考虑负荷特性的母线负荷异常数据修正方法

介绍了异常数据的种类、特点和识别母线负荷异常数据的方法根据母线负荷特性的影响因素生成特征向量,通过灰色关联度来选取相似参考样本,以相似样本为基础采用模糊C均值聚类获得聚类中心曲线,并根据识别出的异常数据种类,结合聚类中心曲线与修正算法进行异常数据修正实例证明该修正方法对不同的异常数据类型都能有较好的修正效果,确保了母线数据的完整性,提高了母线负荷预测的工作效率和预测精度     

基于小波分析的母线负荷预测不良数据检测

母线负荷预测是电力系统调度运行的重要基础,而母线负荷预测中可能存在较多的不良数据,极大地影响预测精度。以准确检测母线负荷预测中的不良数据为目标,分析不良数据的来源,指出了数据奇异点与不良数据的关系,提出了基于小波分析理论进行不良数据检测的方法。理论分析表明,该方法具有完整、精确、准确及简单的特点,通过实验证明了该方法能够很好地识别增幅点、降幅点、突变点等典型的不良数据,有效提高预测精度。希望能够对母线负荷预测工作提供有益的参考。     

基于模糊负荷聚类的不良负荷数据辨识与修正

为辨识和修正不良负荷数据,在利用模拟退火遗传算法优化的模糊C均值（Fuzzy C-Means,FCM）算法进行负荷曲线聚类的基础上,提出将待测曲线与相应特征曲线进行比较计算差量系数的方法.差量系数大于电力公司确定的阈值的负荷点即为不良负荷数据.通过算例验证表明,该方法克服了统计历史数据中不良数据的影响,提高了不良数据辨识的可操作性和实用性.同时提出了考虑不良数据测量点外所有其他测量点负荷信息的不良数据修正方法,与仅考虑不良数据测量点前后2个测量点负荷信息的修正方法相比,提高了不良数据修正的精确性和有效性.     

基于解耦机制的短期母线负荷预测方法

准确的短期母线负荷预测是实现节能降耗与调度精细化管理的基础,提出了一种基于解耦机制的预测方法。首先研究划分样本集最优簇结构的AFS（AP,FCM,Silhouette）聚类算法。利用AP聚类（affinity propagation clustering）计算样本集聚类数的搜索区间;从大到小排列各样本点的密度指标,得到初始化矩阵;通过Sil—houette指标进行有效性检验,获取最优聚类结果。将预测过程分为负荷水平预测和标幺曲线预测两部分,并制定适应其各自特点的预测策略。采用改进的灰色关联分析计算各日特征相关因素关联负荷水平的权值,并将该权值赋予相似选择的目标函数,由最小二乘支持向量机训练相似集进而做出预测;划分标幺曲线样本集的最优簇结构,利用逐步判别分析建立的Bayes判别函数将目标日归类,并根据相似度加权平均该类历史标幺曲线。实例分析验证了该预测机制及模型的优越性。     

基于数据驱动的母线负荷特性分析

深入分析母线负荷的特性对于提高负荷预测精度,评估电网的安全性和稳定性,辨识需求响应潜力等具有重要的意义。有别于传统的负荷率、峰值出现时刻等指标,提出了一套基于数据驱动的母线负荷特性分析方法。在对母线负荷进行数据清洗、标幺化处理的基础上,利用基于马氏距离的聚类算法对每日母线负荷曲线进行聚类分析;在此基础上,从不同维度提出和采用了模式切换熵、相对波动率、日平均负荷、温度敏感度等4个指标作为凸显母线负荷差异性的评估标准;最后根据提取的特征,利用K最邻近算法对母线负荷进行分类。对广州130条母线负荷数据进行了算例仿真,结果表明所提出的指标能够较好地刻画母线负荷特性,并能取得较好的分类效果。     

基于改进灰色模型与综合气象因素的母线负荷预测

针对母线负荷与系统负荷的差异——母线负荷基数小、易受气象要素变化影响等,为了充分考虑气象要素、日类型、小电源等因素对母线负荷预测的影响,提出了一种利用指数加权法来处理原始数据的改进灰色模型。以预测日的日类型与综合气象要素为依据,将其模糊化为日特征向量,采用灰色关联度来选择最优相似日,作为改进灰色模型的原始序列进行预测,...     

短期电力负荷预报中异常负荷数据的识别和修正

分析了历史负荷中异常数据对负荷预报影响,并对实际电力系统中异常负荷数据进行了简单的分类。为了满足实际对负荷预报精度的要求,提高短期负荷预测的准确性．介绍了几种常用的异常数据修正方法,提出了一种新的异常数据识别和修正方法,以实际电力系统的应用数据证明了这种方法的有效性和适用性。     

基于数值天气预报的母线负荷预测

针对母线负荷量大面广,易受气象变化影响,且传统天气预报与母线负荷之间存在极为松散的地理对应关系,提出了基于数值天气预报和负荷分类的母线负荷预测。通过获取母线负荷所属行政区域,如县、乡或市辖区的地理位置,提取与母线地理位置紧密对应的高精度数值天气预报信息。通过研究母线负荷与气象因素的相关特性,构建了基于数值天气预报和负荷分类预测的母线负荷预测模型。通过对某省母线负荷进行分析预测,验证了该方法的实用、有效性。     

异常电力负荷数据的t检验辨识与修正

介绍了电力负荷异常数据的形成原因和分类．针对目前异常数据辨识方法灵敏度不高、易漏判、误判的现状．提出了基于数理统计中t检验对异常数据进行辨识和修正的算法通过山东电网的实际算例,验证了此方法具有简单、实用、灵敏度和计算效率高的特性．     

规避坏数据影响的母线负荷预测新策略

坏数据的存在对母线负荷预测的精度有较大影响.针对在实际工作中坏数据辨识和修补的结果不令人满意的情况,提出了一种新的规避坏数据影响的预测策略.提出了完全可信信息集的概念,在这一概念下将历史负荷进行合理划分,并分析了相互之间的横向联系和纵向联系;由此提出了以完全可信信息集为基础的预测策略,避免将修补后数据直接用于预测,妥善处理坏数据对预测效果的影响.描述了预测方法的实现过程,算例表明这一预测策略可以取得较好的效果.     

基于Attention-BiLSTM神经网络和气象数据修正的短期负荷预测模型

基于循环神经网络的负荷预测模型大多将历史负荷数据和影响负荷的其他因素如气象数据等共同作为预测模型的输入特征,但气象数据内部规律性不强,不适合作为循环神经网络的输入.针对该问题,提出一种基于Attention-BiLSTM神经网络和气象数据修正的短期负荷预测模型.采用最大信息系数分析影响负荷的主要因素;考虑到负荷序列较长...     

考虑数据不确定性的中长期电力负荷预测

中长期负荷预测时间跨度较长,其基础数据受诸多因素影响,具有不确定性和不可控性.引入蒙特卡罗算法和区间算法处理中长期负荷预测中的数据不确定性问题.根据历史年度实际情况,假定基础数据在某一范围内存在不确定性,采用蒙特卡罗算法构建了计算流程,可以得到界于某一区间的负荷预测值;采用区间算法描述基础数据的不确定性,针对区间算法固有的过估计问题,通过推导适合的公式,可以避免产生过度保守的结果,只需一次计算,就可以严格分析数据不确定性对预测结果的影响,具有节省计算时间的优点.在考虑基础数据存在不确定性情况下,通过某省电网负荷预测实例计算并与传统预测方法相比较,验证了两种负荷预测方法可以评估数据不确定性对负荷结果的影响,避免得到过度保守的负荷预测值.     

考虑气温影响的负荷模型参数不确定性建模

气温变化会引起电力负荷构成的变化,从而会导致负荷模型参数发生改变.采用模型向量基理论,在统计调研郑州地区220 kV典型变电站日负荷曲线和负荷模型参数基础上,计算得到了各变电站夏季和冬季负荷模型参数.考虑负荷模型参数的不确定性,引入可信性理论,以所得的不同气温下各变电站负荷模型参数为样本,建立了负荷模型参数随气温变化的...     

基于XGBoost与Stacking模型融合的短期母线负荷预测

母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数。通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性。     

计及负荷不确定性的无功优化模型与算法

提出一种计及负荷不确定性等影响因素的无功优化模型与算法,以克服单一负荷水平下无功优化模型不能全面刻画其负荷随机特性的不足,该模型目标函数为系统有功功率损耗最小,并将节点电压越限和补偿设备的调节代价作为罚函数计及其中,以负荷正态随机分布特性为基础,将系统总负荷分段并得到多组负荷样本及其对应的概率值,对每一负荷样本分别进行优化,最后结合其对应的概率,即可得到不确定负荷下的最终解.针对无功优化多目标、多约束的特点,采用遗传算法对其进行求解.将问题的解转化为染色体组,通过对染色体组进行选择、交叉和变异等遗传操作,搜索问题的最优解,通过IEEE-30节点算例对所提出的方法进行了验证,结果验证了该模型和方法的可行性和有效性,     

计及源荷不确定性的多时间尺度滚动调度计划模型与方法

考虑风电和负荷预测偏差随时间尺度变化的规律以及分时电价条件下负荷响应偏差,综合表述系统运行的不确定性因素及其影响,提出了一种基于偏差预控的负荷调度模式。为实现风电、慢机、快机以及价格型和激励型需求响应在不同时间尺度上逐级协调优化的潜力,构建了"日前-日内-实时"多时间尺度滚动调度计划模型。算例结果验证了决策模型与求解的有效性,并进一步分析了不确定性因素对调度计划的影响以及多时间尺度经济运行域滚动决策的效果。提高不确定因素的预测精度以提升系统整体运行水平的同时,应充分考虑不确定性偏差随时间尺度的变化规律和不同类型资源的互补特征。在系统可靠运行的前提下,可根据系统运行不确定因素的偏差大小同步滚动生成不同时间尺度的经济运行域,进一步增强系统运行的经济性。     

考虑可调负荷集群响应不确定性的联合调度模型

售电侧放开是新电改的一项重点任务,分析需求响应策略的经济性和安全性会为售电市场开放后的需求响应业务实施提供支持。需求侧管理将大量的小时响应负荷建模成多个负荷集群,通过电价信号调整集群的用电量,实现用电高峰时段减小电力缺口的目的。但负荷集群对电价响应的不确定性会造成潜在风险损失,在经济调度模型中考虑这种响应不确定性以达到降低风险值得研究。首先基于蒙特卡洛法得到负荷集群的响应偏差率,然后使用风险损失(VaR)度量负荷集群响应不确定性的风险损失,最后在满足各种约束条件的基础上,对引入风险损失的优化模型进行求解。算例结果表明该联合调度模型保证调度经济性的同时,减少需求侧因负荷响应不确定带来的风险损失。     

Medium term stochastic load model for transformer and feeder from AMI load data spectral analysis

A medium term stochastic load model using the hourly AMI load data aggregated at transformers and feeders is introduced. Load model frequency domain statistical parameters are derived from spectral analysis of AMI data. The load model is driven by a weather index based on Heating-Cooling Day Degree. This index is incorporated into the model using local, hourly weather data. Advantages of the proposed load model are discussed. Performance comparisons between the proposed model and several time-domain methods are presented.