基于趋势变化分段的电力负荷组合预测方法

提出了一种基于趋势变化分段的电力负荷组合预测方法,该方法基于趋势变化与加权组合的思想,有效提高了电力负荷的预测精度。在充分研究电力负荷“三峰三谷”变化特性的基础上,将电力负荷变化曲线划分为六个时段,每个时段均采用线性回归法、趋势变化法、BP神经网络和支持向量机的加权组合预测方式,并基于最小二乘法的思想,求解得到了模型最优参数。最后以苏北某地区的电力负荷预测为例进行了分析,结果表明该方法预测电力负荷的平均相对误差为2.83%,精度高,在电力系统具有较好的应用价值,从而验证了该方法的有效性与可行性。     

现代高层建筑电力负荷分析与配电方案选择

现代高层建筑电力负荷计算时所要考虑的因素与传统情况相比有很大不同,楼宇自动化系统BAS的应用,使电力负荷特点发生了很大的变化,导致高层建筑电力负荷的计算越来越复杂．电力部门开展的需求侧管理DSM也会对高层建筑电力设备的运行产生影响,这些特点若不加考虑,将对高层建筑电力负荷计算带来较大的误差．针对上述情况分析了现代高层建筑电力负荷的特点,对传统的的电力负荷的计算方法作了比较分析．基于层次分析法AHP对不同的高层建筑供配电设计方案进行技术经济比较,给出各备选方案的综合评价结果,此方法为合理选择供配电设计方案提供依据．     

基于改进BP神经网络法电力负荷短期预测

电力网络结构日益庞大,电力安全可靠运行难度不断增大,须提高电力负荷预测精度,以保证电力设备正常稳定运行。电力负荷变化具有非线性的特点,通过传统建立的模型难以精确预测电力负荷的变化,针对此难点,文中采用具有非线性特征的改进BP神经网络法进行短期负荷预测,在进行负荷预测算法时,为消除训练样本顺序的影响,将整个样本集替代单系列样本进行学习。选取某县城电力负荷历史数据作为样本,Matlab编程仿真,得出预测与期望结果比较接近,部分数据较精确,说明该算法具有一定的参考意义。     

基于社会经济指标影响的电力系统月度负荷组合预测模型

电力负荷受到多种因素影响,用负荷历史数据进行负荷预测结果往往不准确.考虑社会经济指标的影响,采用无偏灰色预测模型与偏最小二乘模型相结合的方法对月度电力负荷进行预测.首先通过无偏灰色理论的方法预测各社会经济指标,然后针对社会经济指标与电力月度负荷的变化特点进行偏最小二乘建模.最后拟合出负荷与各指标之间的线性关系式.实例证明,该组合预测模型具有较高精度.     

非侵入式电力负荷分解算法综述

非侵入式电力负荷监测是将总的电力消耗分解为每个用电设备的电力消耗并对其进行监测。非侵入式负荷监测系统无需安装大量监测设备,就可进行能源监测、故障监测、故障分析等多种类型的电能质量控制分析,文中介绍了国内外主流电力负荷分解算法以及算法评估方法,并就存在的问题及未来的发展方向进行了阐述。     

非平均权重条件下电力负荷组合预测模型研究

在对电力负荷进行预测过程中,单一的预测模型往往会出现拟合能力低和预测精度不高的缺陷,而且多个预测模型的简单组合也是一种相对粗略的预测方法。本文将非平均权重法运用于电力负荷组合预测模型中,以某省2000~2011年电力负荷为例,结果表明非平均权重的电力负荷组合预测模型的拟合方差比单项预测模型以及平均权重下的组合预测模型都小,而且预测精度更高。     

基于GSM无线通信的配电网负荷管理系统

电力负荷管理系统是一个集现代化管理、计算机应用、自动控制、信息技术等多学科技术于一体,能够实现电力营销监控、电力营销管理、用电费用抄收、数据采集和网络连接等多种功能的一个完整的系统．广大农网中的中小型电力用户,具有容量小、分布散及数据采集量小等特点．针对农网的中小型电力用户研究了一种基于公用移动通信网络（GSM）的配电网负荷管理系统．该系统利用GSM作为无线通信信道,可较好地解决分散电力用户的管理问题．同时对负荷管理系统的构成及功能设计等进行了系统介绍．     

基于EMD-CNN-LSTM混合模型的短期电力负荷预测

为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long...     

电力系统负荷分形预测及R/S分析

电力负荷具有分形市场假说(FMH)的主要特征。根据分形拼贴定理,由分形插值方法求取一个吸引子与电力负荷历史数据相近的迭代函数系统(IFS),以建立分形预测模型,实现电力负荷预测。预测结果表明,该方法不存在收敛问题,数据收集简便,具有较好的实用价值。用电力负荷时间序列 分形分析进一步表明了预测值的合理性。     

基于GM(1,1)校正模型的转折性电力负荷特性预测

电力负荷系统是典型的灰色系统,电力负荷特性指标的预测具有直接的经济意义.讨论了当预测对象系统存在转折性变化时,灰色预测校正模型在此方面的有效应用.该模型具有充分利用历史信息而且短期预测精度高的优点.     

加权Markov修正模糊信息粒的电力负荷区间预测

针对电力负荷预测存在波动性且预测精度不高的问题,提出一种基于加权马尔可夫(Markov)修正模糊信息粒的电力负荷区间预测方法.该方法首先对电力负荷数据序列进行基于模糊信息粒化(FIG)的空间窗口重构,以此得到电力负荷模糊信息粒和电力负荷的各阶自相关系数;然后建立由基于FIG和长短时记忆网络(LSTM)组合的模型(FIG-LSTM),以此获得能够预测不同模糊粒的3组LSTM模型;最后建立加权Markov-FIG-LSTM模型,并通过消除3组LSTM模型中的预测误差得到电力负荷预测区间和趋势值.实例分析表明,Markov-FIG-LSTM模型的RMSE、MAE和MAPE指标比FIG-LSTM模型分别降低了4.78%、11.37%和11.72%,因此该方法可为电网调度提供有效的数据支撑.     

风电运行风险与备用协调优化的调度方法

风电功率的预测误差体现了风电的随机性,风电的波动性描述了风电出力在指定时空尺度上的逐点变化特性。针对风电功率预测误差和风电功率波动所需的备用容量,通过对风电的随机性、波动性分析应对,建立风电备用需求新模型。根据风电备用需求与系统运行备用之间的关联关系,定义了风电运行风险,并在此基础上构建了风电运行风险与备用协调优化的调度模型,在模型中采用惩罚的方式对因系统为风电提供的运行备用不足所造成的失负荷成本和风能浪费成本加以考虑。通过修订后的IEEE 6节点和118节点系统算例的仿真计算,验证了模型的正确性和有效性,为更大限度、更经济、更安全的利用风电功率提供了一种决策支持。     

GMDH方法在电力负荷预测中的应用研究

本文在介绍数据处理组合方法GMDH基本原理的基础上,将其用于电力负荷时间序列数据预测,并通过某地区电力负荷预测实例,对电力负荷值进行了计算分析,结果表明该方法可得到满意的预测结果。     

基于改进灰色模型的电力负荷中长期预测

基于电力系统中长期负荷预测的特点,针对常规灰色预测模型存在的不足,提出一种基于数据平滑处理,以及线性回归残差修正的改进灰色预测方法。对某地区算例比较和分析表明,本方法可明显提高中长期负荷预测精度。     

基于强化学习的微电网能源调度策略及优化

针对微电网中能源调度的经济效益、充电效率优化、系统负荷波动以及碳排放问题,提出将强化学习运用到微电网调度中,通过建立一个完整的微电网模型,使强化学习在不断迭代过程中得到最优策略,同时达到经济效益趋向最大化、充电功率相对稳定、系统负荷波动减少、碳排放量达到最小化这4个联合优化目标.仿真结果表明,采用的控制策略既能很好地实现经济效益最大化收敛、碳排放量最小化收敛,同时又能使得充电功率相对稳定,微电网的负荷也能减少,极大地提高了系统的稳定性.     

DG间歇性和负荷波动性配电网的无功优化

分布式电源的间歇性和负荷的波动性会造成系统潮流波动,给配电网无功潮流优化控制带来困难.针对这一问题,提出了一种能够处理随机潮流的区间无功优化方法.首先结合配电网的特点,使用区间前推回代法计算随机潮流,然后建立了区间无功优化模型,使用PSO算法求解模型,最后引入区间数综合排序法比较适应度.算例结果表明,该方法可以在DG出力不确定及负荷波动的情况下,给出合理的优化方案,验证了模型的有效性和正确性.     

New approach to acquisition of the load parameter for NOW

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｍｏｄｅｒｎｎｅｔｗｏｒｋｏｆｗｏｒｋｓｔａｔｉｏｎｓｒｅｐｒｅｓｅｎｔｓａｔｏｔａｌｃｏｍｐｕｔａｔｉｏｎａｌｃａｐａｂｉｌｉｔｙｏｎｔｈｅｏｒｄｅｒｏｆａｓｕｐｅｒ ｃｏｍｐｕｔｅｒ,ａｎｄｉｔｉｓｔｈｅｒｅｆｏｒｅａｓｔｒｏｎｇｍｏｔｉｖａｔｉｏｎｔｏｕｓｅＮＯＷａｎｅｔｗｏｒｋｏｆｈｅｔｅｒｏｇｅｎｅｏｕｓｃｏｍｐｕｔａｔｉｏｎａｌｒｅｓｏｕｒｃｅａｓａｔｙｐｅｏｆｌｏｗ ｃｏｓｔｓｕｐｅｒｃｏｍｐｕｔｅｒ.Ｎｏｗｆｅａｔｕｒｅｓｏｐｅｎｎｅｓｓａｎｄｈｅｔｅｒ…     

基于RWT-SVM的台区配电网日前负荷预测研究

日前负荷预测对于制定合理的调度计划,保证电力系统安全可靠具有重要意义.电力负荷时间序列通常存在随机误差,而基于智能算法的预测模型为了充分提取负荷信息,结构复杂、计算量大.为此,本文利用台区配电网的历史电力负荷时间序列,提出一种基于重复小波变换-支持向量机（RWT-SVM）混合模型的日前电力负荷预测方法.该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列;利用平均绝对误差（MAE）计算每个子序列的预报误差贡献度;对MAE最大的序列进一步分解,从而提升模型的预测能力,得到精度更高的预测结果.仿真结果表明,RWT-SVM混合模型的预测精度高于三种对比方法.     

DCS系统控制器负荷率异常波动问题分析

随着发电机组的容量不断增加,自动化水平也越来越高,机组分散控制系统(DCS)的重要性日益凸显。针对某电厂DCS系统控制器负荷率异常波动问题,从硬件配置、控制器负荷分配、处理周期以及逻辑组态等方面进行分析,通过检查验证,确认负荷率的波动是由某卡件故障报警信号频发所引起的。最后,针对该类问题提出防范处理措施,对DCS系统控制器的管理和维护具有借鉴意义。