湖南电网覆冰演变规律研究与应用

许多专家学者将2008年湖南电网冰灾定义为百年一遇,这种界定需要结合历史情况进行验证。为此,统计分析了1951~2008年湖南雨淞日数数据,发现湖南自建国以来发生了4次特别严重覆冰,且湖南地区雨淞演变存在一个约20 a的准周期。湖南电网2005~2008年发生的2次大型冰灾,预示着湖南已进入15~20 a的雨凇多发期。对湖南雨淞日数与气象因素进行分析研究,发现湖南电网覆冰与太阳黑子、副高等因素密切相关。据此,在2008-11提出"2008~2009年冬季湖南电网不会出现特别严重覆冰","全省平均覆冰日数<10 d"等预测结论。该预测结果为湖南电网制定了2008~2009年湖南电网防冻融冰工作计划提供了指导。2008~2009年冬季覆冰监测结果显示,全省平均雨凇日数为线路平均覆冰日数为1.87 d,与预测结果十分符合。     

基于时间序列分析与卡尔曼滤波的输电线路覆冰短期预测

为降低输电线路覆冰事故的影响,对输电线路覆冰厚度进行准确的短期预测将能够有效地指导电网抗冰工作。为此从输电线路覆冰是一种时间累积过程的角度出发,提出了一种基于时间序列分析与卡尔曼滤波算法混合的线路覆冰短期预测模型。模型利用导线覆冰量的时间数据序列所具有的自相关性和时序性,有效减少了现有覆冰预测模型由于测量到的各种微气象因素存在的误差累积到覆冰预测结果中的影响。最后,通过搭建的电力系统微气候模拟平台进行模拟覆冰试验来对预测模型进行了验证,其短期预测平均绝对误差为0.78%。同时,通过从贵州电网在线监测系统上提取实际覆冰数据,验证了预测模型的短期预测平均绝对误差为2.58%。这证实了该模型的有效性,能够为输电线路除冰工作提供参考。     

2009～2010年冬季辽宁电网输电线路舞动分析

介绍了2009~2010年冬季辽宁电网输电线路覆冰舞动情况,分析了导线覆冰舞动形成因素及舞动线路特点,提出应从输电线路设计、运行等方面采取多种措施对输电线路覆冰舞动进行治理。     

一种基于长短期记忆网络的线路覆冰预测模型研究

输电线路覆冰灾害易引发危害电网安全运行的事故,对输电线路覆冰情况进行短期预测十分必要。提出了一种基于结合气象因素和导线覆冰量的时间序列模型预测法,建立一个由5个气象要素和一个导线覆冰量数据组成的数据集,采用长短期记忆网络算法训练预测模型,利用线路实际运行数据对模型进行优化和评估。实验结果表明,所提方法可准确、有效地实现线路覆冰发展情况的预测,预测误差仅4.2%。     

输电线路覆冰监测的OPGW传感应用研究

近年来,我国输电线路遭受冰灾的影响日益严重,研究发现能够准确监测线路覆冰情况,进而采取防冰、除冰的措施至关重要。特别在我国南方地区冬季输电线路容易受到自然覆冰的影响,出现输电线路断线、覆冰闪络和倒塔等电力事故,因此冬季输电线路覆冰情况已经成为电网安全运行研究的主要问题。基于OPGW光缆的输电线路故障定位技术,首先将OPGW传感覆冰监测系统投入实际运用,并观察其应用结果。然后将系统挂网后的运行监测数据和输电线路上实际覆冰数据进行对比分析,发现OPGW传感覆冰监测系统能有效监测到线路上覆冰的情况,并给予正确的提示。同时,仿真结果与实际情况结果几乎无误差,证明了此OPGW传感覆冰监测系统的可行性。     

基于支持向量机的输电线路覆冰回归模型

为对输电线路覆冰进行有效地监测、预测及预警,提出了一种基于支持向量机(support vector machine,SVM)的输电线路覆冰回归模型,用于输电线路覆冰情况的短期预测。这一研究工作是在MATLAB环境下,应用LIBSVM软件包编程进行建模仿真的;针对实测微气象-覆冰数据多维、自由度大的特性,选定与覆冰相关性最大的气温、相对空气湿度数据以及覆冰参考量作为输入量,覆冰质量作为输出量;提出了基于支持向量机的超短期预测、短期迟滞预测和滚动预测3种预测模型,并通过实例数据仿真评估了模型的有效性。结果表明:超短期预测模型预测精度>90%,但时效仅15min、实用价值较低;短期迟滞预测模型和滚动预测模型在2h内预测精度均>80%,可适用于输电线路覆冰的短期实时预测;滚动预测模型理论上可预测更长期的覆冰情况,假设微气象参量恒定不变限制了其预测精度,若结合微气象预报将会有更好的预测效果。由于目前适用于建模仿真的完整覆冰数据较少,因此支持向量机用于建立输电线路覆冰回归模型的有效性和稳定性还有待进一步验证。     

输电线路导线覆冰AMPSO-BP神经网络预测模型

输电线路覆冰严重危害电网安全运行,因此,有必要开展线路覆冰预测研究。随着人工智能技术的不断发展,其在电网覆冰监测中的优势逐渐凸显。现有的基于覆冰增长物理模型和统计回归模型覆冰预测方法,一定程度上实现了通过微气象等因素预测覆冰增长的效果,但大都针对短期覆冰周期,对数据采集频率有很高的要求,实际工程中实现较为困难。因此文章统计分析了重庆市送变电公司2015—2019年线路观冰数据,得到了西南地区高湿环境下输电线路覆冰特性及规律,并依据覆冰增长物理过程选取了工程可测量气象参数作为覆冰影响因素,提出了一种基于自适应变异粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)优化BP神经网络的人工智能覆冰厚度预测模型,优化了BP神经网络的权值阈值选取,优化后的模型在预测精度上要强于单一BP神经网络与已有研究中提出的小波神经网络,具有良好的工程适用性。     

湖南电力系统冰灾监测结果及其分析

湖南电网2008年遭受了罕见的冰灾,输电线路损失严重。研制了一套输电线路灾情监测系统,在湖南电网推广应用68套。该系统在2008年冰灾中,准确地监视到线路覆冰情况,为线路防冰提供决策依据。通过系统的监测数据,发现本次冰灾具有强度大、覆冰重心区转移、覆冰与海拔关系不明显、受微地形微气象影响显著等特点,为今后防冰工作提供参考。     

基于灰色支持向量机的输电线路覆冰厚度预测模型

为了降低输电线路覆冰事故对电网安全造成的严重影响,对输电线路覆冰厚度进行预测将能够有效地指导电网抗冰工作。提出了基于灰色支持向量机的输电线路覆冰厚度短期预测模型,分析了样本中脏数据的剔除及数据预处理方法,通过模型预测值与实测数据的对比验证了该模型的准确性和适用性,根据模型预测的线路最大覆冰厚度值对现场观冰、冰情预警以及开展交直流融冰提供策略指导。将该模型与传统的支持向量机和广义回归神经网络覆冰预测模型进行了对比,结果表明,该模型平均误差为0.325 mm,平均绝对百分误差仅为2.61%,适用于输电线路覆冰厚度短期预测。在易覆冰地区,应用该预测模型能够更好地指导输电线路抗冰工作。     

湖南电力系统冰灾监测结果及其分析

湖南电网2008年遭受了罕见的冰灾,输电线路损失严重.研制了一套输电线路灾情监测系统,在湖南电网推广应用68套.该系统在2008年冰灾中,准确地监视到线路覆冰情况,为线路防冰提供决策依据.通过系统的监测数据,发现本次冰灾具有强度大、覆冰重心区转移、覆冰与海拔关系不明显、受微地形微气象影响显著等特点,为今后防冰工作提供参考.     

基于加和比例分配算法的中长期电量预测改进方法

针对中长期电量预测工作中,年度、季度、月度预测结果不统一,以及1、2月供电量因受春节影响而导致预测误差较大的问题,提出了基于加和比例分配算法的电量预测改进方法。加和比例分配算法包括季度加和算法和比例分配算法2部分。首先利用组合预测算法对季度电量数据序列进行预测;然后利用季度加和算法对季度预测值进行加和得到年度预测值;接着利用比例分配算法对季度预测值进行分解,得到月度预测值,从而得到年度、季度、月度的统一预测结果。最后利用某供电局的实际供电量数据对该方法进行校验,结果证明该方法不仅能够得到统一的预测结果,且其预测精度较普通方法更高。     

基于灰色理论的电力负荷预测模型及其应用的研究

基于灰色理论提出了在电力市场运营模式下,县(区)级电力负荷的中长期预测模型,并对某供电局2000年到2003年的销售电量进行了预测,预测结果与各年度的实际售电量相比,最大误差小于0.7%。说明建立的预测模型完全适合于该供电系统的负荷预测,具有重要的理论和实际意义。     

基于灰色马尔科夫预测模型的中长期电力负荷预测

中长期负荷预测在电网发展规划编制中占有重要地位,而其关键是数学模型的建立。本文建立了基于马尔科夫修正的灰色负荷预测模型,利用灰色预测模型对未来负荷进行预测,对预测结果采用马尔可夫链预测方法进行改进,提高其预测的准确性。采用灰色马尔科夫模型对某市用电需求负荷建立预测模型,预测了2006至2008年的用电负荷,与实际用电负荷进行对比,结果验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

几种电力负荷预测方法及其比较

介绍了趋势分析法、回归分析法、指数平滑法、单耗法、灰色模型法、负荷密度法和弹性系数法等电力负荷预测的方法,并以预测珠海市全社会年用电量为实例,在适用条件、数据形式、计算难度和适用时间等方面对这几种预测方法进行了分析、比较、得出结论：回归分析法、趋势分析法适用于大样本,且过去、现在和未来发展模式均一致的预测,灰色模型法适用于贫信息条件下的预测;灰色系统理论采用生成数序列建模,回归分析法、趋势分析法采用原始数据建模,指数平滑法是通过对原始数据进行指数加权组合直接预测未来值的;回归分析法和趋势分析法的计算相对简单;单耗法、指数平滑法、灰色模型法较适宜近期预测,回归法、趋势分析法和改进型灰色模型较适于中、长期预测。     

黑龙江省改进中长期负荷预测方法及应用

针对传统的弹性系数法、时间序列法以及产业单耗法等在进行中长期负荷预测时预测时间以及预测精度上的不足,利用上述方法分别建立了黑龙江省“十二五”中长期负荷预测的数学模型,并根据黑龙江省的产业结构特点形成新的分产业弹性系数法,最后通过时变权综合预测方法将多种预测方法归一,使其优势互补.通过对历史数据的校核,表明了改进方法较原有方法在预测精度上有较大提高.     

基于Logistic模型的电能替代电量预测

随着电能替代战略的不断推进,电能替代电量规模将不断扩大,对未来电网中长期负荷构成将产生较大影响。现有电网中长期负荷预测方法对电能替代电量的考虑尚不够充分,有必要进行单独的分析预测。文中分析了政策对未来电能替代发展的重要影响作用,并给出了宏观层面电能替代电量的计算方法。在此基础上,基于Logistic模型分别对终端能源消费总量和电能占终端能源消费比例进行预测,在预测过程中充分结合目前已有的相关研究成果,最终获得电能替代电量预测结果。文中模型可作为传统中长期负荷预测方法的补充,用以指导未来电源、电网和相关能源规划。     

改进灰色模型在中长期电力负荷预测中的应用

由于中长期负荷预测历史数据较少,而且受外界因素影响较大,因此选取合理的预测模型十分关键.灰色模型是一种比较好的预测方法,但传统的灰色预测精度不理想,为此,提出了一种改进方法,即通过对原始数据进行开次方处理来降低预测模型的模型系数,对数据进行平滑处理来削弱原始数据中异常值的影响,对灰色建模预测后作残差修正和等维新息递补处理,以进一步提高预测精度.经过对重庆地区的农村用电量预测分析表明,提出的改进方法是合理适用的,其中改进GM(1,1)模型开二次方精度最高,预测精度满足实际应用需要.     

基于联合模型的短期电力负荷预测方法

为了准确预测电力负荷并提高电力系统调节和调度的灵活性、准确性,提出了基于差分自回归滑动平均和长短期记忆神经网络的短期负荷联合模型预测方法,以避免单一预测模型可能难以满足预测准确需求的情况。首先,使用差分自回归滑动平均和长短期记忆神经网络单一模型对短期电力负荷开展预测;然后,使用改进的粒子群优化算法对联合模型权重进行寻优;最后,利用最优权重将单一模型预测结果进行合并得到最终的预测结果。验证结果表明,所建立的联合模型能够对短期电力负荷进行准确的预测,且联合模型的预测精度要优于差分自回归滑动平均、长短期记忆神经网络和BP神经网络等单一模型,具有一定的工程应用价值。     

一种中长期负荷预测多模型筛选新方法

提出了一种基于趋势拟合评判的中长期负荷预测多模型筛选新方法.通过改进的灰色关联分析方法,定量衡量预测曲线与实际曲线的趋势拟合程度,从多种负荷预测模型中自动筛选出若干优越模型,再利用方差-协方差方法对筛选得到的模型进行组合,得到最终的优化组合预测模型.研究算例表明,该方法预测效果优于以各时点误差分析为基础的中长期负荷组合预测,而且随着步长的增加,优势越发明显.