基于预测误差分布特性统计分析的概率性短期负荷预测

现有短期负荷预测方法一般只能给出确定性负荷预测结果,难以满足电力市场中不确定性风险分析决策的要求。文中提出了一种基于负荷预测误差特性的统计分析的概率性预测方法。该方法首先从时段与负荷水平2个联合维度上建立了对预测误差分布规律进行统计分析的模型,并提出了检验该统计规律有效性的原则和方法;将验证后的预测误差统计分布规律与确定性的负荷预测结果相结合,即可得到概率性的负荷预测结果。基于该结果,还能求取某一置信水平下的预测负荷曲线的包络线。结合实际电网数据验证了所提出方法的有效性和实用性,为概率性短期负荷预测提供了一条可行的新思路。     

基于Softmax概率分类器的数据驱动空间负荷预测

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。     

GM(1,2)短期现货电价灰色预测模型

在电力市场中,电价预测对市场参与者具有非常重要的意义。该文检验了GM(1,2)灰色模型在现货电价预测中的应用效果。在对GM(1,2)模型进行修正的基础上,分别建立了计及负荷因子的预测模型和计及预测时刻前一小时电价的预测模型,并对模型进行了等维新息处理。对美国PJM电力市场的峰荷时段、腰荷时段和低谷时段的LMP实时电价分别进行了预测。预测结果表明,计及预测时刻前一小时电价的预测模型具有较好的预测效果。     

基于频域分解的短期负荷预测研究分析

为研究频域分量预测法对短期负荷预测精度的影响,利用频域分解算法分解原始负荷数据,将数据分解为4个部分：日周期、周周期、低频和高频分量。其中,日周期、周周期分量用Elman神经网络预测;低频分量采用随机森林预测;高频分量则使用Mallat算法二次分解,分别得到低频部分和高频部分,选取低频部分做训练样本与Elman神经网络结合预测高频分量;将各个频域分量结果重组,实现电力负荷的高精度预测。以某地市实际负荷数据为例进行仿真,将该方法与Elman神经网络法、随机森林法及频域分量预测法的预测结果对比,验证所提方法可以有效提高精度,减少预测值和真实值的离散程度。     

Load supplying capability of interconnected power systems: A probabilistic approach

Prudent planning of a power system always requires determination of its load supplying capability (LSC). However, the assessment of the ability of a power system to supply loads can become very difficult when the problem data are uncertain. In this case the use of current deterministic approaches is not adequate and the application of probabilistic techniques is the most feasible alternative. This paper presents a probabilistic approach for the evaluation of the LSC of interconnected power systems in order to capture the unavoidable random nature of loads due to bus load forecasting. The method treats loads as random correlated variables with normal distribution and it can determine the probability distribution of the system LSC and of all the quantities which characterize the state of the network in this particular condition. A numerical example is included to illustrate the usefulness of the proposed technique.     

The multiple solution analysis of probabilistic load flow

The paper presents a new method of load flow calculation in which the known bus powers are treated as random variables. The probabilistic load flow equations are obtained from the quadratic deterministic load flow equations and are quartic. The deterministic equations have 2ⁿ⁻¹ solutions for n buses, and therefore the probabilistic equations should have at least the same number of solutions. The mathematical model is presented and the detailed equations for a two-bus power system are analysed. It is shown that the solutions of probabilistic load flow may be inadmissable if the random variables of the bus powers violate the boundary solution curve.The probabilistic load flow equations for power systems of general size are also derived. Results are exemplified for the Klos-Kerner three-bus and the Ward-Hale six-bus power systems.     

基于多因素小波分析的神经网络短期现货电价预测方法

一般采用小波分解的电价预测方法是将历史电价分解后分别预测,预测过程中没有引入其他电价影响因素,或者是直接引入未经小波分解的影响因素。提出一种小波分析与神经网络相结合的预测方法,将历史电价和历史负荷都进行小波多分辨率单尺度分解,分解成概貌电价、细节电价和概貌负荷、细节负荷。在此基础上,用历史概貌电价和概貌负荷序列训练BP神经网络,预测出未来的概貌电价;用历史细节电价和细节负荷序列训练BP神经网络,预测出未来的细节电价。将概貌电价和细节电价进行重构,得到最终的预测电价。对美国PJM电力市场的实际电价(LMP)进行预测,验证了该方法的有效性和可行性。     

The impact of random failures on nodal price and nodal reliability in restructured power systems

Power system deregulation provides customers choices on electricity regarding price and reliability. This paper investigates the impact of random failures on the nodal price and the nodal reliability in a restructured power system. The expected nodal price and the associated standard deviation are introduced to incorporate the effect of random failures on the nodal price. Nodal reliability indices rather than conventional reliability indices used in vertically-integrated power systems are used in this paper to represent customer load point reliability in a restructured power market. A probabilistic technique, which combines the reliability assessment approach and the optimal power flow (OPF) method, is developed to determine the expected nodal price and the associated expected nodal risk. The price fluctuation and the corresponding probability for each system state are also presented. The relationship between the nodal price and nodal reliability are also investigated and discussed in this paper.     

A probabilistic method for establishing the transformer capacity insubstations based on the loss of transformer expected life

A method is presented for computing reliability indices, probability, duration frequency, and the loss of transformer expected life. The probabilistic model takes into account the variables affecting the loss of transformer expected life, daily load curve, transformer forced outage rate, outage duration, occurrence time of forced outage and expected overload duration. Comparing the results of this model with those of Monte Carlo simulation an acceptable degree of accuracy is achieved. From the reliability indices, a reliability criterion is obtained for rating transformers in substations, which have traditionally been rated on the basis of conservative deterministic criteria     

基于支持向量机的中长期日负荷曲线预测

提出了一种预测中长期日负荷曲线的新方法,通过历史典型日负荷数据构造出典型日年度发展时间序列,运用支持向量机方法对预测日各时刻负荷值进行预测并得到了典型日负荷曲线。该方法不需要对日负荷特性、最大负荷及需电量进行预测,因此避免了可能的误差积累问题。以某电网为例对该方法进行了测试,结果表明其具有较高的预测精度。     

基于CNN-GRU分位数回归的短期母线负荷概率密度预测

随着分布式电源大规模并网,母线负荷的波动性和不确定性日益增加,给母线负荷预测带来新的挑战。传统的点预测方法难以对母线负荷的不确定性进行描述,为此提出一种基于卷积神经网络和门控循环神经网络分位数回归的概率密度预测方法。该方法通过卷积神经网络提取反映母线负荷动态变化的高阶特征,门控循环神经网络基于提取的高阶特征、天气、日类型等因素进行分位数回归建模,预测未来任意时刻不同分位数条件下的母线负荷值,最后利用核密度估计得到母线负荷概率密度曲线。以江苏省某市220 kV母线负荷数据进行测试,结果表明本文所提方法能够有效刻画未来母线负荷的概率分布,为配电网安全运行提供更多的决策信息。     

基于分量稀疏贝叶斯学习的风电场输出功率概率预测方法

概率预测有别于期望值预测,能够提供被预测量的概率分布信息。文中提出一种基于分量稀疏贝叶斯学习的风电场短期输出功率概率预测方法。该方法采用分量预测方式,应用离散正交小波变换Mallat算法将风电场输出功率分解为体现输出功率变化主趋势的趋势分量和平稳度较好的扰动分量。利用风速与风电场输出功率趋势上较强的相关性,结合趋势分量的自相关性对趋势分量进行预测;同时,根据扰动分量近似平稳的特点,利用其自身的自相关性对扰动分量进行预测。文中基于稀疏贝叶斯学习理论构建预测模型,实现对趋势分量、扰动分量以及原风电场输出功率的概率预测,并通过构建多学习机实现风电场输出功率的多步预测。算例分析部分通过对某处风电场7 200次的连续预测,验证了所提出方法的有效性。     

基于云模型的短期电价预测

现有的电价预测方法有时间序列、神经网络、小波变换等,都是对点进行预测。该文提出一种基于云模型的短期电价预测新方法。首先,介绍了云模型的概念和特点,给出基于云模型的电价和负荷数据的离散化和概念跃升过程,得到了电价和负荷的概念模型。通过极大判定法对数据集进行软划分,建立电价与负荷的布尔型数据库,然后根据给定的支持度和置信度软域值,采用基于云的关联知识挖掘算法,得到时间、负荷和电价之间的关联规则。最后,以时间、负荷的合取作为规则前件,以电价作为规则后件,建立规则发生器,根据挖掘出的规则进行预测。该文所提方法得到的预测结果是一系列不确定的离散点的集合,集合中的每一个点都可作为预测结果提供给用户,用户可以根据经验和其它信息来适当选择结果,也可以将所有点的期望值作为结果提供给用户。     

基于电力细分市场的负荷分解预测方法

分析了我国五大用电细分市场,对不同行业的用电负荷与其影响因素建立了有针对性的联系,对其分别建模进行综合预测.在预测不同行业负荷时,利用小波分析的方法将其分解为与气象因素无关的稳定项和与气象因素相关的随机项,由于稳定项预测精度高,随机项较难预测但幅值较小,因此削弱了随机因素带来的预测误差对最终结果的影响.用湖南省负荷数据对该方法进行了实测,证明了其优越性.     

采用面积灰关联决策的高斯过程回归概率短期负荷预测

为克服概率负荷预测各评价指标相互冲突,难以确定最优预测模型难题,提出采用面积灰关联决策的高斯过程回归(GPR)概率短期负荷预测新方法。首先,构建综合评价指标集合,全面评估基于不同协方差函数的GPR模型预测效果,得到综合评价矩阵。然后,采用熵权法对各指标客观赋权,并在此基础上,使用面积灰关联决策对各模型排序,确定最优GPR概率预测模型。最终,以该模型开展概率预测。实验表明,相较传统距离灰关联决策,面积灰关联决策更明确地分辨方案间差异,结论更可靠。最优GPR模型在保证确定性预测精度的同时,相较预测误差分布特性统计法,准确刻画了负荷的波动性,预测区间更加精确可靠,区间上限明显更低,有助于为决策提供更多有效信息。     

Probabilistic reactive power procurement in hybrid electricity markets with uncertain loads

This paper presents a novel probabilistic algorithm for optimal reactive power provision in hybrid electricity markets. The proposed algorithm is a six-stage multiobjective nonlinear constrained optimization problem which takes into account load forecasting inaccuracies. Considering a set of probable forecasted loads, a three-component expected total market payment function is suggested being minimized as cost function of the first stage. Besides economic issues, expected voltage security margin, deviation from multilateral and pool based energy transactions, deviation from spinning reserve contracts, having adequate local reactive power reserve in each voltage control area of the system and transmission congestion probability are well thought out in stages 2-5 as technical aspects of the market. Finally, in the last stage, using different weighting factors to compromise between all objects, a probabilistic multiobjective function is presented to find the best reactive power market schedule. The proposed algorithm is applied on IEEE 24-bus test system. As a benchmark, Monte Carlo Simulation method is utilized to simulate the market of given period of time to evaluate results of the proposed algorithm, and satisfactory results are achieved.     

基于累积式自回归动平均传递函数模型的短期负荷预测

针对短期负荷预测,提出了累积式自回归动平均(auto-regressive integrated moving average,ARIMA)传递函数模型的简化建模方法。传递函数模型考虑了干扰因素对因变量的作用,体现了干扰因素中变量间相互影响的关系。其构造灵活,可用较少的参数建立阶数较高的模型;并且假定值较少,容易得到满足。该文还将温度因素考虑在内,通过算例将传递函数模型和ARIMA模型的预测结果与实际值进行了比较,结果表明采用传递函数改进后的ARIMA模型预测精度提高,预测误差减小,具有较强的实用性。     

相关因素不确定性对负荷预测结果的影响

为了分析相关因素不确定性对负荷预测结果的影响，根据负荷预测结果在各个相关因素均值处的偏导数，确定其对负荷预测结果的影响程度，从而得出因各个相关因素的不确定性造成负荷预测均值的波动范围。定义用区间均值表示的盲数为抽样盲数，采用抽样盲数反映负荷预测器本身和各个相关因素的不确定性，依据盲数的运算规则以及各种可能情况下的负荷预测结果，得出负荷预测结果的概率分布及置信区间，论述了高阶抽样盲数转化为低阶抽样盲数的方法，给出2个实例详细说明了提出的方法，表明方法的可行性。     

小波包变换在冲击负荷地区短期负荷预测中的应用

针对大量冲击负荷接入系统给负荷预测造成困难,提出一种基于小波包变换的电力系统短期负荷预测新方法:通过小波包变换将负荷序列分解成不同频率的负荷子序列,根据负荷分量不同的变化特点,分别采用相匹配的模型进行预测,最后叠加各子序列的预测值,得出实际预测结果。选择广东某电网实测负荷数据作为算例,仿真结果表明该方法能有效提高冲击负荷地区的短期负荷预测精度。     

大电网可靠性蒙特卡洛仿真的概率不确定性分析

系统状态随机抽样是大电网可靠性蒙特卡洛仿真的重要基础环节,抽取的样本容量与仿真结果的精度和仿真耗时密切相关,因此在给定仿真精度时实现样本容量的概率预估和在给定样本容量时实现计算精度的概率预测,是实现计算精度和计算成本综合权衡的关键。基于中心极限定理深入研究随机变量的样本均值与期望值之间误差的概率预测方法,在此基础上分析失负荷概率(loss of load probability,LOLP)指标的方差系数和样本容量之间的关系表达式,导出方差系数给定时的样本容量置信区间公式及样本容量给定时的方差系数置信区间公式。这些公式的导出,对于实现仿真精度和样本容量之间的定量概率分析具有重要意义,通过对RBTS和RTS96可靠性测试系统的评估分析验证所提方法的有效性和正确性,并得出相关结论。