广义极值理论在大停电事故损失负荷预测中的应用

近年来随着区域电网的互联升级,大停电事故的风险随之增加。对停电风险进行预测,具有重要的现实意义。文中应用广义极值分布模型来预测电网停电事故损失负荷。首先,通过对1981至2012年全国电网停电事故损失负荷数据的分析,证明了损失负荷数据不适合直接作为极值分析的样本;然后采用相对值法对停电事故损失数据进行处理,以消除电网规模变化对数据分析的影响,给出了广义极值下的预测模型;最后,以1997至2012年的相对值数据对未来全国电网的事故概率及损失负荷情况进行了预测,进而推算出各区域电网对应的事故损失负荷预测值,并通过实际事故数据验证了所述方法的可行性。     

基于相对值法的区域电网停电事故自组织特性分析

考虑到电网的规模处于不断增长的过程中,给出了用电网总装机容量对损失负荷取相对值,来分析电网停电事故自组织临界特性的方法。通过对东北、西北电网1981—2002年和1981—2010年2个时间段内停电事故数据相对值的分析,不同历史时段的大规模停电事故服从幂律分布,进一步证明了中国区域电网具有自组织临界性的典型特征。该方法用于事故损失数据处理后,排除了电网随时间生长对自组织临界特性的影响因素,便于以事故损失数据对电网危险程度进行分级,同时还可以对不同规模的电网事故数据进行横向比较,得出的宏观结果可以供电网的调度运行及规划部门参考。     

基于相对值法和Hurst指数的电网停电事故自相关性分析

为从宏观和全局角度揭示中国电网停电事故的内在动力学机理,分析了中国电网停电事故的相关性。首先,基于相对值法并结合R/S方法对中国电网1981—2014年停电事故损失负荷序列进行了相关性分析,指出了中国电网的停电事故损失负荷序列具有强的长程相关性,对其相关性方向进行了判定,并依据Hurst指数大小对其相关性程度进行了有效量度。然后,随着时间的推移,分析了中国电网停电事故损失负荷相关性的变化情况,揭示了中国电网停电事故损失负荷正相关性会越来越强、相关性程度会越来越高的规律。最后,在宏观层面上,预测出中国电网未来几年的大停电事故的损失负荷绝对值有继续增大的趋势,而损失负荷相对值有继续减小的趋势。     

基于斯皮尔曼相关系数和系统惯量的中国电网停电事故趋势预测EI北大核心CSCD

在能源形势紧张和绿色发展的背景下,全球范围内的新能源发电规模在不断扩大。然而近年来国外发生的几起大规模停电事故说明了新能源的广泛接入给电力系统的安全运行带来了新的挑战。与此同时,中国提出“3060”双碳目标和建设以新能源为主的新型电力系统目标,使得电网中新能源装机发展迅猛,导致电力系统惯量水平下降,电网运行的风险水平进一步提高。为更好地认识电网的停电事故和惯量水平之间的关系,该文分析中国电网年均停电事故损失负荷与系统惯性常数之间的相关性。首先,基于斯皮尔曼相关系数对中国电网年均停电事故损失负荷绝对值和相对值与系统惯性常数进行相关性分析。其次,分析随着时间推移,中国电网年均停电事故损失负荷与系统惯性常数两者相关性的变化情况。然后,在宏观层面,预测中国电网未来年均停电事故损失负荷的发展趋势。     

考虑电动汽车充放电集成的配电网短期负荷预测

未来电动汽车规模化应用将会改变原电网负荷的负荷特性,降低传统负荷预测技术的精度。针对电动汽车充放电集成(EVI)对配电网负荷预测的影响,引入EVI响应负荷的计算分析,提出了对配电网中原电网负荷和EVI响应负荷分别进行预测的组合预测方法。对于原电网负荷采取神经网络方法建立负荷预测模型,对于EVI响应负荷建立相关需求响应模型来确定电动汽车参与配电网调度的负荷量。实验结果表明,所提负荷预测模型性能良好,具有一定的实用性和有效性。     

基于CNN-LSTM混合神经网络模型的短期负荷预测方法

为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测精度。     

基于自组织映射网络和遗传算法优化Elman神经网络的全网短期负荷预测模型

电网数据具有海量、高维的特点,现有的短期电力负荷预测模型无法提取用户的用电习惯.提出一种基于负荷聚类的全网短期负荷预测模型,首先采用自组织映射网络对全网负荷进行聚类,将不同特性的用户负荷曲线作为子网;然后引入遗传算法对Elman神经网络的参数进行寻优,得到针对不同子网负荷特性的差异化预测网络;最后基于负荷综合稳定度得到全网负荷预测结果.将该集成模型用于某市电网进行算例仿真,预测结果表明,所提方法比传统预测方法的准确率更高,同时适用于部分子网数据缺失而需要得到全网结果的情况.     

基于大数据分析的智能电网降损效果估计模型仿真

针对智能电网降损效果动态估计结果误差较大的问题。提出基于大数据分析的智能电网降损效果估计模型,其采用Map/Reduce模型处理智能电网中的大数据,依据大数据统计和分析结果,将智能电网划分成不同的子网,采用不同负荷预测模型预测各子网负荷。融合子网的预测结果修正总体智能电网的负荷预测值。将负荷预测值输入智能电网降损概率评估模型,实现单一因素和组合因素约束下的智能电网降损分析,对智能电网降损效果进行动态评估。实验结果表明,所设计模型对智能电网工作日和休息日的负荷预测效果较好。     

基于条件生成对抗网络的短期负荷预测

精准的短期负荷预测对电力系统制定合理生产计划、提高经济效益、保证电网安全运行具有重要意义.为学习非线性负荷数据中隐含的深层关系,提高短期负荷预测精度,文中提出一种基于条件生成对抗网络的短期负荷预测模型.所提模型使用卷积神经网络构建生成模型和判别模型,以负荷影响因素作为条件,并引入特征损失函数作为判别模型部分隐藏层的损失函数.然后,通过条件生成对抗网络的博弈训练,使生成模型以负荷影响因素为条件生成预测负荷数据,从而进行短期负荷预测.最后,以美国某地区3年的负荷作为实际算例,对比所提模型与其他模型的预测结果,验证了所提模型在兼顾泛化能力的同时可以提高短期负荷的预测精度.     

基于函数型非参数回归模型的中长期日负荷曲线预测

提出一种中长期日负荷曲线预测的新方法。该方法首先基于函数型数据分析理论,将日负荷曲线视为函数型数据,通过对历史负荷曲线样本自身规律的挖掘,建立基于历史负荷曲线样本的函数型非参数回归预测模型。在此基础上,通过构建二次规划模型对函数型非参数回归预测模型的预测曲线进行修正,使其满足待预测日负荷特性指标要求。利用某省级电网夏季典型日负荷数据和美国PJM电力公司冬季典型日负荷数据对所提方法进行测试,结果表明该方法具有较高的预测精度。     

东北电网500kV人工三相接地短路试验总结

东北与华北联网后东北电网动态特性明显恶化、稳定水平大幅度下降,不同发电机和负荷模型对稳定计算的结果影响很大。虽然采取了计及励磁系统动态行为的详细发电机 模型的仿真方法、在东北电网重要发电机组上加装电力系统稳定器(power system stabilizer,PSS)等措施,但PSS参数整定的合理性及整体匹配效果无法得到有效验证,选择电力系统模型尤其是负荷模型还缺乏足够科学依据,对所选模型与电网运行实际的贴近程度也很难做出准确的定量甚至定性的分析。为此东北电网有限公司提出了大区电网联网模式下东北电网稳定水平研究的工作思路,并于2004年3月25日和2005年3月29日在500 kV电压等级运行电网上分别实施了2次人工三相完全金属性接地短路试验。试验达到了预期效果,表明根据大扰动试验的实测数据,进行电网负荷模型的校核和修正,建立适用于我国电网的负荷模型的技术路线和研究方法在工程上是可行的和有效的。     

中国电网停电事故统计与自组织临界性特征

通过中国东北、西北、华中、南方及全国电网在1981年～2002年间重大停电事故的时间序列,基于分形的思想,构建了停电事故的损失负荷数与频度的关系模型。经计算表明,停电事故的自组织临界特性是客观存在的,而分形的幂律值则是一个依赖于标度的不同而相对变化的数值。通过在同一标度一频度下比较还发现,东北与西北电网的幂律值相近,华中与南方电网的幂律值相近,这说明了两局网向临界状态演化的过程有相似之处。     

计及火电机组OPC保护模型的电力系统机电动态仿真分析

首先论证了电力系统机电暂态仿真程序中考虑火电机组OPC保护模型的必要性。通过对东北典型火电机组超速保护OPC动作特性的实际调研,在电力系统分析综合程序(PSASP)中搭建了OPC保护相应的数学模型,并通过东北电网典型事故实际仿真对比验证了模型的正确性。最后,结合东北电网实际的频率稳定问题案例对火电机组OPC机网协调管理提出了相应的建议和整改措施。针对具有较大孤网风险的局部地区电网,建议采取调整火电机组OPC保护动作定值、优化OPC保护在系统频率上升和下降阶段的控制策略等措施,以提高其孤网运行成功的概率。     

我国电力系统停电事故自组织临界性的研究

基于自组织临界性及分形的思想,通过分析1981—2002年我国电网重大停电事故,揭示了我国电网停电事故的自组织临界性特征,并构建了全国电网及东北、华中和西北区域电网停电事故的标度-频度模型。通过研究如何用沙堆模型来描述电力系统的自组织临界性,提出了先建立各网省局等规模稍小电网的实时动态沙堆模型从而形成一个沙堆群的模型来模拟整个全国电网的设想。     

实时动态监测系统在东北电网负荷建模中的作用

东北–华北联网后的计算分析表明,选择不同的发电机和负荷模型对稳定计算结果的影响较大,东北电网负荷模型的建模或校核需要以大扰动试验数据为依据,分析了实时动态监测系统(wide area measurement system,WAMS)在东北电网基于大扰动事件的负荷建模过程中的作用,WAMS是大扰动试验风险可观测、试验出现异常情况可控制的基本保障,为基于大扰动事件负荷建模研究提供了电网动态测试数据,其实测的相量数据同时也是建立仿真计算运行方式的重要数据源。运行经验表明,开展东北电网负荷建模的可持续研究需要基于WAMS的扰动数据收集、处理和分析制度的保障。     

人工三相短路试验数据验证的负荷实测建模方法

2002年国家电网公司设立了重大研究项目大区电网负荷测试技术及模型完善的研究,对东北电网234个负荷变电站进行了调查,并根据调查得到的负荷比例将 234个负荷点分成10类。每1类中选出1个变电站安装测量装置,建立负荷模型,从而构成了东北电网负荷模型参数库。东北电网进行了2次共4个人工三相短路试验,事后对负荷模型和仿真进行了验证。结果表明实测建立的负荷模型有较好的外推特性,用实测负荷模型仿真的精度与用大扰动数据直接拟合的负荷模型相近,因此证明了实测建模方法的有效性。     

配电网综合负荷模型在东北电网稳定计算中的应用

将东北电网大扰动试验实测数据拟合得到的配电网综合负荷模型应用于东北电网稳定计算中,定量分析了东北电网的暂态稳定性和电压稳定性。仿真计算结果表明,采用该负荷模型后东北电网主要安全断面的传输功率极限提高了约300 MW,在保证电网安全稳定运行的前提下,大大缓解了东北电网送电需求紧张的状况。基于该综合负荷模型得到的东北电网的动态特性更符合实际情况,更全面地反映了东北电网的动态特性。     

《省级电网防大面积停电调度运行控制标准》的制定及其在广东电网的应用

为提高省级电网的运行控制水平,防止大面积停电事故的发生,广东电网实施了《省级电网防大面积停电调度运行控制标准》。介绍了该《标准》的主要内容,诸如调度运行控制的三级标准,特殊情况的处理原则,以及电网运行方式安排原则。广东电网应用本《标准》处理七地区九处局部电网的运行方式、风险评估及相对优化,实现了防范大面积停电与避免局部电网错峰比例过大两目标的综合最优。