基于数据负荷序列聚类的配电网电力营销实时信息系统测试

伴随现代信息技术的快速发展,在电力营销工作中构建信息系统对优化电网正常工作、推动营销活动顺利实施具有十分关键的影响。构建一种基于数据负荷序列聚类的配电网电力营销实时信息系统,当数据接口模块通过现场设备采集电力数据之后,传输至数据操作模块进行数据统计、存储并传输至基本操作模块,设备管理人员可以在基本操作模块刷新配电网电力数据;然后基于该数据通过预警模块使用基于数据挖掘多层次细节分解的负荷序列聚类分析方法,预测电力信息是否存在异常,若存在异常情况,预警模块将及时通知设备管理人员实施修复。经验证,在谐波、电压闪变两种不同的异常电力环境下,所构建系统预测精度较高、时延较短,可实现高精度、高效率的配电网电力营销实时信息管理。     

基于黄金分割优选法的改进聚类负荷模型及其应用

目前用于评估电力系统可靠性的负荷模型或因精度不足难以准确反映负荷实际状态,或因计算过于复杂而影响计算速度。为了在提高准确度的同时控制计算量,提出一种基于黄金分割优选法的改进聚类负荷模型,即首先利用排序算法将负荷曲线上各点负荷按照负荷率大小有序排列,并采用黄金分割优选法实现负荷最佳分级数的快速确定(利用聚类分析将负荷曲线中各时间点负荷归并到对应的负荷级)。通过将此模型应用到IEEE RBTS测试系统的可靠性评估中,并与基于其他负荷模型的可靠性评估结果进行对比,验证了此模型在准确性和计算时间上较其他负荷模型更具优势,具有一定的应用价值。     

基于特征聚类的多能源系统负荷预测方法研究

针对多能源系统中不同种类能源负荷特征提取及预测问题,提出基于特征聚类的多能源系统负荷预测方法,利用灰色关联分析系统理论对多种类能源负荷预测模型中的环境因素输入属性进行主控因素关联度分析,分别得到电、气、热、冷负荷受环境因素影响的关联度,利用卷积神经网络提取负荷数据和关联度输入数据的特征向量,利用K-means聚类算法对给定特征向量进行聚类,建立多种类能源负荷的特征聚类模型。算例结果表明,文章所提出的基于特征聚类的多能源系统负荷预测方法,能够有效提高不同种类能源负荷的预测精度。     

基于Logsitic回归模型和自适应密度聚类算法的分行业负荷增长规律

电力企业营配大数据的持续积累为电力用户负荷发展规律的研究提供了良好的数据基础。传统分行业负荷特性研究方法在海量数据挖掘上存在一定局限性,且缺乏对用户负荷年度成长模式的研究。应用Logsitic回归模型自动识别电力用户的饱和水平值和增长速度,形成3项用户增长特性参数。应用参数自适应的密度聚类算法,分不同行业、不同规模搜索典型用户,获取增长特性参数的典型值,形成分行业分容量的典型负荷成长曲线。所提方法能够识别电力用户的负荷成长模式,降低数据维度,具备较好的大数据处理分析效果。最后对某沿海城市3万个电力用户进行模型验证,结果表明所提方法识别度较高,经挖掘得到的分行业负荷发展规律对负荷预测、电网规划有较强的指导意义。     

基于负荷聚类的中长期电力交易设想

讨论和完善在市场化条件下,电力交易中心对中长期交易的组织和管理工作的思路,提出利用负荷聚类等数据挖掘技术,获取并分析用户负荷特性,进而为中长期交易安排提供参考的设想,以提升其安全性和科学性,减少制度性成本;并利用k-means聚类方法分析陕西省负荷特性数据,将交易的组织和与相应的聚类中心联系起来,结合聚类结果对中长期交易的组织和管理提出建议。     

基于循环神经网络的配电网非线性负荷建模

大量非线性负荷接入配电网导致电能质量问题日益严重,非线性负荷建模的精确性在一定程度上影响配电网谐波潮流计算和电能质量分析。考虑到非线性负荷在复杂运行条件下难以采用机理动态模型描述,以及基于预测方法的建模难以避免误差,构建双层循环神经网络模型,包含循环神经网络的初步功率预测层和误差修正层,初步功率预测层根据负荷功率和电压等训练样本,预测得到下一时刻的负荷功率;误差修正层根据前一层初步预测功率与量测功率的偏差,对下一时刻预测功率进行反馈修正。电压波动在一定程度上影响负荷功率变化,采用STL算法对电压进行时序分解,通过设置残差分量阈值来判断是否激活误差修正层。算例验证表明,所提建模方法较好地实现非线性负荷的拟合,同时能够避免电压波动较大时的建模精度下降。     

基于改进的k-means聚类算法的季节性负荷特性分析

负荷特性分析的研究对电力系统稳定运行和调度具有重要意义。以历史负荷数据为基础,采用改进的k-means聚类方法得到具有代表性的负荷特性曲线。在考虑了检验聚类结果有效性模型的基础上加入了最大最小算法,让初始聚类中心稳定;采用改进的k-means聚类典型场景缩减算法,考虑到气候因素的影响,按照春、夏、秋、冬4个季节来对负荷数据进行分类,对历史负荷数据进行处理,得到具有代表性的负荷特性曲线。以某市的历史数据为例进行仿真分析,结果表明,该算法可以将原始的大规模场景缩减合并后得到可以表述该市的几个更少的负荷特性曲线,具有代表性和准确性,更具实际应用价值。     

基于Kohonen聚类和SVM组合算法的电网日最大负荷预测

电力系统负荷受到气象等多种因素的共同影响,为提高电力系统短期预测的准确度,提出了一种将Kohonen聚类和SVM结合的预测算法.该方法考虑到电力系统变化周期性的特点,通过对学习样本进行聚类,选出具有相同特征的历史相似日,构造相似日训练样本并利用SVM模型进行预测.样本特征向量中同时包含了多种气象因子及节假日等因素,经过仿真实验,验证了该方法的有效性.     

基于多层聚类的需求侧用户负荷形态分析方法

针对传统用户负荷形态分析方法在用户数量急剧增加时效率降低的问题,提出一种基于多层聚类的需求侧用户负荷形态分析方法。该方法以余弦相似度度量用户负荷曲线的差异,并将用户负荷形态聚类过程分为三层,分别为凝聚-聚类-还原过程,从而有效降低用户数量增加对聚类效果的影响。与传统方法相比,该方法能够有效提高负荷形态分析方法的计算效率和准确性,并能有效度量负荷曲线之间的相似性,在需求侧管理中具有使用价值。     

基于混沌理论的电力负荷短期预报的神经网络方法

探讨了电力负荷的混沌特性,提出一种基于混沌理论的神经网络训练样本预处理技术,该技术与常规方法相比,其预测精度和收敛速度都有较大的提高。     

经济负荷分配的Hopfield神经网络计算

介绍了Hopfield神经网络(HNN)原理及其在机组经济负荷分配(EconomicLoadDispatch,ELD)中的应用。首先将ELD问题映射到Hopfield神经网络模型,然后利用HNN的动力特性搜索最优分配。仿真结果与分段结构优化方法和模拟退火(SimulatedAnnealing,SA)方法进行比较,表明HNN方法能找到近乎全局最优解,可有效地解决经济负荷分配问题。且易于在计算机上实现,有实际应用价值。     

基于气象因素的短期电力负荷ANN预报模型

提出了一种基于气象因素,利用人工神经元网络进行电力系统短期负荷预报的方法,该方法比较全面地考虑了气象因素对电力系统负荷的影响,操作方便,易有,仿真计算和实例预报结果表明,预报准确较高。     

基于BP神经网络的工业锅炉房负荷预测

针对工业锅炉房日负荷变化的特点,采用BP人工神经网络模型对热负荷进行预测。在建立模型时,考虑不同小时的热负荷差异,采用24个单输出的BP网络来分别预测每天24h负荷值;利用MATLAB神经网络工具箱NNT(Neural Network Toolbox)分别实现对24个BP网络预测模型的构建及算法改进;最后,应用一个实例对建立的预测模型和实现方法进行了仿真分析,结果证明,该负荷预测模型网络结构小、收敛速度快、预测精度高、具有较高的实用价值。     

基于配网拓扑矩阵的供电可靠性评估

传统的配电网供电可靠性算法集中于对系统与负荷整体可靠性的评估，并没有深入研究网架结构对负荷点可靠性的影响。从负荷点主供电路径环节、上下游设备故障影响和负荷点与多电源点的联络情况3方面出发，提出了一种基于配电网拓扑矩阵的供电可靠性评估方法。该方法利用配电网拓扑矩阵，形成了可以量化分析这3个方面对供电可靠性影响的关联关系矩阵，可以快速计算“环节、联络、相互影响”3方面对停电时间的影响，进而准确判定配电网网架结构对供电可靠性产生较大影响的薄弱环节。分析结果可为配电网的可靠性规划提供理论支撑。     

基于BP神经网络的空调负荷预测

本文以城建国际大厦冷源系统的检测数据为依据,利用BP神经网络,建立了空调负荷预测模型,并取得了较好的结果。文章进一步分析了可能存在的误差及提高预测精度的方法。     

基于系统聚类的矿产储量研究

矿产资源对于人类的生存与社会的发展具有极为重要的意义,但因其储量的有限和不可再生,需要依据矿产储量合理分配利用矿产资源。基于此,提出运用系统聚类对我国各个地区的矿产储量进行分类处理,比较分析各个地区的优势,从而实现矿产资源的合理规划和开采。     

基于故障模式分析法对含DG的配电网供电可靠性评估

分析DG的接入对小型配电网供电可靠性的影响,利用故障模式后果分析法对含有DG的配电网进行供电可靠性计算和分析,得出接人DG后供电可靠性较接人DG之前有提高,故采用正确的方式将DG接入配电网,有利于提高用户的供电可靠性。     

基于神经元网络方法的风电场风电功率预报研究

风电大规模并网使风电对电网的冲击问题越来越凸显,许多地方出现了拉闸限电的情形,随着百万千瓦级风电基地、千万千瓦级风电基地的规划及建设,急需开展行之有效的风电场风电功率预报,来满足风电上网调度的实际需求,利用数值模式预报的风速、风向等预报场及风电场逐时风电功率资料,通过神经元网络方法进行了风电场风电功率预报试验,预报精度与2002—2006年欧洲风能计划中的风电场风电功率预报精度相当。     

基于多目标优化的配电网负荷转移路径研究

建立了配电网故障后负荷转移路径优化模型,提出了优化的目标函数和约束条件。应用带精英策略的快速非支配排序遗传算法（NSGA-Ⅱ）求解该多目标多约束优化问题,得到的最优解集能更好地反映优化问题的本质,并结合熵权法建立了综合最优解的提取方法。根据提出的算法,编制了应用于配电网负荷转移的程序,用IEEE33节点算例验证了该算法的可行性。