数据挖掘技术在电力系统负荷预测中的实现与应用

数据仓库是支持管理决策过程、面向主题、而且随时间变化的数据集合,数据挖掘技术是利用人工智能的方法对数据库以及数据仓库中的海量数据进行分析、发现规律、获取知识的过程。电力系统负荷长期的历史数据庞大而复杂,其数据具有有限性、不完整性、影响因素复杂性等特点,结合电力系统自身存在的特点以及电力系统负荷预测的实际需要,文章详细阐述了将数据挖掘技术应用到电力系统及其负荷预测中的方法并探讨了应用现状和前景以及利用该技术做好电力负荷的重要性。     

离群数据挖掘及其在电力负荷预测中的应用

离群数据挖掘是数据挖掘的一个重要内容,它为分析各种海量的、复杂的、含有噪声的数据提供了新的方法,但它在电力系统中还未得到广泛的应用.文中通过对现有的主要离群数据挖掘算法的简要对比说明,针对电力系统的基本特征提出应用信息熵原则的电力负荷离群数据挖掘改进算法,然后应用Kohonen网提取相关负荷的特征曲线,并将其用于不良数据的校正,通过对电力负荷的仿真分析表明了该算法的有效性.     

电力系统中基于聚类分析的主导因素挖掘方法

影响电力系统发展的指标可能很多,在众多的因素中挖掘出最具代表性和影响力的若干主导因素,是有着重要需求的现实问题。借鉴聚类分析和数据挖掘的基本原理,提出了基于聚类分析的电力系统主导因素挖掘方法。对于电力系统某种指标,每一种相关指标都是一个衡量尺度,利用聚类分析法,综合多种衡量尺度对相关指标群体进行划分和识别,从而得到影响电力需求的主导因素。文中的方法可望在电力需求分析中发挥重要的作用。     

数据挖掘在电能质量监测数据分析中的应用

电能质量监测网产生的电能质量数据具有数据量大、数据异构严重以及价值密度低等特点,从数据中发现有价值信息是电能质量数据处理分析面临的主要问题之一。提出了一种基于数据挖掘技术的电能质量监测数据处理分析体系,包括数据清理、数据集成、聚类分析和相关性分析等技术。将所提体系应用于某城市电网电能质量监测网数据处理分析中,获得了有意义的电能质量指标变化规律,能为电网规划、调度和运行提供有价值的参考。     

Hilbert-Huang变换理论在电力系统中的应用研究

主要根据本课题组近几年Hilbert-Huang变换(HHT)理论及其在电力系统信号分析领域应用的研究成果,综述了HHT理论在电能质量检测、电力系统谐波分析、电力系统低频振荡、同步电机参数辨识、局部放电信号检测等问题的应用,并探讨了HHT理论应用的进一步研究的方向:低频振荡在线分析,同步电机参数辨识精度的提高,窄带噪声、随机脉冲等干扰下的局部放电信号在线检测等问题。     

神经网络在电力系统短期负荷预测中的应用综述

神经网络是目前研究最多的短期负荷预测方法。详细综述了BP网络、RBF网络以及小波神经网络在电力负荷预测领域的研究和应用现状。简单介绍了神经网络中常用的BP算法以及改进的BP算法。综述了神经网络在组合预测中的应用，并指出目前神经网络还存在的一些问题。     

电力系统灵活性及其评价综述

随着电力系统不确定性的不断增加,电力系统需要具备一定的应变和响应能力,即所谓的灵活性,以尽可能消除或减小以上不确定因素带来的负面影响,保证电力系统的安全稳定运行。介绍了电力系统灵活性的特点与定义,将电力系统灵活性分为输电系统灵活性、配电系统灵活性和输电及配电系统双端灵活性3个方面,较为全面地对可控性较强的可再生能源的接入、储能、负荷管理和负荷响应、微网等可用的灵活性资源进行分类与阐述,介绍它们之间的交叉应用,并对它们提高电力系统灵活性的能力进行了概述;此外,简要介绍了现有的灵活性评价指标,着重介绍了IRRE和TUSFI-TEUSFI两大指标,并指出了它们的适用范围。最后,对电力系统灵活性的研究进行了展望,并阐述了灵活性指标的建立与优化过程中需要关注的问题。     

数据挖掘在电力系统中的应用综述

电力系统各种数据现已呈现爆炸性增长态势,数据挖掘技术将会扮演越来越重要的角色.主要介绍数据挖掘技术及其相关的应用,以及数据挖掘的交叉产业标准(CRISP-DM)和主要方法.结合电力系统的自身特点,分析数据挖掘在电力系统当前的主要应用动态及应用前景.     

区间分析及其在电力系统中的应用综述

阐述了区间、概率分析和模糊数学在处理不确定性问题上的不同和各自的优缺点,并简要介绍了区间分析的基本理论,论述了区间分析在电力系统中潮流计算、配电系统和电力市场领域的应用。     

内存计算技术及在电网分析中的应用

首先介绍内存计算技术以及其在大数据处理中的应用。针对在电力系统分析中计算性能的磁盘及网络数据I/O瓶颈问题,提出一种基于内存计算技术的电网分析内存计算架构,并讨论了内存计算在快速动态安全评估(DSA)中的典型应用场景。以国调现有在线DSA电网模型(4万节点)为案例,给出了内存计算在大型电网分析中应用的相应性能测试结果。     

多波前算法在电力系统分析计算中的应用

在介绍和比较多波前算法（multifrontal algorithm,MA）和传统的稀疏三角分解技术的基础上,把MA应用于IEEE118节点系统、IEEE300节点系统的潮流计算以及IEEE145节点系统的暂态稳定性分析计算,得出结论：应用MA的潮流计算和暂态稳定性的分析计算比采用传统的稀疏三角分解技术计算要快,加速比明显,而且应用的规模大,此外,鉴于MA具有的并行特性,它是解决现代大规模电力系统实时计算及控制的有效途径,适合于可重构系统的计算。     

电力电容器在电力系统中的使用综述

介绍了电力电容器在电力系统中的安装及运行过程中应注意的问题及故障处理,着重介绍了补偿电容器的安装容量计算方法,并对补偿效益进行简要分析。     

电力电容器在电力系统中的使用综述

介绍了电力电容器在电力系统中的安装及运行过程中应注意的问题及故障处理,着重介绍了补偿电容器的安装容量计算方法,并对补偿效益进行简要分析。     

电力系统动态频率分析与应用研究综述

总结了动态频率定义和分类,剖析了电力工业对频率动态行为分析的需求,分析比较了全状态模型、等值单机模型以及人工智能等各类动态频率计算方法的特点和适用范围,强调了动态频率仿真计算中需特别注意的各种模型因素,综述了暂态频率偏移安全性、频率稳定性评估理论的进展,总结了广域动态频率信息的应用现状,提出了动态频率领域亟需研究的若干问题。     

远程图像监控系统及其在电力系统中的应用

介绍了远程图像监控系统的原理、结构、功能和在电网运行中的重要作用与实际功效,并提出了系统的维护措施。     

混成电力控制系统及其应用

提出并建立了混成电力控制系统(Hybrid Power Control System, HPCS)概念、理论架构及其方法论,可以认为这是电力系统中一门新学科分支的诞生.为了有助于理解该学科分支的理论和方法并进而加以应用,特以混成自动电压控制(HAVC)为例进行了具体的阐述.在HAVC系统中,我们建立了混杂分层电压控制模型,采用离散事件作为驱动主体,并可以实现复合指标调控.该理论和方法的应用使长期以来电力系统运行调度中品质-稳定-经济三重优化的"梦想"成为现实.应该指出本文阐明的HAVC系统设计理念和方法亦实用于大电力系统的混成自动调频(HAGC)和其他具有混成结构的系统,如军事实战指挥系统、复杂的大规模制造加工系统和某些过程优化控制系统等.     

聚类分析在短期风电功率预测模型中的应用

风电场安全稳定运行的关键是对风电利用率进行精准预测.针对短期功率预测方法模型等技术对输入数据处理有待于改善的情况,根据风速和风电功率的日相似性,在风电场输出功率的短期预测技术上,提出了将聚类分析方法应用于神经网络预测风电功率模型.所提出的数据处理方法及结合神经网络模型已形成软件产品,结合数据聚类处理方法的风电预测模型,与传统持续模型相比,功率预测误差大大减少,预测精度明显提高,同时验证了方法的有效性.     

WAMS在电力系统分析和控制中应用的新进展

基于PMU/APMU的广域测量系统WAMS的出现,主要源自电力系统安全稳定控制对于量测量在时间上同步以及监控范围在空间上广域的需求。为提高电网安全稳定监控水平,利用综合法、分析法归纳和分析了暂态稳定预测及控制、静态电压稳定控制和基于轨迹的暂态稳定分析方法的最新进展。研究表明,采用相对功角或角速度判别系统的暂态功角稳定性并实施控制策略,能很好反应系统电力系统本质及运行情况。