基于改进灰色模型的蓄电池剩余容量预测

蓄电池作为直流系统交流停电时的后备电源,其剩余容量直接影响了直流系统的安全运行。在对现有灰色预测模型进行深入研究的基础上,将遗传算法引入到GM(1,1)模型中,对此加以改进,提出了一种新的基于遗传算法的蓄电池剩余容量灰色预测模型。预测实例表明,基于遗传算法的蓄电池剩余容量改进灰色预测模型比传统的GM(1,1)预测模型具有更高的模型精度,能够满足工程需要。该方法可减少传统的电池容量放电实验次数,从而延长了蓄电池的使用寿命。     

灰色系统在蓄电池失效预测中的应用

依据蓄电池内阻与剩余容量之间的非线性关系,采用灰色预测系统的GM[1,1]模型,实现对铅酸免维护蓄电池失效的预测。这种方法取代了传统的电池容量试验方法,取得了很好的效果。     

STATCOM无功电流的灰色预测控制

针对模型参数变化和噪声干扰的STATCOM单机无穷大系统,提出了一种无功电流灰色预测控制方案。根据STATCOM装置级非线性数学模型,建立了系统无功补偿电流的控制模型,采用GM（1,1）模型预测无功电流和系统灰量,将无功电流灰色预测控制引入到PID控制中。运用灰色系统理论进行预报,具有不必完全知道被控对象结构、参数和特性的优点,这对于像STATCOM这样大型非线性系统的预测控制实现非常有利。仿真结果表明,该方法比传统的PID控制具有更强的跟踪能力和鲁棒性。     

中长期电力负荷的灰色残差修正组合预测

中长期电力负荷走向趋势曲线往往呈S型,直接运用灰色GM(1,1)模型预测会造成较大的偏差。针对负荷曲线固有的发展趋势,根据曲线发展的不同阶段分阶段预测,采用GM(1,1)模型进行第一阶段的预测,采用残差修正模型进行第二阶段的预测。在分阶段预测的基础上,根据每一阶段的预测精度分配权重,进行组合预测。该方法将数据本身发展趋势和模型固有优点相结合,预测结果表明该方法在提高精度上有可行性。     

基于灰色-周期外延组合模型的电力负荷预测

提出了灰色–周期外延组合模型,即在一般灰色模型GM(1,1)的基础上建立残差周期外延模型,并提取优势周期以重新构造新的数据序列,再将不同周期同一时刻的值叠加。该模型兼顾了电力负荷的增长性和周期波动性二重趋势,较好地克服了上述二重趋势引起的负荷变化非线性组合特征给精确负荷预测带来的困难。实例计算结果表明该模型明显地提高了电力负荷预测精度。     

基于灰色理论的中长期负荷预测

对负荷预测中的灰色预测方法进行了深入的研究,找出了灰色建模的局限性并提出了改进方法.通过对负荷原始数据序列的预处理及优化,增强了灰色预测对波动负荷数据序列的处理能力,利用等维新息递推GM(1,1)模型进行预测,保证了预测能够较为充分地利用新信息.经过改进之后的模型,扩展了普通GM(1,1)模型的适应范围,提高了预测精度.利用实例将改进模型与普通GM(1,1)模型进行比较,证明改进模型具有比普通GM(1,1)模型误差小、精度高的优点.     

遗传算法改进灰色RBF模型在负荷预测中的应用

灰色模型和神经网络作为常用的负荷预测方法虽应用较广,但各有缺陷.将两者结合起来一定程度上能实现双方的互补,但是存在的局部最优和收敛性问题一直没有很好的解决.利用遗传算法鲁棒性强、收敛速度快以及全局定位能力强的功能,代替传统的最小二乘法对GM(1,1)模型的参数进行高效求解,可以避免陷入局部最优,实现全局最优.将优化后的...     

灰色遗传算法模型在短期电力负荷预测中的应用

针对灰色GM（1,1）模型用于电力负荷短期预测不能有效反映负荷周期性变化及精度不高的问题,将GM（1,1）模型推广为GM（1,1,λ）模型,并用遗传算法求解λ的最佳值,同时将该模型应用于河南某电网未来24h负荷实际预测。结果表明,基于遗传算法的GM（1,1,λ）模型具有较高的预测精度,预测效果显著。     

我国能源消费与经济增长的灰色关联分析及能源预测

灰色系统理论能很好解决"小样本"、"贫信息"问题。以近6年来的数据为样本,运用灰色关联分析方法分析我国能源消费与经济增长间关系,通过建立GM(1,1)模型预测我国未来5年的能源消费走势,为能源与经济发展规划提供支持。     

基于灰色广义预测模型的自适应ＰＩＤ控制算法

将控制对象视为灰色系统,建立了基于灰色理论的广义预测模型(GM(1,2)-GPC),并将该模型的丢番图解与传统PID控制算法相结合,实现了PID参数的自适应整定。对系统模型中的参数通过递推最小二乘法进行辨识。建立的PID新算法为解决系统时滞问题提供了新的思路。仿真结果表明,预测控制算法具有超调量小、收敛速度快、鲁棒性强及较好的适应性和工程应用前景。     

改进残差灰色预测模型在负荷预测中的应用

本文介绍了传统残差灰色模型的基本原理和建立方法,针对模型中存在的问题对该模型进行了改进,运用马尔可夫状态转移矩阵来判断残差预测值在k>n时的符号,提高了预测精度。并用天津地区1995年到2002年的负荷量作为历史数据进行了预测,结果表明预测精度明显提高。     

基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型

针对波动大且具有非平稳性的负荷序列预测问题,建立了基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型(R.E Kalman-G(1,1)-PSO-BP)。利用了卡尔曼滤波算法能够剔除非平稳序列中的随机误差,以获得逼近真实情况的有效信息的特点,对负荷测量序列进行滤波处理,根据GM(1,1)模型算法对滤波后的量测序列进行拟合预测。利用基于粒子群优化算法的BP神经网络算法对残差进行修正,得到了新的预测值。实践表明新预测值的整体精确度远高于GM(1,1)模型及Kalman-G(1,1)模型的预测精度。因此,所建模型具有较高的使用价值。     

灰色马尔可夫链在高峰负荷预测中的应用

用GM（1,1）模型预测短期负荷虽具有很好的精确性,但对于波动性较大的高峰负荷,它的预测精度比较低,而马尔可夫模型可以克服负荷波动较大的局限性。在此将二者结合起来形成灰色马尔可夫模型,并对山东某地区高峰负荷进行预测。应用表明,该模型切实可行,预测结果的精确度很高。     

换流变压器户外相干噪声预测模型研究

换流变压器户外噪声预测的准确与否直接影响着高压直流换流站的噪声评价和后续的噪声控制,目前户外噪声预测计算中因忽略了声线在边界多次反射产生的干涉效应,对噪声预测结果影响往往较大。因此在虚源法的基础上,通过对各虚源间的相干求和,考虑了声线多次反射形成的无限个虚源间的干涉效应,同时将各个不同的边界阻抗率加入到模型中去,建立了换流变压器的半开空间相干虚源模型。并应用该模型对某一具体换流变压器组的辐射声场进行计算,通过边界元模型、ISO9613模型计算结果与实测值进行对比。结果表明,该相干预测模型与边界元模型因考虑了相位信息,都能反映出声波在不同位置处的传播趋势,且2者计算结果基本一致,与实测值相比平均绝对误差2 d B,ISO9613模型平均绝对误差则达到6 d B;而该研究提出的模型与边界元法相比,计算效率提高了约95倍,证明了所提理论模型的准确性和适用性,可应用于大范围的户外噪声预测计算。     

灰色预测控制在三电平4桥臂APF中的应用

三相4线制系统的中线电流、谐波、无功功率问题日益严重,有源电力滤波器以其优良的性能成为电力系统谐波抑制和无功补偿的重要手段。针对APF控制方法复杂的问题,在建立其数学模型的基础上提出一种应用于三电平三相4桥臂APF的灰色预测控制策略。该方法在k时刻对负载电流和补偿电流进行采样,经过GM(1,1)模型得出k+l时刻的预测谐波电流,使输出补偿电流尽量接近指令电流,达到补偿谐波的目的。仿真结果表明:此方法可以有效地补偿系统的谐波电流和中线电流,自适应能力强,控制精度高,鲁棒性强,在三相4线制系统中具有良好的应用前景。     

基于灰色经验融合的电网故障研判模型

针对电网故障检测系统中既有专家经验与处置方案难以充分利用的问题,提出了基于灰色经验融合的电网故障研判模型,并给出了该模型的框架结构、处理流程以及主要算法。该模型采用灰色信息融合方法实现专家经验与现场数据的融合,使用灰色聚类匹配算法抽取与现场数据高度相似的专家经验,实现当前故障的研判,并将最终的研判结果、处置方案与检测数据融合,促进专家经验库的优化。对比试验结果表明,该模型具有较高的研判精度、较为全面的故障覆盖度以及良好的时效性。     

概率模型在停电事件预测中的应用研究

停电及连锁故障(cascading failure)是电网安全的重大威胁,严重影响工业生产与公众生活.针对停电事件预测中的困难,分析了概率模型在这一领域的应用场景.该模型包括了网络拓扑结构的导纳模型与各组件的故障概率模型.导纳模型提供了一种对于电网结构的简洁表示,可用于对故障组件的发现.在此基础上,使用概率模型对停电事...     

电力市场均衡模型述评

传统的电力系统运行模型缺乏对参与者市场行为的考虑,不适应于新的市场环境,需要结合市场的竞争性研究电力市场的建模问题.对电力市场均衡模型在国内外研究的进展进行了较为全面的总结.对两类常用的电力市场模型Cournot模型和供给函数均衡模型,从应用领域到求解方法进行了评述.总结了两类模型在分析市场不完善性、市场仿真以及风险分析等方面取得的成果,指出了均衡模型存在的缺陷和改进的方法,充分考虑发电公司的市场行为,提高假设条件的准确性和模型的实用性.     

灰色模型在负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务。讨论了灰色模型在短期电力负荷预测中的应用,对平常日电力负荷进行预测,其结果令人满意。