应用聚类分析与非参数核密度估计的空间负荷分布规律

空间负荷预测是配电网规划的前提和基础。针对现有研究偏重对预测方法的理论创新和精度提升,缺乏对各地各类空间负荷分布规律研究的不足,提出一种基于聚类分析与非参数核密度估计的空间负荷分布规律研究方法。以浙江电网为例,对调研采集的空间负荷按城市发展类型、用地类型进行二级划分后,利用基于非参数核密度估计方法提取各类样本负荷密度的典型分布特征,结合实际对浙江11个城市的工业、商业、居住等多类空间负荷的分布规律进行分析研究,为配电网规划提供可靠支撑。     

论电力负荷概率特性——非参数核密度估计在电力负荷特性分析上的应用

基于现实需要，提出了负荷概率特性问题，并引入非参数核估计方法，对服从典型分布假设的理由不充分的情况下的负荷密度作了有效估计，进一步在此基础上构造了负荷概率特性指标，补充了现行负荷特性分析的方法．通过对一实例的编程计算、比较分析，表明了分析电力负荷概率特性的现实意义，以及在该类问题上，非参数核估计方法的良好适用性．     

光伏电源输出功率的非参数核密度估计模型

针对现有光伏概率建模中需要假设参数分布和不能全面考虑各种随机因素影响的缺点,提出基于非参数核密度估计理论直接建立光伏电源输出功率的概率模型,并提出一种不依赖总体真实分布的最优带宽改进模型和基于拟合优度检验及后验检验的综合检验指标。选用日照条件相差较大的重庆及杭州地区光伏电源的实测数据进行仿真分析,验证了所提核密度估计概率模型和带宽选取方法的正确性、有效性以及对不同光伏电源随机特性的适应性。     

基于非参数核密度估计和改进谱多流形聚类的负荷曲线分类研究

针对高维负荷曲线的聚类问题,提出一种基于改进谱多流形聚类的负荷曲线聚类方法,该方法包括典型日负荷曲线提取、负荷曲线聚类和聚类效果评价3个步骤。首先提取用户负荷特性指标,结合非参数核密度估计方法计算提取用户典型日负荷曲线。在改进谱多流形聚类算法中,引入时间翘曲距离度量曲线相似性,并用高斯核函数计算局部相似性,基于此构建相似性矩阵并聚类。聚类后采用多种聚类有效性指标,从聚类效果、算法稳定性和运算时间3个角度对聚类结果和算法性能进行评价。采用某地区若干用户的负荷数据作为算例样本进行聚类分析,验证了所提出的典型日负荷曲线提取方法和改进谱多流形聚类算法的合理性和优越性。     

基于改进非参数核密度估计和拉丁超立方抽样的电动公共客车负荷模型

为了建立更精确的电动公共客车充电负荷模型,对起始荷电状态和起始充电时间的概率分布和抽样方法进行研究。首先针对概率分布,提出采用边界核的自适应非参数核密度估计算法,该方法无需概率分布的任何假设,能有效解决边界偏差和缺乏局部适应性的问题,从而提高了起始荷电状态和起始充电时间概率分布的准确度和适应性。其次针对抽样环节,提出结合三次样条插值法的改进拉丁超立方抽样算法,该方法不仅可以解决累积分布函数的反函数较难求解的问题,而且具有准确度高、抽样规模小等优点。最后,以这两种算法为基础,建立电动公共客车充电负荷模型,并将其与实测数据和传统参数估计方法所得结果进行对比。仿真结果证明了所提方法的适应性和有效性。     

基于高斯核密度估计的典型负荷曲线形态聚类算法

在电力现货市场结算过程中,获取市场化用户的实时电量至关重要。本文聚焦现货市场中非分时计量用户的电量分解,设计了一种利用典型负荷曲线获取分时电量的方法和流程。首先,选取样本用户,对样本用户计量数据进行预处理后得到完整样本典型负荷曲线。然后,文中提出一种基于核密度估计聚类中心的负荷曲线聚类方法,将kmeans算法原有的均值获取聚类中心升级为高斯核密度估计获取最大概率的聚类中心进行迭代计算,并将聚类中心曲线作为典型负荷曲线对不具备分时计量的用户进行日电量划分,划分至以15min为颗粒度的电量进行结算。最后,运用云南省样本用户计量数据,采用传统峰平谷比例分解、传统聚类算法以及本文改进聚类算法获取的典型负荷曲线进行电量的实时分解算例分析,结果显示,本文所提的改进kmeans算法具备更好的分类性能和较好的效率,同时所分解电量具备更高的准确性。     

基于非参数核密度估计的扩展准蒙特卡洛随机潮流方法

扩展蒙特卡洛方法将随机潮流的误差转化为可控量,并可在样本数增加时保留已知的潮流计算结果。基于扩展拉丁超立方抽样的方法效率比简单随机抽样高,但仍存在两方面的问题:第一,扩展拉丁超立方抽样无法保证序列的差异性,这成为计算效率提高的瓶颈;第二,当输出变量偏离正态分布时,扩展拉丁超立方抽样方法缺乏性能良好的收敛判据。针对以上两个问题,采用基于Sobol序列的扩展准蒙特卡洛方法进行随机潮流计算,并提出基于非参数核密度估计方法的收敛判据。对IEEE 30和IEEE 118节点系统的仿真结果表明,所述方法比扩展拉丁超立方抽样方法更加方便、准确,同时效率更高、收敛更快;而基于非参数核密度估计的收敛判据直观、适应性强,对变量的概率分布没有附加条件,可准确指导扩展随机潮流的收敛。     

基于非参数核密度估计的风电场有功功率双层优化模型

为有效解决风电出力不确定性导致的机组组合问题,基于非参数核密度估计风电功率预测误差概率密度分布,提出一种日前-实时阶段的双层优化模型.首先,基于风电功率预测误差概率密度分布,构建风电功率上下波动域.其次,建立非参数核密度估计风电最佳置信水平的双层优化模型,上层以风电-火电协同运行成本最小为目标,下层以风电和火电输出功率...     

基于非参数核密度估计与数值天气预报的风速预测修正方法

提出一种风速预测偏差修正方法。建立基于非参数核密度估计的风速修正模型,利用预测点之前一段时间内风速的初始预测误差来估计预测时刻的预测误差,从而对初始风速预测结果进行修正;结合数值天气预报法建立风速相位误差修正模型,有效减小风速预测的相位误差,在一定程度上防止风速突变拐点处"误修正"的出现。某地区实际风速数据的预测仿真结果表明,所提方法可有效降低初始风速预测偏差。     

基于LSTM和非参数核密度估计的风电功率概率区间预测

高精度的风电功率点和区间预测可以为电网优化配置带来更多信息。提出采用长短期记忆（LSTM）网络实现风电功率的点预测,并基于该网络生成1组风电功率预测误差数据集,采用渐进积分均方误差准则的窗宽优化方法实现非参数核密度的估计,求出不同置信度下的风电功率波动区间。实验基于美国某风电场历史数据,通过与BP, Elman神经网络和SVM对比,验证了LSTM网络预测精度更高;基于LSTM网络预测生成的误差数据集,与高斯模型及随机窗宽非参数核密度估计模型相比,结果说明了所提最优窗宽非参数核密度估计模型具有更贴近真实的预测误差分布。     

基于模糊序优化的风功率概率模型非参数核密度估计方法

风功率概率分布模型的研究对于风电场规划以及运行都具有重要意义。提出了一种基于模糊序优化的风功率概率密度模型非参数核密度估计方法。该方法利用风电运行数据样本构建风功率概率密度的非参数核密度估计模型;然后建立用于模型带宽选择的多目标优化模型;最后利用模糊序优化对带宽优化模型进行求解。实际算例结果表明,所提建模方法完全由样本数据驱动,不需要对概率密度模型进行先验主观假设,因而具有更高的建模精度和更强的适用性。     

基于自适应多变量非参数核密度估计的多风电场出力相关性建模

研究多个风电场的联合概率密度,对于风电大规模并网及电力系统运行控制具有重要意义。该文提出一种基于自适应多变量非参数核密度估计的多风电场联合概率密度建模方法。首先以可变带宽代替固定带宽建立一种自适应的多变量非参数核密度估计模型,然后针对模型带宽选择问题,构造了一种以欧氏距离和最大距离为拟合性指标的带宽优化模型,最后利用序优化算法对其进行求解。实际算例仿真结果表明,该文方法不仅较传统基于copula函数的参数估计方法具有更高的精度和适用性,而且还较好地解决了传统多变量非参数核密度估计方法的局部适应性问题。     

基于NACEMD和改进非参数核密度估计的风功率波动性概率分布研究

在大规模风电并网运行控制过程中,准确构建风电出力波动特性的概率分布模型具有重要意义。提出了一种结合复数据经验模态分解的噪声辅助信号分解和改进非参数核密度估计的风功率波动性概率建模方法。首先通过一种结合复数据经验模态分解的噪声辅助信号分解方法对风功率进行分解并提取波动量,然后结合非参数核密度估计法对其进行概率特性建模,并基于此模型进行自适应改进。最后,采用约束序优化算法对模型求解。仿真结果不仅验证了模型改进的有效性,还验证了建模的精确性和适用性。     

基于最优窗宽核密度估计的短期负荷区间预测

针对确定性短期负荷预测难以满足电力需求中可变性决策问题,提出一种基于最优窗宽高斯核密度估计的短期负荷区间预测方法。该方法利用最小二乘支持向量机对负荷进行确定性预测,根据对历史负荷相对误差特征的统计分析,采用核密度估计方法及最优窗宽选择,对各区域内的相对误差建立密度函数,实现短期负荷的区间预测。以浙江某地区的负荷数据为例,给出了不同置信度下的负荷区间预测,将所提出的方法与固定窗宽的负荷区间预测效果做比对,在相同置信度下所提出方法的区间覆盖率有明显提高并且区间宽度有所降低。     

基于序贯仿真和非参数核密度估计的大电网可靠性评估

序贯蒙特卡罗仿真不但能给出可靠性指标的期望值估计,而且能提供逐年可靠性指标样本。文中研究了序贯蒙特卡罗仿真的收敛特性,分析了仿真年数与计算精度之间的概率不确定性关系,推导了二者的置信区间公式,为实现计算成本和计算精度的综合权衡提供了量化分析手段。此外,基于逐年可靠性指标样本和非参数核密度估计理论,实现了可靠性指标的概率密度估计,从根本上克服了传统期望值指标仅从概率平均意义角度测度系统可靠性的缺点,探索了从可靠性指标内在分布规律和结构特征出发,深刻揭示电网风险特性的新思路。     

基于非参数核密度估计法的光伏出力随机分布模型

光伏出力的随机性是影响光伏发电稳定性的重要因素。通过对国内某一光伏电站历史运行数据进行统计计算和分析,揭示气象条件差异对光伏出力水平的影响规律,并提出将数据按气象条件分类,用非参数核密度估计法建立晴天、多云、阴天、雨雪4种气象条件下光伏出力的随机分布模型。该方法对数据分布不附加任何假定,只从数据本身特征出发研究其分布特性,适合分析受气象影响显著的光伏出力分布特性。结果表明,模型所示分布特性与相应气象条件下光伏出力实际概率分布具有很好的一致性。     

基于非参数核密度估计的电力市场用户电量异常数据辨识与修正方法

随着我国电力现货市场的逐步推进,电力市场中的交易结算环节对电力市场用户电量数据的准确度提出了更高的要求。首先,为解决由于计量装置等问题造成的分时电量数据缺失与异常,采取非参数核密度估计(kernel density estimation,KDE)的方法,对窗宽进行优化选取,根据电力市场用户的历史电量数据提取其日分时电量特征曲线。其次,将提取的特征曲线结合历史电量所蕴含的信息得到用户电量数据的可行域矩阵,并将其应用于异常数据的辨识中。再次,根据异常数据区间用电量大小对特征曲线进行缩放处理后的数据作为连续缺点数据修正值。最后,利用某省电力市场用户的计量电量数据,对所提方法的有效性和准确性进行了验证。结果表明所提方法能够有效地处理异常数据,和其他方法相比较,该文方法在连续多点电量数据异常的修正过程中准确度最高,具有实际应用价值。     

基于非参数核密度估计法的光储系统容量优化配置

储能技术有助于缩减光伏功率输出的预测误差,并可以提高光伏预测输出作为电力系统调度参考的可靠性.为此,提出基于光伏功率预测误差分布,提出了一种光储系统容量配置方法.利用Markov链和持续法的组合预测模型实现了光伏功率超短期预测,依靠储能系统弥补实际光伏发电功率与预测功率的预测误差.根据非参数核密度估计法建立了光伏功率预测误差分布模型,由日最大绝对能量的累计分布函数给出储能系统的总体容量配置,实现储能系统的整体容量规划.通过对某20 MW(峰值)光伏电站实测数据仿真分析可知,在满足95％储能容量的日需求下,储能配置容量为9MWh.所提出的方法为光伏电站合理配置储能系统提供了理论依据,使光伏电站具备更好的可调可控能力.     

基于改进型非参数核密度估计法的南方区域风电出力特性分析

随着南方区域风电接入比例的不断提高,风电出力的随机性和波动性对电力系统运行的影响不容忽视,因此有必要研究南方区域的风电出力特性及其随机分布规律。首先从时间因素和地理环境因素两方面分析其对风电出力特性的影响;然后提出一种考虑最优核函数带宽选择的改进型非参数核密度估计法,分别建立多时间尺度下的南方区域风力发电随机分布模型,并建立模型拟合效果的评价指标体系;其次通过与2种基于典型经验分布函数的参数估计法进行对比,验证了改进型非参数核密度估计法的有效性;最后通过日、季、年3个时间尺度分析了南方区域不同省区间的风电出力概率特性差异,可为电力系统调度、电力规划、风电场选址定容等工作起到一定的辅助决策作用。     

基于核密度估计的输电线路走廊杆塔-地闪复合密度统计方法

近年来由于我国土地资源紧缺,多回线路共用输电线路走廊十分普遍,线路走廊覆盖面积与雷电活动范围相比很有限,且走廊内杆塔密度不一,因此存在如何衡量地闪活动对线路走廊影响的问题。用核密度估计方法对百色地区输电线路走廊地闪密度和雷害密度进行了统计,并结合相关系数的计算,交叉校验得到地闪密度、雷害密度、线路杆塔密度等参数之间的相关性。通过对比分析,得到雷害密度与"地闪密度和线路杆塔复合密度"的相关性最高,为0.85,而此前常用来评价雷电活动的地闪密度和雷害密度之间的相关系数仅为0.51。由此提出"地闪–线路杆塔复合密度"的概念,该密度可有效地衡量输电线路走廊内的雷害分布,有助于区域化防雷的进行。