基于回声状态网络的电网负荷模型参数预测

负荷模型的参数是进行电力负荷建模、仿真分析、计算的重要依据之一。电网互联的稳步推进,对负荷模型的参数提出了更高的要求。对于短期负荷的主要模型参数进行预测,可为电力负荷的准确建模提供重要依据。本文以静态负荷的模型参数为对象,介绍了回声状态网络的原理,并基于回声状态网络对电力负荷的模型参数进行预测。本文以最小负荷的模型参数预测为例,进行参数选取、参数处理以及短期负荷模型的参数预测。经过验证,基于回声状态网络的负荷模型的参数预测误差率较低,可行性和可信度较高。     

电力系统负荷建模理论与实践

从电力负荷对系统暂态稳定、静态稳定、电压稳定、系统阻尼的影响等方面分析了电力负荷建模的要求,综述了现有的电力负荷模型结构、参数辩识方法,介绍了国内外电力负荷建模的实践,对电力负荷建模今后的研究提出了４点建设性意见。认为在现代电力系统中,必须立足本地区系统和负荷的实际情况,开展负荷模型实测工作。     

广义电力负荷的模型结构与参数确定

针对区域负荷中含有电源但仍然以电力负荷为主的广义电力负荷,在分析电源对广义电力负荷建模影响的基础上,给出了广义电力负荷的3种模型结构。提出了广义电力负荷模型的参数确定策略,指出等值发电机参数可以采用理论等值方法确定,而负荷模型参数可以采用辨识方法确定。最后给出了仿真结果。     

电力负荷的谐波建模

电力负荷的谐波响应可以用其集总效应来描述.文章叙述了电力负荷谐波建模的研究现状;提出了通用谐波模型和利用系统辨识技术建立电力负荷谐波模型的新方法.通过对星形和三角形不同联接方式下负荷模型的分析,导出了描述三相负荷集总效应的数学表达式,并将单相负荷谐波的建模方法推广到三相负荷谐波建模.用一虚拟算例说明了三相负荷谐波建模过程中应当注意的问题.     

基于参数优化的支持向量机在电力负荷建模中的应用

以基于参数优化的支持向量机为建模手段来建立电力负荷模型,该算法可自动调整经验风险和VC维之间比重,并由此提高模型的泛化能力.参数优化时采用了结合网格搜索和模式搜索的组合寻优策略优化支持向量机负荷模型的3个参数,并且引入更加客观高效的交叉验证技术参与模型的训练和评价.算例中利用实测数据进行负荷动态建模,结果表明可得到精度和泛化能力都较高的负荷模型,在电力负荷建模方面具有广泛的应用价值.     

线性连续系统动态负荷模型的参数辨识与应用

目前在电力负荷建模中非机理负荷模型较多地采用离散系统模型或差分方程形式的模型,而电力系统数字仿真中更需要连续系统的模型.研究了作用函数不含导数项和含有导数项两种情况下的线性连续系统微分方程形式的负荷建模方法,介绍了模型参数辨识的直接优化算法,该模型对于描述线性动态负荷或小扰动下的非线性动态负荷的行为,具有一定程度的普适性.介绍了该动态负荷模型与电力系统分析综合程序PSASP的自定义连接方法.通过动模实验数据建模和仿真计算,验证了模型参数辨识算法以及模型与电力系统分析综合程序接口的有效性.     

面向规模化空调负荷的聚合调控过程研究

近年来,我国电力需求持续增长。为进一步深化电力负荷管理,切实做好迎峰度夏（冬）能源电力保供工作,对深挖空调负荷的调控潜力、完善空调负荷聚合调控机制提出了更高的要求。首先,从物理建模、数据建模两个角度综述空调负荷预测模型和聚合模型,分析不同模型的适用性,并提出适合面向大规模空调负荷的多级聚合模型。然后,围绕调控模型和调控策略讨论现有优化调控进展。最后,结合国内发展现状从算法融合、双碳战略要求、负荷聚合系统高效运行等方面提出发展建议。     

电力负荷建模研究述评

负荷模型对电力系统分析控制的重要性已受到广泛关注。文中从综合负荷的概念出发,综述了电力系统负荷建模方法、模型结构和参数辨识的最新理论和研究成果;分析了负荷模型参数分散性的原因以及模型分类和综合研究必要性,模型的验证工作是负荷建模进入实用化的关键之一,指出当前模型验证的困难所在。展望了未来负荷建模研究方向,指出应该对特殊行业和特殊用电设备的建模以其此种负荷对电网的运行分析的影响引起足够的重视。     

基于神经网络的电力系统负荷特性辨识

负荷建模在电力系统分析中起着十分重要的作用。参数辨识是负荷建模的关键,好的辨识方法能够在最短的时间内找出最优的辨识结果,提高建模的效率。首先介绍了静态负荷模型和动态负荷模型,其次介绍了神经网络,最后基于神经网络对电力系统负荷特性辨识。应用线性BP（LBP）网络的参数辨识方法,分别对静态负荷模型（幂函数模型、多项式模型）和动态负荷模型（差分方程模型）的参数进行辨识。通过现场的实测数据辨识了模型的参数,并验证了模型的有效性。     

电网实测负荷建模在德阳五里堆的应用

由于电力负荷具有的时变性、随机性、多样性等特点,使得负荷模型建模成为电力系统几个最困难的研究领域之一,四川电网在2009年开展了负荷建模的理论与实践工作。介绍了德阳五里堆站动态负荷建模平台,应用该平台的测量数据对德阳站进行综合负荷模型辨识,所辨识的实测参数与常规参数进行对比,说明实测负荷模型的精度比典型负荷模型的精度高。     

简化前馈网络用于负荷模型参数辨识的研究

负荷的精确建模在电力系统分析中的重要性已被电力工作者所认识到。文中在对自适应的三层前馈网络(ABP)进行修改、简化后，得到简化(或线性)前馈网络(LBP)。并结合现场试验和仿真数据，对用线性前馈网络和辅助变量法对负荷建模的精度进行了比较。把线性前馈网络作为一种算法，对负荷动态模型即差分方程的参数进行了辨识。同时，应用LBP对负荷静态模型即幂函数和多项式模型的参数进行了辨识，还提出基于人工神经网络的负荷动静模型同时辨识法。     

线性连续系统动态负荷模型的参数辨识与应用

目前在电力负荷建模中非机理负荷模型较多地采用离散系统模型或差分方程形式的模型,而电力系统数字仿真中更需要连续系统的模型。研究了作用函数不含导数项和含有导数项两种情况下的线性连续系统微分方程形式的负荷建模方法,介绍了模型参数辨识的直接优化算法,该模型对于描述线性动态负荷或小扰动下的非线性动态负荷的行为,具有一定程度的普适性。介绍了该动态负荷模型与电力系统分析综合程序PSASP的自定义连接方法。通过动模实验数据建模和仿真计算,验证了模型参数辨识算法以及模型与电力系统分析综合程序接口的有效性。     

广域电力系统负荷整体建模方法

针对广域电力系统中负荷节点面广量大的特点,明确了广域电力系统负荷建模的思路,即充分利用广域测量信息来建立系统化评价指标,探索广域多点同步确定负荷模型参数的方法,对节点分类,对参数分级。提出了广域电力系统负荷建模的方法,即确定负荷节点分类的特征变量,进行负荷节点分类,建立系统化指标,辨识负荷参数。通过仿真算例,验证了多负荷节点同步建模的可能性和所提出的方法的有效性。最后对广域电力系统负荷建模进一步研究的内容提出了建议。     

负荷模型对天津电网电压稳定分析的影响

针对电力营销决策支持系统的现状和负荷模型对系统的电压稳定性有很大影响。本文针对天津电网典型方式数据,选择比较严重的故障类型,采用不同的模型以及不同参数,研究负荷模型对天津电网电压稳定分析的影响。结果表明马达负荷模型所占比例的不同、马达负荷模型参数的不同,都对电压稳定分析有很大影响,并且马达负荷所占比例越大,系统电压稳定程度越低。提出了进行负荷模型实测建模的重要性。     

基于结构化负荷模型的电力负荷概率区间预测

为了考虑电力负荷的不确定性,概率和区间预测成为电力负荷预测的重要方式之一。针对传统的负荷概率及区间预测方法没有考虑不同负荷成分的不确定性对电力负荷影响的问题,在分析电力负荷成分的基础上,基于结构化电力负荷模型提出一种电力负荷概率及区间预测方法。首先,对电力负荷的成分进行分析,针对不同负荷成分分别进行建模,构成结构化电力负荷模型;然后,基于历史负荷数据采用变分贝叶斯估计算法训练模型参数的后验概率分布;最后,基于训练完成的模型对未来负荷的概率分布进行预测,从而实现电力负荷概率区间预测。采用实际电力负荷数据进行验证,并与其他方法进行对比。实验结果表明,所提方法取得了较高的预测区间覆盖率和较窄的预测区间宽度。     

基于结构化负荷模型考虑不确定性的电力负荷概率及区间预测

为了考虑电力负荷的不确定性,概率和区间预测成为电力负荷预测的重要方式之一。针对传统的负荷概率及区间预测方法没有考虑不同负荷成分的不确定性对电力负荷影响的问题,在分析电力负荷成分的基础上,基于结构化电力负荷模型提出一种电力负荷概率及区间预测方法。首先,对电力负荷的成分进行分析,并针对不同负荷成分分别进行建模,构成结构化电力负荷模型;然后,基于历史负荷数据采用变分贝叶斯估计算法训练模型参数的后验概率分布;最后,基于训练完成的模型对未来负荷的概率分布进行预测,从而实现电力负荷概率区间预测。采用实际电力负荷数据进行验证,并与其它方法进行对比。实验结果表明,所提方法取得了较高的预测区间覆盖率和较窄的预测区间宽度。     

一种适用于大区互联电网的负荷模型参数拟合方法

电力负荷模型是电力系统分析计算的基础,模型参数的准确性关系到电力系统的安全稳定分析结果的可靠性。基于现代大区互联电网规模过于庞大、传统建模方法用于实际工作时仍存在很多问题,提出了一种针对大区互联电网的负荷模型参数的拟合方法。统计大电网内的负荷特性,根据以往的工程经验或负荷手册的推荐参数初步估计其负荷参数。将大电网按照管理和结构特征,划分为若干较小区域,调节每个小区域中负荷模型的某些重点参数并进行仿真计算,得到重点参数对全网仿真结论影响的灵敏度。根据实际电网的录波场景,分区调节负荷的重点参数,使得最终的仿真拟合效果满足一定的精度要求,得到适用的负荷模型参数。采用实际的电网扰动场景验证了该方法的正确性与实用性。     

基于多维变量筛选-非参数组合回归的长期负荷概率预测模型

长期负荷预测是电网规划及电力市场中长期交易的基础。针对长期负荷受多维因素驱动、不确定性强的特点,提出了非参数组合回归的长期负荷概率预测模型。通过Granger因果分析对驱动负荷长期发展的多维变量进行初步筛选;为提高预测精度,基于逐步平均组合将筛选后的变量集进行非参数组合回归建模,在实现最优组合模型的同时综合各变量对长期负荷的动态驱动;基于随机变化率对最优组合模型包含的多维变量进行不确定性建模,并应用于长期负荷概率预测,获得长期负荷10%、50%、90%分位点值。算例分析结果表明,非参数组合回归模型不仅精度较高,且结合多维变量不确定性建模能实现长期负荷概率预测。     

电力系统负荷建模和算法的研究及进展

为了给研究人员提供负荷建模研究及在电力系统分析中具有的重要意义较全面的认识,分析了现有的负荷建模方法,系统地阐述了负荷模型及算法上的进展,它包括在静态负荷方面通过采用连续动态方法,根据负荷电压的变化实时修正负荷模型参数,在临界状态下通过分段多项式模型描述加以改进;在负荷建模方面分析了负荷动特性描述、负荷时变性、模型参数的分散性、负荷模型无功分析和负荷的非线性、变结构特性方面问题解决的进展。结果表明,通过采用上述解决方法,使得负荷模型的精确性和适应性得到了较大程度的提高,从而满足复杂大电力系统的动态行为和安全稳定分析的要求。     

基于广域测量系统的电力系统综合区域负荷模型

负荷作为电力系统的一个重要组成部分,其模型的精确程度将在很大程度上影响分析的结果.采用电力系统同步数据对电力系统负荷区域进行建模、网络化简和负荷模型辨识,提出了基于电力系统广域测量系统的综合区域负荷模型的概念,分析了该模型的参数可辨识性.确定了综合区域负荷的网络模型,为区域负荷的建模提供了依据.以一个简单电力系统为例进行仿真计算,结果证明了该负荷建模方法的有效性.