计及电动汽车渗透率的台区负荷预测研究

大量电动汽车接入给配网台区负荷带来了巨大的影响,为了更好地进行配电台区的负荷调度和扩容规划,研究计及电动汽车渗透率的台区负荷预测。首先对多源的负荷预测数据进行缺失、重复、异常预处理并对处理后的数据进行负荷聚类分析;然后分析电动汽车渗透率对台区负荷的影响并建立相应的负荷预测模型;接着建立基于ANFIS-RBF算法的台区负荷预测算法,并采用某地实际模型和数据进行台区负荷预测实例仿真,分析不同电动汽车渗透率下的台区负荷预测结果并验证本文所提算法的优越性。     

山东淄博供电公司通过智能监控系统实现136个台区遥视、遥调

<正>2015年12月6日,在山东淄博供电公司体坛服务点,淄博供电公司正利用"配电台区智能监控系统"对该范围内的公配台区进行实时监控。"配电台区智能监控系统"为公配台区巡视监控提供了一个全新的模式,集继电保护、控制、监测、远动及全景可视化通信等功能于一体,实现了配电台区远程运行全景监视和操控功能。配电运维人员在办公室可登录该系统对所管辖的配电台区进行全面巡视、调负荷、采集数据,比到现场更容易操作。     

基于统计学的煤改电台区负荷特性研究

以北京通州某农村煤改电台区为案例,考虑台区用户负荷数据不具备全面采集的特点,应用统计学方法对采暖季内台区整体以及单体用户的负荷特性进行了研究,得出了台区空气源热泵机组的负荷、同时率、负载率等指标,为煤改电前期的负荷预测提供了参考依据。     

高速电力线载波和微功率无线双模通信在配电台区的应用

配电物联网的快速发展对配电领域的通信技术提出了更高的要求,文章通过分析配电台区中不同层级设备的通信现状和通信需求,基于"台区智能终端+物联网通信单元"技术架构提出了高速电力线载波和微功率无线双模通信在配电台区的应用方案,实现了为提高通信质量所采用的双模组网、IP化和中继等关键技术,并通过试点台区实际应用验证了双模通信技...     

台区线损影响因素分析

根据上海市松江地区的台区基本情况,利用用电采集信息系统运行监控平台和配变负荷监测系统,分析了影响配电台区线损的原因,并结合现场情况,制定有效措施以降低台区线损。     

考虑温度-负荷相关性的低压台区线损估算方法

由于已有方法未能对低压台区线损特征进行提取,导致台区线损估算结果不准确,估算时间较长。提出一种考虑温度-负荷相关性的低压台区线损估算方法,结合低压台区线损参数以及线损等相关理论,构建CGA模型,通过模型对低压台区线损数据进行预处理,提取线损数据主要特征,构建台区线损特征数据库。分析温度-负荷相关性对低压台区线损估算产生的影响,对低压台区的线损特征进行聚类,通过聚类结果建立决策树分类模型和随机森林估算模型,借助以上两个模型达到低压台区线损估算的目的。实验结果表明,所提方法能够快速准确实现低压台区线损估算,且估算精度较高。     

基于关注指标和深度学习的台区配变重过载预警方法研究

针对现行配变重过载治理方法过于被动的问题,结合电力大数据和深度学习技术提出了一种适用于大规模配电网分析的台区配变重过载预测方法。首先基于配变负载特性建立重载关注指标并建立二级过滤系统筛选出重过载风险较高的台区配变及其日期作为预测对象。然后充分考虑内外影响因素,建立卷积神经网络-门限循环单元深度学习模型实现负载率预测并转化为预警等级。实例证明了所提方法的有效性。     

基于物联网的台区数据分钟级同频采集方案设计及应用

为提升配电台区数据同频实时采集、数据共享共用、跨专业业务协同等问题,文章通过在配电房部署基于边缘计算框架的智能边设备,并对台区集中器、采集器、HPLC软硬件进行基于DL/T 645、DL/T 698和Q/GDW 1376.2协议的扩展升级,给出适用于台区的数据分钟级同频采集策略.研究了基于台区分钟级同频采集数据的多元线...     

基于交叉联合供电的多配电台区网损优化

低压台区配电变压器存在冗余度高、整体利用率低等缺陷。为优化配电网运行经济性,提高配电网设备利用效率,以多配电台区网损为目标函数,各运行条件为约束,建立一种基于交叉联合供电运行模式的网损优化模型,并采用粒子群算法对其进行求解。上海某实际配电网的算例分析表明,交叉联合供电模式可以有效降低台区网损,为社会带来巨大的经济效益。     

融合小波分解的Lasso光伏净负荷预测方法

为实现碳达峰、碳中和的目标,有必要对光伏净负荷进行预测,辅助电网根据不同用户的用电需求进行智能分配用电。文章提出了一种小波分解结合Lasso回归模型的预测模型,其中小波分解将时间序列数据的时频域进行对调,聚焦到数据的细节,更适合描述光伏净负荷的内在特性,而在Lasso回归模型中引入该方法将原始数据映射到合适的高维特征空间,使得Lasso回归模型应用于非线性的光伏净负荷数据。在实验验证中首先根据已有的10个台区的光伏净负荷数据进行分析,然后通过这些光伏净负荷数据使用预测模型进行训练和预测,实验结果表明该预测模型具有较高的准确性。     

针对台区不对称源荷的综合降损方法

由配电台区大功率单相负荷造成的三相不平衡和实际台区电压偏高造成的无用功率消耗是损耗的两个主要方面。针对这两种问题,提出了一种综合降损方法,通过三相功率平衡动态补偿结合最佳电压控制降低能量损耗。设计了综合仿真平台,针对实际台区进行了优化控制的仿真测试,检验了相应的动态节能降损效果。     

考虑需求响应的温度敏感用户夏季短期负荷预测方法

在新常态下为了降低生产成本,用户会参与需求响应进行错峰和避峰。传统负荷预测模型对用户负荷特性变化不敏感,对一些突变信息难以准确预测。针对此问题,考虑温度敏感用户参与需求响应,提出了夏季短期负荷预测方法。该方法采用小波变换和局部离群因子方法对负荷数据预处理,基于模糊C均值聚类和径向基函数网络相结合的方法识别预测日的负荷特性,采用线性回归模型对预测日的负荷特性相同的历史负荷数据进行负荷预测,根据降温负荷的基准值和温度变化值评估出降温负荷值,最后综合得出预测日的负荷。对3类温度敏感的纺织行业大用户进行算例分析,验证了所提方法的可行性和有效性。     

基于机器自学习的供热系统热负荷预测

传统的集中供暖系统热负荷预测取决于操作人员的经验，与系统实际热负荷相差过大，容易造成热用户侧温度过高或过低，影响热用户体验，不利于系统节能。采用机器自学习的方法，对大连某供热系统2019年至2021年的系统数据进行处理，基于多元线性回归、多项式回归、岭回归、Lasso回归、神经网络算法建立供热系统热负荷预测模型，并对比预测效果。结果显示：采用BP神经网络模型的供热系统热负荷预测结果比经验预测结果高8.7%，随着模型不断地自学习与自优化，预测结果的精度可进一步提高。     

基于分位回归鲁棒极限学习机的短时负荷预测方法

针对短期负荷预测对电力系统运行管理和优化调度的影响,提出一种基于分位回归鲁棒极限学习机的短时负荷预测方法,即先对所收集的历史负荷数据进行归一化处理,然后利用自相关分析提取最相关的历史负荷数据作为模型的输入变量,再融合鲁棒极限学习机和分位回归建立负荷预测基本模型,最后利用某电力公司2016年采样频率为30min的数据进行实例分析,试验数据表明相比极限学习机(ELM)、分位回归(QR)和分位回归支持向量机(QR-SVM),所提模型预测精度更高,验证了所提模型和算法的可行性和有效性。     

基于温度近因效应的多元线性回归电力负荷预测

为分析负荷与温度的关系,充分利用有用的气象信息,以结构简单、解释能力强的回归预测方法为基础,提出基于温度近因效应的多元线性回归负荷预测模型。在构建回归模型时,引入虚拟变量描述负荷在年、周和日周期上的周期性变化规律,对周分类时兼顾考虑节假日负荷特殊性及与休息日负荷的相似性,对节假日及其邻近日做相应转换;在近因效应方面,采用滞后时温度和24h移动平均温度。研究结果表明,考虑温度近因效应可较大程度提升负荷预测精度。     

考虑可再生能源出力不确定性与碳排放成本的台区运行优化策略研究

随着电网公司市场化改革的进行,电力市场将逐渐吸引各类社会资本的投入。配电网下辖的台区和配电网本身将成为隶属于不同利益主体的竞争场所,形成相互竞争的博弈格局。与此同时,分布式可再生能源的高比例接入提升了配电网能源构成的清洁性,但其出力的不确定性也导致配电网调度运行风险进一步提升。为平抑分布式可再生能源出力的不确定性,将隶属于同一配电台区的“分布式可再生能源-分布式火电-储能-灵活性负荷”作为整体,以安全性和经济性为目标,由配电网运营商统一调控。首先,为协调配电网运营商和其下辖台区之间的利益关系,文章建立了由配电网运营商和其下辖的多个台区所构成的主从博弈模型,运用条件风险价值理论量化以风光为主的分布式可再生能源导致的不确定性风险;然后,为进一步考虑分布式火电的碳排放成本,实现分布式可再生能源与火电的灵活互补调控,将各台区主体在碳市场中的获利加入优化调度模型中,通过BP神经网络拟合,将主从博弈模型简化为单层模型,并运用粒子群算法进行求解;最后,通过算例讨论了不同可再生能源出力风险与碳价下各台区内不同种类分布式电源出力变化,进一步验证了该优化策略的有效性。     

基于线性回归模型的尿素喷嘴温度场预测分析

基于Design of Experiment(DOE)试验测温数据,采用线性回归分析方法,得到自主开发的水冷式尿素喷嘴6个关键位置的温度回归方程模型.实测温度值和预测温度值差值<5℃,表明模型精度较高.柴油机台架试验结果显示,预测温度误差为-4.4℃ ～5.7℃,表明尿素喷嘴温度回归模型可用于实际应用项目的开发预测,可在项目开发前期预测尿素喷嘴内部结晶和过热失效风险.     

基于逆推理论改进模糊均生函数的短期负荷预测

为提高短期电力负荷预测精度,针对电力负荷序列的周期性、随机波动性等特点,提出一种基于逆推理论改进模糊均生函数的短期负荷预测模型。该模型先将模糊均生函数算法引入负荷预测领域,同时应用逆推理论改进模糊均生函数的构造过程,然后将其与最优子集回归算法相结合,建立短期负荷预测模型,最后使用该模型进行预测。以山东电网某市的负荷数据为例,对该模型进行了验证,并与实际负荷数据及传统均生函数模型的预测结果进行对比。结果表明,所提模型能有效提高短期负荷预测的精度,具有很好的实用性。     

基于灰色关联分析与随机森林回归模型的短期负荷预测

针对人工神经网络和支持向量机存在的泛化误差大、具有局部最优以及参数选取困难等缺点,将随机森林回归模型引入电力系统短期负荷预测,提出了一种基于相似日与随机森林回归模型的短期负荷预测方法。利用灰色关联分析法计算原始训练样本与预测日各影响因素间的关联系数,选取相似度较高的历史样本构成相似日样本集,对随机森林回归模型进行训练。将预测日的特征向量输入训练好的模型中,取所有回归树输出结果的平均值作为最终的负荷预测结果。实际算例表明,与常规支持向量机法和常规随机森林回归法相比,该组合方法可以有效地提高短期负荷预测的精度。     

郑州新区中压配电网20 kV电压等级试点研究

针对10 kV供电模式容量小、布点密、通道多、损耗大等问题,分析了国内外电网中压配电20 kV电压等级的现状,指出了采用20 kV中压配电的优势和郑州配电网用电负荷的特点.在负荷密度预测的基础上,分析比较了20 kV和10 kV两种配电电压的供电能力,并以具体工程为例进行了技术验证.结果表明,在郑州新区及其类似地区的高负荷密度地区宜提升中压配电电压.