基于自忆性灰色Verhulst模型的暂态稳定受扰轨迹实时预测

广域测量系统能在统一时标下监视系统各节点的实时轨迹,为暂态稳定实时分析提供了可能。基于灰色系统理论及动力系统的自忆性原理,提出一种基于自忆性灰色Verhulst模型的电力系统暂态稳定受扰轨迹实时预测方法。发电机功角受扰轨迹在每一个摇摆过程中呈"S"型变化,符合灰色Verhulst模型预测要求。针对发电机受扰轨迹较强的随机性和非线性,在传统Verhulst模型预测基础上,构建了具有自忆性的灰色Verhulst模型。该模型不仅考虑了发电机功角轨迹的变化趋势,还利用了历史量测数据,能很好地表征发电机功角受扰轨迹的随机波动特性,提高预测精度和预测时间。将该方法对新英格兰10机39节点系统进行仿真计算,结果表明该方法具有良好的拟合预测效果,为实时暂态稳定分析提供了技术支撑。     

基于灰色Verhulst和灰色马尔科夫的电力负荷预测组合模型

本文提出了电力系统中长期负荷预测的线性组合模型,即基于灰色Verhulst和灰色马尔科夫的组合模型。针对中长期负荷日趋饱和的特点,采用具有S型预测曲线的灰色Verhulst模型进行预测;针对灰色模型预测随机波动较大的负荷时拟合性较差的缺点,采用马尔科夫理论对灰色模型进行修正,弥补了灰色模型固有缺陷,提高其预测精度。通过线性组合法将灰色Verhulst模型与灰色马尔科夫模型相结合,规避了单一算法模型产生较大误差的风险,进一步提高了预测准确性。算例表明,该组合模型精度较高,具有实用性与可行性。     

灰色Verhulst模型在中长期负荷预测中的应用

灰色系统预测模型用于中长期负荷预测是一种有效的方法。但是，当负荷按照“S”型曲线增长或增长处于饱和阶段时，采用灰色模型进行负荷预测的误差较大，预测精度不能满足实际要求。将灰色Verhulst模型引入到负荷预测中，可以很好地解决这个问题。作者通过典型的实例介绍了灰色Verhulst模型在中长期负荷预测中的应用。结果表明，此模型在负荷预测中是适用的，尤其对于负荷按“S”型曲线增长的情况，不但具有较高的预测精度，同时保留了灰色预测方法的优势和特点。     

基于灰色离散Verhulst模型理论的电力中长期负荷预测研究

针对传统GM(1,1)模型对呈“S型”规律增长的负荷序列建模预测时误差大的缺点,提出了灰色离散Verhulst模型。该模型借鉴了非齐次指数的离散灰色模型的建模机理,避免了经典灰色Verhulst预测模型由于参数估计采用离散方程而模拟和预测采用连续方程所带来的系统误差。给出了所提出的灰色离散Verhulst模型的递推解的形式。根据灰色预测理论的预测特点,采用等维灰数递补预测法对灰色离散Verhulst模型进行改进。通过实例证明,所提出的方法是正确和有效的。     

灰色Verhulst与等维新息组合模型在中长期负荷预测中的研究

本文针对中长期电力负荷预测使用的历史数据较少且影响因素较多的特点,提出了一种线性灰色组合模型。该模型将灰色Verhulst模型与等维新息灰色理论线性组合,充分发挥了灰色Verhulst模型所需数据少、不受特定负荷数据以及等维新息灰色理论影响,保持数据原有维数、保证最优信息量和动态预测的优势。算例结果表明,该预测模型精度较高,具有实用性。     

基于灰色离散微分动态规划的梯级水库优化调度北大核心CSCD

针对梯级水库群优化调度中离散微分动态规划(DDDP)方法全局收敛性差及计算效率低的问题,本文提出了一种基于灰色系统预测方法的离散微分动态规划方法(GDDDP)。该方法以DDDP为基础,每次迭代前把历史迭代中得到的最优轨迹和历史预测轨迹组成的数据序列作为灰色系统预测方法的输入进行预测;然后在各个水库预测轨迹的基础上进行离散迭代求解,以此来提高算法的求解精度及计算效率;同时针对灰色系统预测方法对于振荡序列有较大误差的缺点,采用等差数列递推式改进了灰色系统预测方法。最后白山-丰满梯级水电站的调度结果也表明了GDDDP的有效性。     

基于GM(1,1)模型与灰色Verhulst模型的风速预测

在阐述灰色系统理论的基础上,将GM(1,1)模型与灰色Verhulst模型应用至风力发电预测中,最终利用这两种模型分别对某日10:20至11:00的风速数据进行分析建模,预测11:10与11:20的风速.最后通过残差分析得出Verhulst模型的预测精度更高,更适合应用于风速预测分析.     

基于灰色离散微分动态规划的梯级水库优化调度

针对梯级水库群优化调度中离散微分动态规划(DDDP)方法全局收敛性差及计算效率低的问题,本文提出了一种基于灰色系统预测方法的离散微分动态规划方法(GDDDP)。该方法以DDDP为基础,每次迭代前把历史迭代中得到的最优轨迹和历史预测轨迹组成的数据序列作为灰色系统预测方法的输入进行预测;然后在各个水库预测轨迹的基础上进行离散迭代求解,以此来提高算法的求解精度及计算效率;同时针对灰色系统预测方法对于振荡序列有较大误差的缺点,采用等差数列递推式改进了灰色系统预测方法。最后白山-丰满梯级水电站的调度结果也表明了GDDDP的有效性。     

改进的灰色Verhulst模型在中长期负荷预测中的应用

针对中长期电力负荷预测小样本、贫信息、不确定、非线性等特点,提出了基于最小二乘支持向量机算法与等维新息技术的改进灰色Verhulst模型,并将该模型用于具有S型增长或处于饱和增长状态的中长期电力负荷预测。根据原始数据建立了灰色Verhulst模型,利用LS-SVM算法对模型中的参数进行了估计,基于等维新息递补预测法对负荷数据进行了预测。实例计算结果表明,基于该模型得到的预测结果相对误差在3%以内,与传统预测模型相比,采用文中的模型可获得更高的预测精度。     

航空锂电池寿命预测方法研究

随着航空机电系统的发展,对电池的检测与寿命预测成为地勤人员重要的工作之一。针对小子样条件下锂电池寿命预测困难的问题,研究了GM(1:1)模型、灰色Verhulst模型、神经网络模型在解决该问题时的优势与缺陷,通过对现有模型的分析,提出了一种灰色Verhulst-神经网络模型,弥补了灰色模型中长期预测精度低的缺陷,降低了神经网络对样本量的要求。以某型航空设备装备的锂电池为例,研究并比较以上方法的预测效果,结果显示灰色Verhulst-神经网络模型预测精度为0.7%,远低于其他模型,说明模型精度较高,证明了所提方法的可行性与有效性。     

基于功角受扰轨迹拟合的暂态稳定快速预测

基于相量测量单元（PMU）上传的功角实时量测数据,利用发电机功角受扰轨迹的分布知识,提出了一种基于功角受扰轨迹拟合的暂态稳定快速预测方法。该方法首先对系统进行离线仿真,记录发电机在受扰情况下相对于参考机的功角轨迹变化情况,并对轨迹集合进行聚类分析,从中提取特征轨迹,生成发电机的受扰轨迹标准模式库（PTSPD）;然后计算功角实时量测数据与发电机PTSPD中各个模式的欧氏距离,并利用某种修正方案来预测发电机功角的运行轨迹,从而快速判断出系统的稳定性。以新英格兰节点测试系统为例,证明了该方法的有效性和合理性。     

基于轨迹特征分析的双馈风电机组参数识别

分析研究风电接入后系统的动态运行与稳定控制,需要建立准确的风电机组结构和参数模型。为此,根据系统辨识理论,推导双馈风电机组（DFIG）的传递函数矩阵,构造传递函数系统与未知参数之间的关系,分析风电机组电抗参数的可辨识性;对风电并网系统进行动态轨迹保稳降维等效变换,通过分析系统主导映像轨迹的特征,建立双馈风电机组参数识别系统的受扰轨迹差异度指标,并将参数待识别系统受扰轨迹与实际轨迹的差异度作为目标函数,优化求解双馈风电机组电抗参数;对算例系统发生线路故障和风速变化等不同情况下进行参数识别计算。仿真结果检验了采用系统轨迹差异度方法识别DFIG参数的有效性和可行性。     

灰色神经网络模型GNNM(1,1)在城市年用电量预测中的应用

针对城市电力系统年用电量增长的特点，将灰色神经网络模型GNNM(1，1)引入城市年用电量预测。GNNM(1，1)模型是把灰色方法与神经网络有机结合起来，对复杂的不确定性问题进行求解所建立的模型。该模型通过建立一个BP网络，来映射GM(1，1)模型的灰色微分方程的解。GNNM(1，1)模型采用BP学习算法，网络经训练收敛后就可进行城市年用电量预测。算例计算表明，与灰色预测方法相比，GNNM(1，1)模型具有更强的适应性和更高的预测精度，适用于城市年用电量预测。     

基于机端PMU量测的系统受扰轨迹预测

提出了基于机端相量测量单元量测数据的多机系统受扰轨迹预测方法,结合状态估计或潮流数据,在系统受扰后将其降阶简化为仅含有配置了相量测量单元的发电机节点系统,利用相量测量单元的量测数据修正降阶系统节点电压和电流之间的关系,然后将其代入相应的发电机模型,从而实现了系统受扰轨迹预测。该方法采用时间间隔较大的状态估计或潮流数据计算节点电压和电流传递关系矩阵的初值,并利用该矩阵主对角元的变化反映受扰后系统各元件的详细模型、网络拓扑和参数的改变,然后使用相量测量单元毫秒级的量测数据对其进行修正,从而为在实际应用中将相量测量单元与SCADA系统相结合做出了有益探索。最后以一个6机25节点系统为例验证了该方法的有效性。     

基于广域量测数据和导纳参数在线辨识的受扰轨迹预测

基于相量测量单元(PMU)广域量测数据应用参数辨识理论提出电力系统故障后导纳参数在线辨识方法，研究了电力系统受扰轨迹快速积分预测新方法。该算法基于实时量测量精确构造实际故障后的系统动态方程，并快速积分求解系统受扰轨迹。其突出优点在于：参数辨识使用系统实时数据，可考虑复杂的连锁故障事件和不确定的系统拓扑和参数；预测基于故障后系统模型积分，能够反映系统物理本质，对于系统经典模型具有理想预测精度。该算法在多种测试系统中进行了数字仿真实验，并用动模实验数据进行了离线验证，结果表明算法合理有效。     

PMU所获轨迹的稳定裕度

稳定裕度的评估包括获得受扰轨迹和分析轨迹能量这2个任务.虽然相量测量单元(PMU)采集的受扰轨迹避开了仿真模型、参数及扰动中包含的不真实性,但只有在计算该轨迹的稳定裕度时也不用系统模型,才能精确量化实际受扰系统的稳定性.在无系统模型的情况下,基于扩展等面积准则(EEAC)可以精确地量化失稳轨迹的稳定性,但要量化稳定轨迹的稳定性却遇到极大困难.由于高维时变系统的在线识别更为困难,故采用功率一功角曲线的外推来虚构摆动最远点(FEP)后的轨迹和潜在势能,并提出通过时变性指标来识别那些外推误差大的算例.通过对IEEE 39系统和华东电网的仿真,验证了所建议的无模型评估方法.     

一种基于PMU降阶的系统受扰轨迹预测方法

提出了一种基于同步相量测量单元(PMU)量测数据的系统降阶受扰轨迹预测方法。利用正常状态下多个不同时刻的PMU量测数据,通过最小二乘法得到降阶系统的导纳矩阵;系统发生扰动后,在每个保留节点引入非机理负荷模型来反映系统降阶过程中除保留节点外其他各个元件模型参数改变和网络拓扑变化对降阶后网络的影响,修正降阶系统;将辨识出的系统导纳矩阵与虚拟负荷模型结合已知的发电机模型,实现局部时间内的系统受扰轨迹预测。通过对10机39节点系统的仿真研究,验证了该方法的有效性。     

一种基于PMU降阶的系统受扰轨迹预测方法

提出了一种基于同步相量测量单元（PMU）量测数据的系统降阶受扰轨迹预测方法。利用正常状态下多个不同时刻的PMU量测数据,通过最小二乘法得到降阶系统的导纳矩阵;系统发生扰动后,在每个保留节点引入非机理负荷模型来反映系统降阶过程中除保留节点外其他各个元件模型参数改变和网络拓扑变化对降阶后网络的影响,修正降阶系统;将辨识出的系统导纳矩阵与虚拟负荷模型结合已知的发电机模型,实现局部时间内的系统受扰轨迹预测。通过对10机39节点系统的仿真研究,验证了该方法的有效性。     

计及随机时滞与丢包的电力系统广域信号预测补偿方法

针对广域信号在通信系统的传输过程中具有时滞与丢包以及在实际场景下对量测信号采样过程中信号具有噪声等问题,建立了一种基于灰色Verhulst的预测补偿模型。将该模型与完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with adaptive noise, CEEMDAN)算法相结合,提出了一种电力系统广域信号的预测补偿方法。该方法首先通过CEEMDAN对广域信号进行降噪,然后采用灰色Verhulst预测方法对多个广域信号分别进行预测,得出统一时标的控制器输入信号。最后在OPNET-Matlab仿真平台中搭建了计及通信系统影响的两区四机系统,并在3种不同的通信场景下对所提算法进行验证。测试结果表明该方法具有一定的抗噪性能并可实现对具有时滞与丢包的广域信号预测补偿,为广域阻尼控制器的有效应用提供了一种新途径。     

灰色Elman神经网络的电网中长期负荷预测

为了降低原始负荷数据突变对Elman神经网络预测精度的影响,考虑电网负荷预测样本时变性强、不确定因素影响多的特点,利用Elman神经网络计算和适应时变特性的能力强、误差可控以及灰色理论所需计算数据少、计算量小,在样本较少的情况下也能达到较高预测精度的优点,建立灰色Elman神经网络的负荷预测模型,首次将灰色Elman神经网络模型在中长期负荷预测中应用.实例结果表明,该预测方法提高了预测精度、取得了较快的收敛速度,说明该模型是可行而有效的.