多振动区水电站短期调峰负荷分配方法

高水头水电站机组存在与水头相关的多个不规则振动区,当参与系统调峰时,随着水头和机组组合的变化,电站要避开动态的多个振动区运行,极大地增加了调峰计划制定的难度和复杂性。针对高水头多振动区水电站调峰负荷分配问题开展研究,提出一种实用的求解方法。首先利用数学组合和集合运算理论确定组合机组振动区,然后采用耦合启发式的约束处理策略与逐次负荷分配方法进行模型求解。南方电网实际应用的算例表明,所提方法能够有效避开振动区,并能满足电站运行其它复杂约束,是一种求解高水头多振动区水电站调峰问题的可行方法。     

基于多因素的改进MSS-PGA及其在水电站负荷优化分配中的应用

机组负荷优化分配是研究水电站经济运行问题的核心部分,长期以来备受研究人员的重视,但目前为止,尚没有找到一个高效的算法来求解这个问题.本文将多因素技术与同步主从式并行GA(MSS-PGA)结合起来,建立了一种基于多因素的同步主从式并行GA,并将其应用于水电站负荷优化分配问题的求解中.该算法与传统GA相比,具有更高的精度和收敛性;与其它并行GA相比,能够很好的节省网络资源和计算代价,更能适用于求解水电站负荷优化分配问题.     

多节点超短期负荷预测方法

对多节点有功和无功负荷变化规律的动态自适应超短期预测进行了深入的研究和分析,提出将负荷数据分层分区的处理方法,建立它们之间相互牵制和联系的表达,在由递推最小二乘支持向量机(RLS-SVM)算法实现顶层预测的基础上,建立输电系统多节点负荷动态行为特征的描述模型,构建了自适应动态模型的超短期负荷预测总体构架.以山东电网为例的现场测试效果验证了所述方法的可行性和有效性.     

短期负荷预测的支持向量机方法研究

提出了一种基于支持向量机(SVM)理论的电力系统短期负荷预测方法。该方法采用结构风险最小化原则(SRM)，与采用经验风险最小化原则（ERM)的传统神经网络方法相比，具有更好的泛化性能和精度，减少了对经验的依赖。SVM算法以统计学习理论作为其理论基础，它的训练等价于解决一个二次规划问题。为了提高负荷预测精度，文中在训练数据集中采用了负荷数据和温度数据。通过和多层BP神经网络进行比较的试验，结果证明了其在短期负荷预测中的有效性。     

基于支撑向量机方法的短期负荷预测

首次将支撑向量机（SVM）方法及改进的序列极小化（SMO）学习算法引入短期负荷预测领域。该方法具有预测能力强、全局最优及收敛速度快等显著特点。实际算例表明，对于短期负荷预测问题，支撑向量机方法在预测精度和运算时间方面都优于前向网络、径向基网络等方法。     

一种实用的短期负荷组合预测方法

组合预测理论的发展正逐渐趋向成熟,其在电力系统负荷预测的研究与实践也逐渐增多。文中分别应用简单平均组合与最优加权组合原理,建立了短期负荷预测的组合模型。模型通过对某省负荷样本数据的分析,采用多角度选取样本,充分利用有限历史数据;同时引入多种数学模型,吸收了各模型所具有的优点。该模型具有预测精度高,建模速度快的特点。某省实际负荷数据的测试证明了模型的实用性。     

考虑机组穿越振动区风险的水电站AGC日前经济负荷分配策略研究EI北大核心CSCD

为协调水电站AGC负荷分配"安全、实时、经济"复杂关系及最大化提升水电站AGC机组联合避振能力,系统地提出一种考虑机组跨越振动区风险的水电站AGC日前经济负荷分配策略。综合考虑机组最大最小技术出力、汽蚀振动区、水头影响出力受阻等复杂约束,首先基于机组可运行区、机组可运行区间数、组合可运行区、组合可运行区间数等相关概念,提出了一种考虑负荷分布特性的机组穿越振动区风险评估方法。其次,针对水电站AGC日前负荷分配问题,结合水电站AGC机组关于穿越振动区的安全性需求,构建了基于穿越振动区风险控制的经济负荷分配模型。最后运用双层动态规划方法对模型进行求解。仿真结果表明,较传统方法而言,文中策略可有效减少机组穿越振动区次数,具备良好的机组穿越振动区风险控制能力,满足工程实际需求,具有广泛实用性。     

基于免疫加权支持向量机方法的短期负荷预测

在对支持向量机（SVM）方法进行分析的基础上，提出了一种免疫加权支持向量机（IWSVM）方法来预测电力系统短期负荷。其中根据各样本重要性的不同，引入了加权支持向量机方法，然后利用免疫规划算法对其进行参数优化。免疫规划算法利用浓度和个体多样性保持机制进行免疫调节，有效地克服了未成熟收敛现象，提高了群体的多样性。电力系统短期负荷预测的实际算例表明，与支持向量机方法相比，所提免疫加权支持向量机方法具有更高的预测精度。     

一种组合的短期负荷预测方法

提出一种基于指数平滑法和神经网络法的组合预测方法，电力系统短期负荷预测法。该方法对样本数据进行了预处理，以提高训练速度。预测仿真结果证明，使用该方法进行短期负荷预测是可行的。     

基于多神经网络融合的短期负荷预测方法

为了利用不同深度神经网络的优势,提高深度学习算法对短期负荷的预测能力,提出一种基于多神经网络融合的短期负荷预测方法。以电力系统历史有功负荷、季节、日期类型和气象数据为输入特征,并行架构的深度神经网络和注意力机制网络为核心网络;以并行架构中的卷积神经网络通道提取静态特征,门控循环单元网络通道挖掘动态时序特征,采用注意力机制网络融合提取的特征并动态调整网络对不同特征的依赖程度;使用Maxout网络增强网络整体的非线性映射能力,通过全连接网络输出预测结果。与支持向量机、长短期记忆网络的算例结果对比表明,所提方法具有更高的预测平稳性和准确性。     

水电站分段调峰负荷分配方法研究与应用

针对电网调峰任务日益突出问题,通过对水电站运行方式和负荷分配方法研究,从水火协调实际应用出发,分析了传统水电负荷分配方式及存在的局限性,提出结合电网系统负荷特性、水电站调节性能及所处空间位置的水电站分类负荷分配模型和方法.所提方法尽可能使水电参与调峰,尤其平衡系统局部峰值,保证余留给火电的负荷平稳不变或者变化不频繁.通...     

火电厂全厂负荷优化分配及其控制方式的研究

在全厂负荷经济分配的基础上,引入变负荷成本的概念,提出了解决AGC频繁变负荷情况下全厂负荷优化分配及控制的策略,并提出了一些具体的实施方案。全厂负荷优化控制系统能根据电网负荷指令调节全厂负荷,及时满足电网要求,保证机组运行在允许的负荷范围内和安全的工况下,合理地调配各台机组的负荷调节任务,降低机组的负荷调节频度,提高机组的稳定性,延长主、辅机组设备的寿命,经济分配各台机组的负荷,降低全厂的供电煤耗。