基于多特征序列融合的负荷辨识方法

针对当前利用低频采样实现非侵入式负荷辨识存在的准确率低的问题,提出了基于多特征序列融合的负荷辨识方法。该方法首先建立负荷存在可能性的整数规划模型,进行初辨识以降低负荷辨识的维度。然后,根据滑动窗口算法获得组合功率序列和原始功率序列,提取其统计特征和奇异值特征,进而利用概率神经网络获得隐马尔可夫模型的观测值序列。同时,利用隐马尔可夫模型对负荷序列信息进行融合,计算观测序列和组合功率序列之间的相似度,从而完成在低频采样下的负荷辨识,并获得各个家用负荷的耗电量。最后,通过单负荷辨识、多负荷辨识、不同采样率辨识和各居民用户负荷辨识的仿真实验,得到负荷准确率和辨识精度的平均值均在85%以上,证明了所提算法的合理性和即时性能够达到在低频采样下负荷的辨识要求。     

基于遗传优化的非侵入式居民负荷辨识算法

负荷在线监测能够为电网及用户提供即时的用电信息,是支撑能效管理和负荷预测工作的有效手段。传统监测方法采用侵入式设计,难以大范围推广应用,因此非侵入式负荷监测方法(NILM)具有重要研究意义。负荷辨识是非侵入式负荷监测的关键,以典型居民负荷的特性分析为基础,提出了一种基于遗传优化的非侵入式居民负荷辨识算法。该算法基于负荷设备的负荷特性,包括有功功率和电流有效值,利用三种不同的编码方法构造判断负荷运行状态的适应度函数,通过遗传算法寻优,最终确定居民负荷的工作状态,并通过实测数据进行验证。实验结果表明,该算法能够实现居民用户负荷状态的有效辨识,且算法收敛速度较快,准确度高。     

一种平抑反弹效应的集群空调负荷控制方法

集群空调负荷(air conditioning loads,ACLs)作为需求侧可调度资源的占比逐年增加,已成为电网"削峰"负荷的重要组成部分.但ACLs在退出调控时会使集群功率达到峰值,对电网产生较大冲击.为平抑ACLs反弹效应,建立了基于随机状态空间和条件转移的ACLs混杂系统模型,采用等容量反聚合退出策略,提出了基于辨识参数的马尔科夫链控制方法.通过仿真算例分析了集群物理参数分布以及总体功率,验证了该控制方法能够精确辨识集群参数且能够有效抑制ACLs反弹效应.     

负荷特性记录的综合方法研究

随着负荷动态特性记录仪记录数据条数的增多,每次采用多曲线辨识方法进行辨识会增长辨识时间,而采用综合方法对所有负荷特性记录进行综合只需辨识新增加的负荷特性记录。本文首先分析了负荷特性综合的3种方法:静态负荷、电动机阻抗和电动机导纳等值方法,然后将负荷分为静态负荷和电动机负荷,分别进行等值。比较了5种权值,包括稳态功率、改进的稳态功率权值、灵敏度、对转差率较敏感的参数在权值选取时考虑转差率和负载率、综合权值后,分别采用这5种权值对参数进行综合,从而得出面向综合的负荷模型。经实例验证,采用综合权值的方法可以有效快速地建立综合负荷模型,且具有较强的泛化能力。     

综合负荷模型参数的简化辨识策略

研究了ZIP负荷模型与感应电动机相并联的综合负荷模型参数的简化辨识策略。基于对负荷模型参数的灵敏度分析并结合我国配电网的实际特点,提出了固定负荷模型的大部分参数、仅辨识灵敏度最大参数的简化辨识策略。对负荷实测曲线的分析表明,基于该策略建立的负荷模型对负荷动态特性具有较强的解释能力。文末指出,进一步进行简化综合负荷模型参数研究的重点在于负荷模型的不唯一性对模型外推特性的影响以及从系统仿真的角度研究多值负荷模型之间的等价性。     

参数可观测性分析及其在电力负荷模型中的应用

给出了参数可观测性概念,指出如果输入激励的功率谱能够覆盖研究对象的振荡频率,则能够在输出信号中观测到这些振荡频率,从而也就可以观测到其对应的模式和参数。提出基于参数的功率谱灵敏度来定量分析参数可观测性,基于输出功率谱实测值与计算值误差平方和的最小化来优化辨识参数。以一个二阶系统为例,分析了输入激励类型、系统幅频特性尤其是系统阻尼对参数可观测性的影响。针对电力负荷传递函数模型,分析了负荷模型的频域特性,通过两种不同频谱分布的激励信号,验证了参数可观测性方法的正确性。     

通用动态负荷模型电压阶跃检测和参数辨识方法

如何确定渐变电压信号等效阶跃点位置和采取合理的信号预处理方法对通用动态负荷模型参数辨识有重要影响。针对动态负荷建模试验的需要,利用等效电压阶跃来代替电压渐变信号,把聚类分析引入等效电压阶跃点检测中。在一定时间区间内考虑电压数值的分布特性,结合小波去噪进行负荷信号预处理,基于MATLAB平台,借助GUI(图形用户界面)开发手段,实现了通用动态有功负荷模型的参数辨识。实验结果表明:采用聚类分析方法,可以有效实现经均值滤波和小波去噪处理后的渐变电压信号的阶跃点检测;利用bior3.7小波4层分解去噪的信号进行参数辨识,结果稳定性最好。该方法适用于由于手动改变变压器分接头位置等引起的电压渐变条件下具有功率恢复特性的负荷建模和离线分析。     

智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究

当前智能电网技术的发展对系统负荷响应特性的建模工作提出了更高的要求,特别是大规模电动汽车并网后针对居民充电行为的需求响应特性应该得到进一步研究。基于非侵入式负荷监测技术,本文分析了电动汽车实际充电功率特点,提出一种在居民家庭日负荷曲线中识别充电负荷的方法,并将此识别结果作为需求侧响应特性建模的数据基础;针对充电负荷与环境温度、日类型的相关性,本研究将相似日短期负荷预测算法引入到负荷转移率计算过程中,减小因日负荷波动带来的计算误差,并采用优化算法进行参数辨识,进而建立更为准确的分时电价下电动汽车充电负荷响应特性模型。最后仿真验证了该建模方法的有效性和优越性。     

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。     

单一综合负荷模型等效负荷群的适用性

采用基于遗传算法的综合负荷模型主导参数辨识方法,分析辨识了放射状、弱互联以及其他几种特殊电网组合形态的主导负荷参数。通过对比原始负荷模型与辨识负荷模型的动态仿真曲线,分析了综合负荷模型对电网负荷群外特性的拟合度及适用范围。仿真表明,当负荷区域中没有发电机时单一综合负荷模型可以近似等效其外特性否则,拟合效果不理想。     

基于柔性负荷响应特性的超短期预测方法

在自动需求响应系统(ADRS)中,当大量的用电负荷数据被自动实时采集时,受节假日、天气、温度等因素的影响,用户侧负荷用电特性会随着响应策略的变化而发生变化。传统负荷预测方法的预测精度也将会被降低,不再满足ADRS要求。针对这一问题,基于柔性负荷的响应特性,将"预测-调度-响应"各环节视为一个闭环控制系统,把自动响应(AD)信号作为一个输入变量引入系统。基于丰富的负荷用电数据,采用"黑匣子"思想建立了闭环超短期负荷预测模型,并用仿真结果验证了模型的有效性。结果表明,该模型与传统预测模型相比,预测精度明显提高。     

基于即时学习算法的短期负荷预测方法

针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型。利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中,用以选择当前电力系统负荷的建模邻域,提高系统短期负荷模型预测的精度。利用相似度阈值对局部模型进行自适应更新,增强系统负荷模型实时性。利用Matlab对某市宛城区的负荷量进行预测,结果表明,基于即时学习算法的电力系统短期负荷预测模型误差更小,系统预测精度更高。     

基于参数辨识与状态估计的温控负荷响应能力动态评估

温控负荷在通过需求响应提供电网辅助服务方面蕴含着巨大潜力,但负荷单元数量多、位置分散、状态变化快等特点为温控负荷的管理与开发增加了难度。为便于负荷管理中心掌握温控负荷的响应能力,进行实时的响应控制和调度优化,提出一种温控负荷响应能力动态评估方法。针对大量温控负荷响应能力相关信息获取困难的问题,提出了模型参数辨识方法和运行状态估计算法;为有效评估负荷集群响应能力,提出了考虑响应功率和响应时长2个能力指标的集群响应能力聚合算法;设计了温控负荷响应能力动态评估流程,分别在用户本地端和负荷管理中心实现响应能力的精确计算和简化估计,并通过周期性同步消除累积误差。仿真分析表明,所提方法的评估结果能够表征温控负荷的需求响应能力。     

非侵入式电力负荷多目标分解框架

现有基于最优化的非侵入式负荷分解方法存在两个问题:使用一到两个特征对家庭负荷的分解效果差;而使用三个及以上特征作为用电设备辨识的目标函数难度高。提出非侵入式电力负荷多目标分解框架,解决传统方法利用特征数少、加权系数难确定等问题。以有功功率、无功功率、视在功率、谐波和电流波形作为电器运行状态的目标函数,建立多目标优化负荷分解模型。利用多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)对实测用电数据进行负荷分解求得Pareto最优解集。最后通过多准则决策方法选出识别结果。实验结果表明,增加特征可提高MOEA算法对多个用电设备同时运行时识别准确率,且与当前主流算法相比,所提框架对家庭负荷分解的准确率更高。     

基于萤火虫优化算法的分布式发电设备容量分配及配电网孤岛划分

随着分布式发电设备大量接入到配电网中,分布式发电设备在配电网故障情况下为接入位置负荷及周边重要负荷的供电研究日益引起关注。利用投入产出法确定负荷的失负荷价值,基于失负荷价值设定负荷权重。在接入位置和总容量确定的情况下,以总权值最大为目标,利用萤火虫优化算法讨论接入容量的最优分配以及故障条件下的孤岛运行范围。将该方法应用于含分布式电源的智能配电网中,通过对比验证了方法的有效性。     

计及需求响应的含风电电力系统旋转备用优化配置策略

风电大规模并网影响了电力系统的稳定运行,且存在消纳困难。为保证含风电电力系统的可靠性,提出了一种计及需求响应的旋转备用优化配置策略。该策略在分析风电出力及负荷预测误差的前提下,考虑可控负荷需求响应能力,以系统发电总成本最小为目标建立电源优化组合模型。采用GUROBI求解器对模型优化求解。经仿真验证,该策略在保证电网稳定运行的前提下,可提高电力系统运行的经济性,增强常规机组提供旋转备用的能力,促进风电消纳,具有较高的工程应用性。     

基于双层MPC的多源孤岛微网经济运行控制策略

含有柴油发电机、光伏发电单元和储能单元的孤岛微网为偏远地区的能源供给提供了有效的解决途径,但是由于光伏出力与负荷需求的双重不确定性,目前尚缺乏行之有效的能量控制策略以同时保证孤岛微网的供电可靠性与经济性。如何在不间断供电的基础上,实现多源孤岛微网的经济运行已是电网公司亟待解决的新问题。为此,提出了一种基于双层模型预测控制(Model Predictive Control, MPC)的多源孤岛微网经济运行控制策略,以实现运行成本最小化,同时减小负荷和光伏功率波动带来的不利影响。通过仿真分析中国西北某村的经济运行成本验证了所提控制策略的有效性。     

基于改进混沌粒子群算法的多源独立微网多目标优化方法

针对目前独立微网优化运行中微源类型与场景设计较为简单、未充分考虑可控负荷作用等问题,以可控负荷作为网内功率平衡的辅助手段,研究多源独立微网的调度优化问题。建立了使发电成本、切负荷补偿成本及微网环境效益最优的多目标优化模型。根据工作日、周末和晴、阴雨天组合设计了四种典型场景,在满足功率平衡等约束的前提下实现独立微网的经济调度。针对优化变量多、场景复杂的微网优化模型,提出了改进的混沌粒子群算法(Chaos Particle Swarm Optimization, CPSO)用于优化问题求解,验证了模型和算法对不同场景微网优化问题的有效性。     

考虑带泵类负载感应电动机影响的静态电压稳定性分析

为了更准确计及泵类负载机械特性对配电网静态电压稳定的影响,建立了一种将感应电动机T型等效电路与泵类负载机械特性相结合的感应电动机负荷模型。将其用于配电网潮流计算,采用前推回代法求解。进而将其用于连续潮流计算,建立了带泵类负载多台相同感应电动机的等效负荷模型,分析负荷连续增长对配电网静态电压稳定的影响。采用IEEE33节点算例对提出的模型与方法进行仿真验证,并与负荷按恒功率因数增加模型的连续潮流进行了对比。仿真计算验证了所提方法的合理性和有效性,表明采用该模型所得的静态电压稳定裕度要小于采用恒功率因数负荷计算结果,更接近工程实际情况。