小波分析及其在短期负荷预测中的应用

利用小波分析把原始负荷分解成受国民经济影响的经济负荷部分和受气象因素影响的气象负荷部分,然后分别对两者建立相应的模型进行预测,最后把两者的预测值合成得到最终预测结果.小波分解尺度通过建立气象数据和不同分解尺度下得到的气象负荷部分之间的相关系数序列来确定,从而把经济负荷和气象负荷合理分开.实例表明该方法是可行和有效的.     

加权马尔可夫链在负荷预测中的应用

利用小波将月售电量序列进行分解,对不受气象因素影响的趋势项和周期项,分别采用趋势外推和周期图法进行预测,对受气象因素影响的随机项,应用模糊聚类的方法确定分级标准,将观测值之间的相关系数作为权值,采用加权马尔可夫模型进行预测,然后进行综合。该法避免了精度较低的月气象资料对负荷预测精度的影响,不仅得到了未来月售电量的具体值,而且得到了其所属的区间,因此更加符合实际。最后给出了预测实例,验证了所提方法的有效性。     

加权马尔可夫链在负荷预测中的应用

利用小波将月售电量序列进行分解,对不受气象因素影响的趋势项和周期项,分别采用趋势外推和周期图法进行预测,对受气象因素影响的随机项,应用模糊聚类的方法确定分级标准,将观测值之间的相关系数作为权值,采用加权马尔可夫模型进行预测,然后进行综合.该法避免了精度较低的月气象资料对负荷预测精度的影响,不仅得到了未来月售电量的具体值,而且得到了其所属的区间,因此更加符合实际.最后给出了预测实例,验证了所提方法的有效性.     

基于电力细分市场的负荷分解预测方法

分析了我国五大用电细分市场,对不同行业的用电负荷与其影响因素建立了有针对性的联系,对其分别建模进行综合预测.在预测不同行业负荷时,利用小波分析的方法将其分解为与气象因素无关的稳定项和与气象因素相关的随机项,由于稳定项预测精度高,随机项较难预测但幅值较小,因此削弱了随机因素带来的预测误差对最终结果的影响.用湖南省负荷数据对该方法进行了实测,证明了其优越性.     

含有山区小水电负荷的气象回归短期负荷预测技术

将负荷分解为正常负荷及小水电负荷,进一步将其分别分解为气象负荷和长期趋势负荷分量,建立气象因素和气象负荷的回归关系,并以回归结果对历史负荷数据进行相似搜索,该方法可提高预测样本同被预测日负荷的相似度,从而增加预测结果的可信度和精确度。采用多种负荷预测方法以权重优化组合的方式进行负荷组合预测。应用实例证明,所提出的方法可体现不同地区、不同类型、不同气象敏感度的负荷特性,对于负荷总量较小,变动范围较大,受天气因素影响明显且含有山区小水电负荷的地区具有较好的精度。     

含有山区小水电负荷的气象回归短期负荷预测技术

将负荷分解为正常负荷及小水电负荷,进一步将其分别分解为气象负荷和长期趋势负荷分量,建立气象因素和气象负荷的回归关系,并以回归结果对历史负荷数据进行相似搜索,该方法可提高预测样本同被预测日负荷的相似度,从而增加预测结果的可信度和精确度.采用多种负荷预测方法以权重优化组合的方式进行负荷组合预测.应用实例证明,所提出的方法可体现不同地区、不同类型、不同气象敏感度的负荷特性,对于负荷总量较小,变动范围较大,受天气因素影响明显且含有山区小水电负荷的地区具有较好的精度.     

基于气象成分分解的夏季短期负荷预测

夏季负荷受温度等气象因素影响大,表现出随机性强、波动性大的特点。针对现有短期负荷预测模型在夏季预测精度不高的问题,提出在负荷成分分解的同时,将温度分解为日周期分量和波动分量,以此准确把握短时气象波动对夏季短期负荷预测的影响。在充分分析负荷各分量变化趋势及对整体负荷预测精度影响的基础上,针对各个负荷分量特征分别选择预测方法。在预测气象敏感负荷分量时引入温度波动分量,基于XGBoost智能算法构建预测模型。选用我国中部某市夏季历史负荷建立训练样本,对2017年8月份日96点负荷进行预测,预测结果验证了所提模型和算法的有效性。     

基于小波变换和SVM算法的微电网短期负荷预测研究

为了满足微电网的建设和发展对其负荷预测的精度和方法适应性提出的更高要求,本文在时域和频域上比较分析了微电网负荷曲线和传统负荷曲线,得出了微电网负荷波动性更强的结论,然后根据微电网负荷的特点,考虑微电网负荷受星期类型和气象因素的影响,提出对微电网负荷进行离散小波分解的基础上,建立支持向量机(SVM)模型对各层分量分别进行预测,最后运用分解关系得出预测结果。研究表明,与直接应用SVM模型预测相比,分解微电网负荷曲线后再进行SVM模型预测能够实现更高的预测精度,更适用于当前微电网短期负荷预测需要。     

基于LMD与GA-BP神经网络组合的短期风速滚动预测方法

针对组合预测方法中经验模态分解(EMD)部分存在处理非线性和非稳态信号的不足,提出以一种基于局部均值分解(LMD)与遗传算法-BP神经网络(GA-BP)模型相结合的短时风速预测方法。首先该方法在自适应分解部分采用LMD方法对原始风速数据进行分解得到一系列乘积函数,并对乘积函数分量提取瞬时频率和瞬时幅值的特征参数,然后通过设定的频率阈值将全部的乘积函数筛选重构成高、中、低3种频段分量;其次机器学习部分采用遗传算法优化BP神经网络方式进行建模,确定模型的连接权值和阈值参数;最后将3种不同频段分量输入到确定的GA-BP神经网络模型中进行滚动预测。通过仿真实验和对实测风速预测验证了所提方法的可行性和有效性,为短时预测方法提高了一种新思路。     

基于协整-格兰杰因果检验和季节分解的中期负荷预测

近年来,随着国民经济的转型,中国的经济结构发生了较大的变化,仅仅依靠电力负荷历史数据进行负荷电量预测会造成较大的误差。为解决传统负荷预测方法对于经济、气象等因素考虑不足的问题,提出了一种可以计及经济与气象等因素影响的中期负荷电量预测方法。首先利用季节分解将历史月度用电量分解为长期趋势及循环分量、季节分量以及不规则分量;并以计量经济学中的协整检验以及格兰杰因果检验分析经济因素与用电量长期趋势及循环分量的关系,确定影响该部分电量预测的关键性指标;基于电量、气象以及经济数据,对各个分量利用支持向量机分别进行预测并综合得到月度电量总量预测值;最后通过算例分析了方法的有效性与可行性。     

低压串联电弧故障通用诊断方法的研究

低压串联电弧故障是引发电气火灾的重要原因之一。利用MATLAB软件,建立基于CASSIE模型的低压串联电弧故障仿真电路,对单一和混合负载下的串联电弧故障电流波形进行小波变换的可视化分析,结合实测电弧故障电流研究了不同负载下电弧故障的共同特征,提出了基于小波分解细节分量阈值的通用诊断方法并利用LabVIEW软件编制了诊断程序,在线路供电端实现了对各类串联电弧故障的识别,为电弧故障通用诊断的实现和应用提供了理论依据和实验方法。     

基于小波能量谱和SSA-GRU的混合直流输电系统故障测距方法

针对混合直流输电系统故障测距存在行波波头难以识别以及固有主频不易提取的问题,提出一种基于小波能量谱和麻雀搜索算法(sparrow search algorithm, SSA)优化的门控循环单元(gate recurrent unit, GRU)模型的故障测距方案。首先,分析频谱能量与故障距离的相关关系,利用小波包分解提取小波包能量谱特征向量,作为GRU模型输入。其次,搭建和训练GRU模型,挖掘时间序列中的深层次故障信息,并利用SSA的迭代寻优对GRU模型参数进行优化,实现故障距离的快速准确定位。最后,在PSCAD/EMTDC 中搭建混合三端直流输电系统模型,实验结果证明该方法定位精度高、抗干扰能力和泛化能力强,并具有一定的耐过渡电阻能力。     

A novel approach to fuzzy wavelet neural network modeling and optimization

In this paper, an efficient approach of combining Takagi–Sugeno–Kang fuzzy system with wavelet based neural network is presented. The model replaces the constant or a linear function of inputs in conclusion part of traditional TSK fuzzy model with wavelet neural network (WNN), thus each rule uses fuzzy set to separate the input space into subspaces spanned by different wavelet functions. For finding the optimal values for parameters of our proposed fuzzy wavelet neural network (proposed-FWNN), a hybrid learning algorithm integrating an improved particle swarm optimization (PSO) and gradient descent algorithm is employed. The two-layer inline-PSO process is proposed in this paper, whose adjustment scheme is more fitting the consequent pattern learning based gradient descent optimization and will locate a good region in the search space. Simulation examples are given to test the efficiency of proposed-FWNN model for identification of the dynamic plants. It is seen that our modeling and optimization approach results in a better performance.     

粒子群优化小波包回声状态网的短期电力负荷预测

精确的短期电力负荷预测是电力生产优化调度和安全稳定运行的重要保证,是智能电网建设的重要一环。为提高模型的预测精度,提出了一种基于粒子群优化小波包回声状态神经网络的短期电力负荷预测方法。首先利用多分辨率分析小波包分解理论对负荷数据进行分解和重构,建立小波包回声状态网预测模型;然后,利用粒子群算法对预测模型储备池中的参数进行优化。实验结果表明：针对短期电力负荷动态时间序列数据,与BP、Elman、传统ESN等网络相比,PSO-WPESN网络的预测精度、稳定性和泛化能力都得到明显增强,尤其是能在一定程度上缓解由于输出矩阵过大造成ESN存在病态解的弊端。     

基于GIS的小波神经网络库区径流预报模型研究

提出了一种基于GIS与小波神经网络方法相结合构建而成的水库日径流预测模型(GWNNR),通过模糊C均值聚类分析将水库历史径流数据分成4类,并分别建立相应的小波神经网络预测模型,应用遗传算法(Genetic algorithm)和误差反传递(Back-propagation)算法对模型的参数进行优化,对某水库2005年日平均来流进行分类预测,结果表明,该方法具有较好的训练速度和较高的预测精度.     

基于转矩逆模型的开关磁阻电机滑模变结构控制

开关磁阻电机的转矩脉动是其应用的一个问题.该文应用小波神经网络建立对应开关磁阻电机位置信号的非线性映射,估计转子位置角度,提出利用自适应模糊神经网络学习训练开关磁阻电机转矩逆模型优化期望转矩所需的相电流,采用滑模电流控制器实现电机转矩的低脉动控制,仿真结果表明方法的有效性,能够有效地控制开关磁阻电机转矩按期望变化.     

基于注入信号与小波能量的小电流接地故障选线研究

为了解决当小电流接地系统发生单相高阻接地时传统注入法因信号分流无法正确选线的问题,在详细分析了注入法及小波能量法选线的原理后,提出了一种将两者结合的配电网故障选线新方法。首先向发生故障的系统中注入220 Hz特殊频率的信号;对从各条线路中所提取的注入电流展开小波变换;接着使用所得出的小波系数计算小波低频能量;最后通过比较各馈线注入信号能量的大小选线。利用Simulink搭建系统模型并进行仿真实验,其结果可知,虽然故障点距离、故障合闸角大小、中性点接地方式等因素并不能影响新方法的正确选线,但过渡电阻较大时依然选线失败,通过相位比较或图像识别等方法仍能很好的解决此问题,从而大幅提升了注入法选线的正确率。     

基于PSO-WPESN的短期电力负荷预测方法

精确的短期电力负荷预测是电力生产优化调度和安全稳定运行的重要保证,是智能电网建设的重要一环。为提高模型的预测精度,提出了一种基于粒子群优化小波包回声状态神经网络的短期电力负荷预测方法。首先利用多分辨率小波包分解方法对负荷数据进行分解和重构,建立小波包回声状态网预测模型;然后,利用粒子群算法对预测模型储备池中的参数进行优化。实验结果表明:针对短期电力负荷动态时间序列数据,与BP、Elman、传统ESN等网络相比,PSO-WPESN网络的预测精度、稳定性和泛化能力都得到明显增强,尤其是能在一定程度上缓解由于输出矩阵过大造成ESN存在病态解的弊端。     

瞬时正序网络特性分析

针对10 kV中压电网谐振接地系统,利用瞬时对称分量法对电源、消弧线圈、对地电容以及接地点建立瞬时正序网络的数学模型,进而建立谐振接地系统的瞬时正序网络的数学模型.基于该模型推导了故障支路和非故障支路瞬时正序电流实部和虚部的数学表达式.理论上得出瞬时正序网络的特性为:故障之后稳态时,故障支路瞬时正序电流实部的相位滞后各...     

基于小波变换及最小二乘支持向量机的短期电力负荷预测

提出了采用小波变换和最小二乘支持向量机混合模型进行电力系统短期负荷预测的方法。首先基于小波多分辨率分析方法将负荷序列分解成具有不同频率特征的序列：然后根据分解后各分量的特点构造不同的支持向量机模型对各分量分别进行预测：最后对各分量预测信号进行重构得到最终预测结果。在构建支持向量机模型时考虑了气候因素的影响，并将其作为模型的一组输入点。实验结果表明基于该方法的负荷预测系统具有较高的预测精度。