基于模糊聚类分类与Elman神经网络算法的居民用户短期用电量预测及修正方法

用电量预测是智能电网建设中的一个重要课题,准确的用电量预测对电网规划和经济部门的管理决策具有重要的指导意义。利用计量自动化系统每15 min获得一次的居民用户用电量数据,提出基于模糊聚类与Elman神经网络算法的短期用电量预测及修正方法。该方法先通过模糊聚类将居民用户按用电行为分类,然后采用通径系数计算各类型影响用电量因素的权重,再将加权影响因素和历史用电量作为Elman网络的训练样本,进行短期用电量预测。最后采用修正算法对预测值进行修正。实例分析表明,该方法有效、可行。相比整体预测,该算法预测精度明显有所提高,且修正步骤使预测误差进一步降低。     

考虑电力系统运行风险的峰谷分时电价研究

峰谷分时电价是需求侧管理 (DSM) 的有效措施之一,公平合理的电价能够提供正确的经济信,调节经济运行,实现电力工业的可持续发展和全网资源的优化配置.针对现有研究没有考虑实时电价与系统运行风险水平之间的联系,以运行风险为控制变量,用模糊聚类方法进行峰谷时段划分,同时考虑用户利益和电网公司利益建立了峰谷分时电价数学模型,通过对 IEEE-RTS 可靠性测试系统的计算分析验证了所提算法的有效性.     

分时电价下考虑储能调度因素的短期负荷预测模型

影响电力系统短期负荷预测的因素有多种,因此在进行短期负荷预测时,考虑的因素种类越多,预测的精度越高。在考虑环境因素的基础上,构建分时电价下考虑储能调度因素的改进鲸鱼算法优化Elman神经网络模型。在智能电网下,由于储能调度能够使传统的负荷曲线发生改变,首先在基于分时电价的基础上构建储能调度模型,对储能用户在各时段的充放电行为进行具体分析。然后由于Elman神经网络具有收敛速度慢、容易陷入局部最优等缺点,提出了一种改进的鲸鱼算法(MWOA)用于优化神经网络的权值和阈值,进一步提高了神经网络的收敛速度和全局寻优能力。最后构建考虑储能调度因素的短期负荷预测模型,通过对某地电网2018年7月至8月的数据为例进行仿真分析,并与所提到的其他预测模型进行比较。通过误差结果分析可知所提方法的预测精度更高,收敛速度更快。     

基于减法聚类及自适应模糊神经网络的短期电价预测

提出了基于Takagi-Sugeno模型的自适应模糊神经网络的短期电价预测方法。首先采用减法聚类方法确定自适应模糊神经网络的结构,然后利用混合学习算法训练该网络的前件参数和结论参数,最后将影响未来日电价的相关因素输入到训练好的自适应模糊神经网络中进行电价预测。以美国加州电力市场公布的1999年负荷与电价数据进行模型训练和预测,结果表明采用该方法所建立的预测模型具有较高的预测精度。     

电力市场短期边际电价的分时重构混沌相空间预测

为了实现高精度的电力市场短期边际电价预测,该文对市场边际电价时间序列数据分时段聚类进行了相空间重构,并分别计算分形维数和提取最大Lyapunov指数,经分析得出了边际电价分时序列数据的演化具有混沌特征,由此提出了短期边际电价的分时重构混沌相空间预测算法,相比目前通常采用的单一时间序列混沌预测算法,该算法具有相空间嵌入维数少和模型参数配置灵活的特点,通过电力市场短期边际电价预测实例验证,结果表明该算法比单一时序混沌预测算法在预测精度上有显著提高.     

分时电价下大用户概率响应建模研究

在大用户响应电价特性的基础上,提出了基于用电特性的大用户负荷聚类方法。将大用户的需求响应模型分成负荷基准分量部分和负荷响应分量部分,利用多变量时间序列重构的短期负荷预测方法得到用户的负荷基准分量,在需求价格理论的基础上利用响应实际数据获得单体大用户响应分时电价的负荷概率模型。利用matlab对南京地区实际数据进行仿真模拟,算例表明,该模型能够很好的反映大用户的响应分时电价的情形,为分时电价的制定策略提供科学依据。     

居民用户对分时电价的响应潜力评价方法

为了适应智能电网的发展,促进需求侧资源的合理利用,在分时电价下选取居民小区用户为研究对象,从时间尺度上提出一种刻画其需求响应潜力的指标和综合评价方法。评价指标从需求响应能力和速度2个角度定义了用户每个时段的需求响应潜力,运用经济学中的需求价格弹性矩阵,得到需求响应能力的计算方法。建立分时电价下居民小区综合需求响应潜力的评价模型。该方法实现对居民小区需求响应潜力的量化,为居民需求侧资源的管理提供了依据,从价格的制定与峰时段的划分2个角度指导分时电价的制定。算例分析证明所提指标的合理性、评价方法的普适性与有效性。     

居民峰谷分时电价研究

研究了推广居民峰谷电价与负荷削峰填谷的关系。介绍了国内外居民峰谷电价情况,从对居民的消费心理及生活用电情况分析,提出了电网峰谷电价的设计方案。通过对不同电价设计方案的分析,推荐了居民峰谷分时电价的方案。     

配电网分时电价预测的优化模型

建立了优化的配电网分时电价模型,根据经济学原理定义电价.通过数学规划的KuhnTucker条件,求得电价的计算公式.讨论了电价公式中各分量的计算方法,并通过算例加以说明.     

促进用户负荷特性优化的分时电价机制设计方法

在电力供应结构和消费方式变化背景下,提出一种分时电价机制设计方法,旨在改善用户负荷特性,促进电网削峰填谷。根据工业、商业和居民三类用户的负荷分布特性,通过分层聚类方法对不同季节的峰谷时段进行重新划分,并引入深谷时段,解决原有分时电价机制时段划分不准确的问题。在满足覆盖发电成本前提下,通过减少用户用电成本与扩大峰谷价差,进一步激励用户调整用电行为,并采用量子遗传算法（quantum genetic algorithm,QGA）对时段电价制定的优化问题进行求解。通过实际算例,计算用户响应改进后分时电价机制前后的削峰量和填谷量,验证所设计的分时电价机制可以降低用户用电成本,并有效转移电网高峰时段负荷,缓解时段性、季节性的供电压力问题。     

An Electricity Price Forecasting Model with Fuzzy Clustering Preconditioned ANN

In this paper, a hybrid model of fuzzy clustering and ANN (Artificial Neural Network) is proposed for electricity price forecasting. Due to the complicated behavior of electricity price in power markets, market players are interested in maximizing profits while minimizing risks. As a result, more accurate models are required to deal with electricity price forecasting. This paper proposes a new method that makes use of fuzzy clustering preconditioned GRBFN (Generalized Radial Basis Function Network) to provide more accurate predicted prices. Fuzzy clustering plays a key role to prevent the number of learning data from decreasing at each cluster. GRBFN is one of efficient ANNs to approximate nonlinear systems. Furthermore, a modified GRBFN model is developed to improve the performance of GRBFN with the use of DA (Deterministic Annealing) clustering for the parameters initialization and EPSO (Evolutionary Particle Swarm Optimization) for optimizing the parameters of GRBFN. The proposed method is successfully applied to real data of ISO New England, USA.     

基于盲数和神经网络的电价预测模型

利用盲数理论结合经典电价预测方法,在有限的历史电价、负荷及其他相关数据的基础上对电价进行准确预测。首先提出了基于盲数和神经网络市场出清电价预测模型,利用BP神经网络对历史数据进行训练学习,在得到网络学习权重后,结合盲数理论,引用盲数代替实数进行价格预测。算例结果表明,模型消除不确定性因素对预测结果的影响,实际历史电价都很好地落在了预测结果最大置信度的置信区间中,较好地完成了预测任务,证实了设计的可行性和模型的可靠性。     

短期电价预测综述

准确的短期电价预测可为市场参与者的竞价策略提供指导,从而减少参与者的竞价风险,为其带来稳定的收益,因此短期电价预测已成为电力市场中的研究热点。结合1997年以来的相关文献对短期电价预测进行了综述。在分析电价基本特点和电价影响因素的基础上,重点对时间序列法和神经网络法这2种常用的电价预测方法进行了评述,探讨了各方法可能的进一步研究方向。最后对电价影响因素选择、数据预处理和电价预测工具的选择这3个电价预测中的重要问题进行了讨论,并对短期电价预测的研究工作提出了一些建议。     

计及负荷率分档的峰谷分时电价定价模型

针对大中工商业用户负荷率电价与峰谷电价的配合问题,结合我国电力体制和电价制度环境,基于消费者需求和供电成本异质性,构造了负荷率分档用户的用电消费细分市场,建立了各档用户的边际供电成本模型及需求价格弹性模型。应用边际成本定价理论,构建了计及负荷率分档的峰谷分时电价模型。该模型采用分层协调优化的方法:第一层深入分析每一负荷率档位用户的边际电量成本和边际容量成本,应用密度聚类技术及两部制定价理论,建立了每一负荷率档位及其两部制平均电价水平的制定方法。第二层以各档平均电度电价水平为约束,以削峰填谷为目标,基于电量电价弹性矩阵构建了负荷率峰谷分时电价协调优化模型。该模型综合协调了效率、公平和削峰填谷多重目标,算例验证了其合理性和有效性。     

主动配电网用户侧能量管理系统设计与实现

针对配电网中分布式能源随机波动性和不可控的特性,提出了用户侧主动配电网能量管理系统建设方案。集分布式发电、储能装置、负荷等可控设备,结合电网侧指导电价,以减少费用经济运行为目标,实现间歇式能源的消纳及优化和电网的削峰填谷功能。分析了系统需求和应具备的功能。介绍了系统控制策略、系统架构以及软件设计方案。示范工程已在广东佛山成功应用,其实测数据对所设计控制策略进行了验证,说明了其良好的优化效果。     

考虑城市多场景和用户充电意愿的私家电动汽车充电负荷预测

提出一种在城市多用电场景下,考虑EV用户充电概率和选择何种功率充电桩的负荷计算方法。首先,从宏观上考虑私家电动汽车在城市多用电场景中的时空分布特性。然后,从用户主观角度分析影响充电决策的主要因素。考虑分时电价数据、电池SOC、停车时长三个输入变量,建立模糊推理系统,生成描述用户充电意愿的充电概率。此外,利用动态规划理论确定用户选择何种充电桩。最后,基于蒙特卡洛思想,给出一种城市多用电场景下的私家电动汽车充电时空负荷预测模型。结合算例,验证了该模型可以灵活地对城市的私家电动汽车充电负荷进行分析和计算。     

考虑光伏校正的微电网储能容量优化配置

针对光伏微电网中储能容量优化配置时忽略光伏实际出力的问题,提出一种考虑温度和光照强度的光伏输出功率校正方法,建立光伏优化模型。其次以储能经济最优为目标,在满足负荷需求的基础上进行光储联合建模,并考虑负荷缺电率和能量溢出比的影响,对电网分时电价下5种储能电池分别进行容量配置和经济性分析。最后通过算例验证了所提模型更满足地域特性、符合光伏实际输出功率。所配置的结果表明,在项目周期内钠硫电池成本最高,功率型铅酸电池成本最低,全钒液流、锂电池和能量型铅酸电池总投资成本相当。     

基于相似搜索和RBF神经网络的短期电价预测

为了提高电价预测的准确性,提出一种基于相似搜索和RBF神经网络的短期电价预测的方法。采用相似搜索原理来生成神经网络的训练集和输入矩阵,并运用MATLAB7.0中的神经网络工具来实现该模型。采用澳大利亚维多利亚电力市场2002年1月1日至3月17日共75天数据进行了实验分析,对3月11日～17日的各时段电价进行了预测,通过比较验证了本文方法的有效性。     

基于小波变换的风电上网电价的预测

提出基于小波变换和神经网络的预测模式,首先利用小波变换将历史销售电价序列分解为高频和低频序列,并分别构造学习样本作为神经网络的输入,对不同频率的序列分别采用神经网络进行预测,然后将不同频率预测结果通过小波重构,得到销售电价,并根据合理的输配电价管制模型推算上网电价,阐述影响风电上网电价的因素,实现对风电上网电价的预测。结果表明：提出的预测方法对美国PJM电力市场的历史节点边际电价（LMP）进行预测是有效的,从电力市场的角度入手分析风电上网电价机制具有重要意义。