作为最终赋权。通过对某配电网的算例指标计算,验证了所提指标评估体系的合理性以及所提算法的有效性。     

配电网通信系统综合性能评价体系研究

配电网通信系统的性能决定了配电网自动化的实现程度,对通信系统综合性能的研究有利于发现系统建设的薄弱环节,实施有针对性的改进措施,提高配电网自动化水平。针对配电网通信系统的特点,从技术性、可靠性、安全性和扩展性4个方面建立了通信系统的综合评价指标体系,同时利用模糊层次分析法构建了综合评价模型,最后通过对2个地区配电网通信系统的评价分析验证了该模型的有效性。     

自下而上的主动配电网负荷曲线化预测方法

为在主动配电网负荷预测工作中计及柔性负荷的影响,提出了一种自下而上的主动配电网负荷的曲线化预测方法。首先,将待预测区域按用地性质、功能边界划分为若干小区,将每个区域的负荷需求细分为刚性负荷和柔性负荷需求两类;然后,建立可转移负荷和可调整负荷两种柔性负荷的曲线化调控模型,进而模拟主动管理策略下柔性负荷对整体负荷需求的调整作用;最后,将待预测区域的地块负荷进行叠加,得到主动配电网管理模式下的负荷需求曲线。通过北京某开发区负荷曲线预测算例,验证了所提预测模型和方法的有效性。     

基于电力负荷预测的高压配电网变电站规划研究

针对现有技术中高压配电网规划不合理的问题,提出基于电力负荷预测的高压配电网变电站规划方法.通过收集历史用电数据及电力负荷变化规律,获取电力弹性系数,计算多个历史时段内的平均增长率;利用BP神经网络,确定样本集以及变量参数,将负荷数据归一化处理,构建高压配电网规划优化模型;按照地区差异选择合适的容载比,设置新增变电站,实现高压配电网合理规划.试验表明,研究方法合理性好.     

基于Dropout-ILSTM网络的短期电力负荷预测

针对传统BP神经网络难以处理电力负荷数据间关联的问题,提出了一种基于Dropout的改进的长短期记忆神经网络结构用于短期电力负荷预测.这种改进的长短期记忆神经网络(Improved LSTM,ILSTM),通过将长短期记忆网络的多个时间步输入与输出矢量进行全连接,增强了对目标系统中线性成分的表征;使用Dropout 对...     

基于深度残差网络的电力负荷预测策略

在电力能源使用中,多重外界因素影响着电力负荷总耗能量.当前已有技术仅限于对机组内部因素及数字型外界因素对电力负荷的影响进行测算,无法综合处理较复杂环境、人文等数字化处理较困难的影响因素,测算精准度受到制约.在预测电力负荷总量问题上,基于深度学习理论,搭建一种更精准的预测模型,利用数据降维(PCA)、数据清洗等方法使模型...     

基于小波神经网络的中长期电力负荷预测

电力系统负荷预测是1项复杂的系统工程,其不仅涉及的领域广泛,而且不确定性的因素较多。文中在传统BP神经网络算法、改进型BP神经网络算法基础上,将BP神经网络与小波分析相结合,构建了小波神经网络模型,然后分别应用BP神经网络、改进型BP神经网络和小波神经网络对宁夏石嘴山地区电力负荷进行了中长期预测。通过对比分析表明,采用小波神经网络获得的预测数据比前2种方法获得的预测数据误差均要小。这说明了小波神经网络的预测结果更加准确,即采用BP神经网络与小波分析相结合的方法比单纯地采用BP神经网络算法进行电网负荷预测的效果更佳     

基于预测决策的组合短期负荷预测

以提高短期负荷预测精度为目的,首先选择五种预测模型分别对算例进行虚拟负荷预测,再利用决策理论知识,通过几率矩阵法来筛选预测模型,舍弃不符合要求的模型,最后以各时段残差平方和最小为目标函数确定各个模型权重系数.使用选中的模型进行组合短期负荷预测,并将预测结果与各单一模型的预测结果进行比较.说明了预测决策的可参考特性和实用特性,也说明了组合预测模型的拟合精度优于各种单一模型,得到了较好的预测效果.     

计及多属性参量的配电网负荷可视化技术研究

随着电力负荷多元化特征的发展,传统的可视化技术难以有效分析和展示电网的负荷断面数据。文章提出了一种以气泡图形式,融合多属性参量展示配网断面负荷的可视化方法,进一步分析了负荷点类型的分布规律。定性分析可视化的数据对象,利用标准差法清洗异常负荷值,并利用主成分分析赋权法对清洗后的负荷、地理信息赋权。为得到负荷点的类别标签,将赋权结果输入MiniBatch-Kmeans算法进行聚类。为可视化配网的运行态势,在实例中将负荷、地理、时间、ID四个属性信息以动态气泡图展示并与传统负荷热力图进行对比。结果表明,文章提出的可视化方法可反映更多的电网运行状态信息,通过展示多参量数据来反映负荷的分布规律和发展规律,可提高调度人员对配网运行数据的感知能力。     

计及需求响应的主动配电网短期负荷预测

随着分布式电源、电动汽车及储能等广义需求响应资源的接入,用户在电力市场各种激励影响下进行需求响应,将改变负荷特性并影响负荷预测。根据需求响应计划信号的可预知性及季节性基础负荷的独立性,利用小波分解等方法对主动配电网负荷在不同层面上进行了分解,形成季节性基础负荷和需求响应信号及各种气象因素作用的负荷部分,利用时间序列模型对季节性基础负荷进行预测,利用支持向量回归模型对需求响应信号及气象因素影响的负荷部分进行预测,形成组合预测模型,两部分预测负荷叠加得到总负荷。利用线性时变模型仿真的主动配电网负荷数据算例,进行了预测测试与分析,通过与其他方法相比较,证明了所提方法预测计及需求响应的主动配电网负荷的有效性及精确度。     

基于完整自适应噪声集成经验模态分解的LSTM-Attention网络短期电力负荷预测方法

短期电力负荷预测在电网安全运行和制定合理调度计划方面发挥着重要作用。为了提高电力负荷时间序列预测的准确度,提出了一种由完整自适应噪声集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和基于注意力机制的长短期记忆神经网络(long short-term memory network based on attention mechanism, LSTM-Attention)相结合的短期电力负荷预测模型。完整自适应噪声集成经验模态分解有效地将负荷时间序列分解成多个层次规律平稳的本征模态分量,并通过神经网络模型预测极大值,结合镜像延拓方法抑制边界效应,提高分解精度,同时基于注意力机制的长短期记忆神经网络自适应地提取电力负荷数据输入特征并分配权重进行预测,最后各预测模态分量叠加重构后获得最终预测结果。通过不同实际电力负荷季节数据分别进行实验,并与其他电力负荷预测模型结果分析进行比较,验证了该预测方法在电力负荷预测精度方面具有更好的性能。     

基于遗传算法优化神经网络的建筑物电力负荷预测

建立BP神经网络模型,解决了建筑物电力负荷预测由于强耦合性、滞后性和非线性而难于建立模型的问题。利用遗传算法的全局搜索能力对网络模型进行权值优化,解决了传统BP神经网络易陷入局部最优的困扰,使预测更为精准。通过MATLAB软件进行仿真试验,验证了此方法的可行性。