改进鸟群算法在家电负荷分解中的应用

负荷监测是智能用电的重要环节,对节能减排起到至关重要的作用。针对家庭用电网络中非侵入式负荷监测问题,提出一种基于改进鸟群算法的负荷分解方法。该方法选用可由智能电表获取的低频稳态电流作为负荷特征,建立监测的总电流与各电器电流相加得到的计算值之间的数学优化模型,并对鸟群算法进行改进用于计算电器的时间系数。算例分析结果表明,提出的方法无需增加测量硬件成本即可有效识别电器运行状态及估计电器电流,且能够处理具有相似功率范围的多电器识别及多电器同时投切的情况。     

基于贝叶斯准则的非侵入式负荷监测方法

利用非侵入式负荷监测技术,既可以使居民了解家中电器详细的能耗信息,也有助于电力公司制定科学的需求响应政策。针对现有负荷分解方法采样频率要求高、无法有效处理多工作模式负载投入使用的问题,提出基于贝叶斯准则的负荷分解方法。首先介绍了一套用电信息采集系统;然后提出了负载电流概率密度函数的概念,并在此基础上建立了基于贝叶斯准则的负荷分解模型;最后给出了一种全新的非侵入式能耗估算方法。使用实测数据进行算法验证,结果表明所提方法可以精确估算出各家用电器的能耗。     

基于电流分解的输电损耗分摊双向追踪方法

针对已有的基于潮流追踪的分摊方法很难实现损耗在电源和负荷之间的公平分摊,提出虚拟发电/负荷电流的概念以及基于电流分解的输电损耗分摊双向追踪算法.通过分别追踪电流的实部和虚部,在计算虚拟发电电流在各支路中分量的基础上得到各参与者对支路电流的贡献,最终实现功率损耗的分摊.将对地导纳支路电流等效为发电电流或负荷电流,按照比例分摊原则将充电功率分摊的损耗完全分摊给电源和负荷.通过正向和反向两次追踪可实现功率损耗在所有电源和负荷之间的分摊,两者分摊损耗的比例由系统的运行方式及其在系统中的电气位置共同决定.该算法适用于联营体运营模式以及联营-双边交易共存模式的网损分摊,也可对具有环流的网络进行处理.应用IEEE-14和WSCC-9母线系统描述了该方法的计算过程,多个系统的测试结果显示了该方法的有效性.     

基于用电模式和字典学习的电器负荷分解方法

负荷分解是获取电器用电细节、分析用户用电行为的重要手段,有利于加强智能电网的需求侧管理。针对当前非侵入式负荷分解研究缺乏考虑电器用电模式、模型迁移能力弱的问题,提出一种基于用电模式和字典学习的电器负荷分解方法。通过聚类提取电器的典型用电模式,根据待测住宅内电器所含用电模式,执行字典学习算法训练各电器的模式字典,再利用模式字典对总负荷进行稀疏表示以实现负荷分解,测试数据集上的分解结果验证了所提方法的准确性以及在住宅迁移上的性能。     

欠定分离机制下基于特征滤波的居民负荷非侵入辨识算法

通过非侵入采集模式下电流信号的欠定求解实现了负荷分解,获取了各独立负荷的完整电流,在负荷分解基础上实现了状态辨识。利用居民用户的负荷操作习惯将难以求解的欠定问题优化建模,转化为一维欠定问题,将求解模型建立为单位时间间隔仅从采集信号中分离两路信号。依据电流频域信号的稀疏性通过两步迭代收缩阈值算法得到最优解,使每个投入运行的负荷均可独立分解。通过先验方式获取用电网络各负荷的特征电流形成特征滤波器组,对分解电流进行频域滤波,通过对滤波后频率分量的量化判决实现负荷辨识。利用实际采集的用电数据验证了算法的有效性,能够有效实现负荷分解,并准确判断负荷状态。     

基于经验模式分解与因素影响的负荷分析方法

提高预测精度需要准确把握负荷变化规律和环境因素影响,但目前的分析方法多存在依赖主观经验,且对因素影响分析不深入的问题。为此,提出一种基于经验模式分解(empirical mode decomposition,EMD)和因素影响的负荷分析新方法。利用EMD的自适应性,自动地将目标负荷序列分解为若干个独立的内在模式,可克服依赖主观经验的缺点。再利用多个指标从不同方面分析它们的规律特性。通过各分量与各影响因素的相关分析,深入挖掘各因素对各分量的影响情况。归纳出构成负荷的不同成分,并详细论述其特性。实例研究说明该方法可很好地分析负荷特性及因素影响。     

基于双向长短时记忆网络的母线负荷分解方法

目前在负荷分解领域的研究工作多以家庭住宅的总负荷分解为电器级别的负荷为主,对于中高电压等级的母线负荷分解研究较少,为解决这一问题,本文提出了一种基于双向长短时记忆网络(Bi-directional Long Short-Term Memory, Bi-LSTM)的中高电压等级母线负荷分解算法。首先在LSTM的基础上构建了Bi-LSTM,其次以母线负荷和其对应的外部信息源(如日期类型、天气等)作为Bi-LSTM的输入量,母线负荷的各下属建筑负荷作为输出量,对Bi-LSTM进行训练,最后以网络分解的母线负荷构成值与实际值间的平均相对误差作为评价指标,实验结果表明该方法可有效对构成成分未知的母线负荷进行分解。#$NL关键词：母线负荷;负荷分解;人工智能;双向长短时记忆网络#$NL中图分类号：TM769     

基于经验模式分解与人工神经网络的短期电力负荷预测

为了有效预测具有一定周期性和随机性的非平稳时间序列的电力负荷,提高预测精度,提出了一种基于经验模式分解(EMD)和人工神经网络(ANN)的电力短期负荷预测方法。该法利用EMD的自适应性,自动地将目标负荷序列分解为若干个独立的内在模式分量(IMF),对各分量分别进行分析,可准确把握负荷变化特性和环境因素影响。对这些分量采用相匹配ANN模型进行预测,综合得到负荷序列的最终预测结果。仿真试验表明,与传统BP神经网络预测方法相比该方法具有较高的精度和较强的适应能力。     

基于经验模式分解与人工神经网络的短期电力负荷预测

为了有效预测具有一定周期性和随机性的非平稳时间序列的电力负荷,提高预测精度,提出了一种基于经验模式分解(EMD)和人工神经网络(ANN)的电力短期负荷预测方法.该法利用EMD的自适应性,自动地将目标负荷序列分解为若干个独立的内在模式分量(IMF),对各分量分别进行分析,可准确把握负荷变化特性和环境因素影响.对这些分量采用相匹配ANN模型进行预测,综合得到负荷序列的最终预测结果.仿真试验表明,与传统BP神经网络预测方法相比该方法具有较高的精度和较强的适应能力.     

基于时间概率分布与电器组合超状态的非侵入式负荷分解

非侵入式负荷监测是智能用电网络中的重要技术,为研究非侵入监测下电器的用电情况,提出了一种基于电器时间概率分布和电器组合超状态匹配的负荷分解方法。首先对电器的功率数据进行状态提取,并利用电器运行的时间信息提取每个状态的时间概率分布。根据电器的工作状态组合,构建超状态,利用家庭历史用电数据缩减超状态空间,并针对超状态功率重叠问题对其进行聚类得到S超状态。在负荷分解阶段利用S超状态匹配方法对非侵入式数据分段,并利用时间概率最大似然估计分解结果。最后,通过数据集分解结果验证了该算法的有效性。     

江苏电网负荷结构分析

负荷的差异及其比例的变化造成了负荷曲线及负荷特性指标的变化,通过对不同季节不同时段全省各类用电负荷的解析,了解行业及居民用电负荷的构成及其季节性变化,有利于深入进行负荷特性变化分析.从而判断负荷特性变化趋势,为改善负荷特性提高电力系统运行效益提供决策依据.     

上海市市区供电局季节性负荷分析

从上海市市区供电范围内电力负荷变化趋势、季节怀负荷变化的来源以及气温对季节性负荷的影响等方面,系统地分析了该供电范围内１９９２￣１９９８年期间季节性负荷的特征。通过分析可以发现,近７年来,上海市市区供电内的季节性负荷正在急剧增大,季节性负荷问题已经成为供电局必须解决的紧迫课题。     

利用特殊日期测定各类用电负荷的方法

准确掌握一个地区内各类用电负荷的构成和变化规律,对于做好本地区的负荷预测、用电分析、负荷管理等工作非常重要。在实际情况中,可以发现通过一般统计方法获取各类负荷构成数据的途径并不具备可行性和实用性。总结了一些利用特殊日期负荷变化来测定各类用电负荷大小的方法,并结合廊坊市的实际情况对这些方法的操作过程和分析结果进行了具体论述。     

基于负荷分解的城市长期负荷预测模型研究

我国城市出现了快速增长的空调负荷。考虑空调负荷的增长规律及影响因素,从负荷分解的角度构建了城市长期负荷预测模型。在模型中,高峰负荷被分解为3部分：居民空调负荷、工作区空调负荷以及基本负荷。以上海为例进行的实证研究表明,基于负荷分解的预测模型能够反映城市电力需求的增长,可为需求侧管理提供制定政策的依据。     

空调系统夏季负荷动态计算

现行夏季空调负荷计算方法中没有考虑新风状态的变化，计算所得新风负荷为一定值，这种方法无法求得空调系统设备的动态负荷，不利于空调设备合理选型和节能运行。本文提出了一种考虑新风状态及新风负荷变化的空调系统夏季负荷动态分析计算方法。     

基于非侵入式技术的空气源热泵负荷识别与分解

非侵入式电力负荷监测技术具有成本低、安装简便等优点,可以有效解决电采暖负荷数据难以获取的问题.文中提出了一种基于负荷事件检测的非侵入式空气源热泵负荷指纹提取方案,获取关键参数△T和△P,定义三种过渡事件类型作为判据,判定空气源热泵启停状态;提出了实用化的负荷指纹模板库自动生成方法,事件样本达到预设数量后聚类为负荷的指纹...     

电网空调负荷计算及预测

结合河北省南部电网空调负荷特性,以2009年数据为例,通过最大负荷比较法和基准负荷比较法进行计算,取二者平均值确定空调负荷最大值,并根据2005-2009年空调负荷变化趋势预测2010年空调负荷,结果表明预测数据准确可靠.     

基于半消声环境声学测试平台的干式配电变压器噪声特性负载因素影响研究

为了研究用户负载因素对干式配电变压器噪声的影响,分析了负载因素与变压器噪声之间的理论关系,以1台800 kVA三相干式配电变压器为原 型,对负载率、运行电压升高、不平衡负载、谐波负载等多种常见工况下的变压器噪声水平进行了实验研究,对比分析了不同工况下干式配电变压器 的噪声水平变化。结果表明,谐波负载及运行电压升高是负载因素中导致干式配电变压器噪声显著变化的主要因素,负载率与不平衡负载对变压器噪 声水平的影响较小。研究结果对于干式配电变压器噪声与振动控制具有参考意义。     

中期电力负荷预测及负荷模型的研究

对电力系统中期负荷预测提出了按照时间段预测趋势修正的新方法 ,同时提出了多阶梯中期负荷模型。     

重载潮流算法

结合类编程思想和重载原理开发了三相潮流和单相潮流算法的统一结构。在此基础上 ,文章提出了三相潮流和一般潮流的统一算法———重载潮流算法。通过单相、三相与重载潮流在收敛性、计算速度以及存储量等方面的比较 ,得出该算法能够简化计算 ,具有收敛性好、灵活、通用、计算速度快的结论