共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
针对统计综合法负荷建模工程实用化程度低的现状,开发一个统计综合法电力系统负荷建模平台。该平台由前台操作界面和后台服务器两大部分组成,对负荷特性数据进行分析、管理和应用。前台操作界面采用Visual C++6.0开发环境,应用模块整合技术,各功能模块既相互独立又相互关联。采用SQL Serv-er2000开发工具构建的数据库系统作为后台服务器。该平台操作简单,运行可靠,适用性强,扩展性好,能够方便建立各行业、各变电站的综合负荷模型,对统计综合法电力系统负荷建模具有实际工程意义,已在实际系统投入运行。 相似文献
5.
负荷建模中的负荷调查统计分类 总被引:2,自引:0,他引:2
结合实际工程项目介绍了对变电站-负荷节点的模糊分类(分组)过程。首先选取反映负荷特征的定类指标并设计调查表,确定调查数据的来源及调查对象,然后对取得的数据进行整理,最后采用模糊聚类方法利用调查统计结果对变电站-负荷节点进行分类。将调查数据应用于区域电网负荷建模的研究中取得了令人满意的结果。 相似文献
6.
阐述了在电力负荷建模中,统计综合法建模是以典型用户的选取为基础的,在此基础上,通过分析变电站综合负荷的构成以及用户设备容量比例,提出了基于模糊综合评价的聚类和模糊C均值聚类两种方法,并对某市工业典型用户进行分类,结果表明基于模糊综合评价的聚类分析能够克服模糊C均值聚类法中主观差异性对分类的影响,概念更为清晰,聚类结果更为合理。 相似文献
7.
介绍了统计综合法建模中的一种新的负荷调查方法,该方法结合了对所有变电站的负荷普查及对典型变电站的详细调查。首先描述了负荷调查的主要工作流程,详细阐述了基于负荷特性的分类指标和负荷节点分类原则,在此基础上编制了负荷特性普查表,并确定调查数据的来源及调查对象。然后对普查中取得的负荷特性数据进行统计分析,利用调查统计结果对220kV变电站(负荷节点)进行了分类。提出了兼顾考虑地域性和变电站负荷构成的各类型负荷典型变电站的选取原则,按此原则为每类负荷类型选取了典型变电站,并为这些典型负荷节点设计了详细调查表格。该方法在较小的调查复杂度基础上实现了较高的准确性,并已经在华北、华中、西北、东北电网中得到成功应用。 相似文献
8.
9.
10.
采用基于负荷曲线进行用户分类的方法,运用数据挖掘技术中的模糊C均值聚类,将不同行业的用户混合在一起,利用聚类的观点将其分类,对各类负荷曲线进行分析和比较;将模糊C均值聚类算法应用在单个典型行业典型用户(主要是工业和三产的大用户)的分析中,可以发现不同季节、不同月份的负荷数据之间有一定的共性. 相似文献
11.
12.
13.
基于用户日负荷曲线的用电行业分类与综合方法 总被引:5,自引:1,他引:5
利用实时日负荷曲线进行综合负荷在线建模需解决用户日负荷曲线的正确分类与有效综合以及变电站日负荷曲线的行业构成比例识别2个关键问题.运用模糊C均值聚类和模式识别原理,提出一种基于日负荷曲线的用户所属用电行业的分类与综合方法.首先在有功功率空间进行用户的行业归属分类和行业用户精选,得到行业综合日负荷曲线;然后在定义的特征空间获得描述行业综合用电特性的特征参数,并以此作为检验分类与综合结果合理性的测度指标.实际应用表明,该方法物理概念清晰、简便、实用. 相似文献
14.
负荷模型是决定电力系统仿真结果可信度的关键因素之一,本文从非机理模型的角度,提出一种基于减法聚类的模糊神经网络的负荷建模新方法.首先对建模样本输入输出数据进行特征分析,建立其山峰密度函数,应用减法聚类自适应的调整建模数据的聚类数和聚类中心,以确定负荷模型的模糊规则数和隶属度函数个数.在此基础上建立综合负荷模型的模糊初始结构.通过神经网络对推理数据进行学习,获取模糊推理规则,同时调整隶属函数的参数,用反向传播算法来修正网络的连接权重,辨识模糊模型的隶属函数的参数,完成综合负荷的非机理建模.通过对实测综合负荷的有功和无功建模实例,证明了该方法具有很高的拟合精度和收敛速度,对负荷建模具有重要的指导意义. 相似文献
15.
基于模糊聚类识别及统计相关的短期负荷预测 总被引:5,自引:4,他引:5
应用模糊聚类理论,通过对负荷历史数据进行聚类和隶属度分析,依据模糊聚类和模糊模式识别、类别(或级别)变量特征值与概率统计相关分析等模型,根据模糊聚类参数与预测因子的前期特征值,确定相应的类别变量特征值,建立类别变量特征值与预测对象之间的相关关系,利用此相关关系进行负荷预测。应用隶属度来描述负荷与影响负荷因素之间的相关关系,可以同时考虑多种影响负荷因素,在算法上只是隶属度矩阵的阶数发生变化,预测过程简单明了。实践结果表明,此方法具有较高的预测精度,能较好地适应不同地区的负荷特性。 相似文献
16.
基于模糊聚类的电力负荷特性的分类与综合 总被引:33,自引:5,他引:33
在阐述负荷特性分类与综合内涵及意义的基础上,以变电站综合负荷构成成分比例为负荷特性分类和综合的基本特征,基于模糊聚类原理,提出了模糊等价关系和模糊C均值算法的2种分类方法。基于模糊C均值法可以通过优化理论获得聚类中心矩阵,同时完成负荷特性分类与综合。对某省48个变电站采用加权平均的方法进行聚类分析,得出了基于模糊等价关系的聚类综合特性并与模糊C均值算法的聚类中心矩阵进行了比较分析。结果表明,两者都具有良好的聚类综合能力;基于模糊C均值法的聚类能力明显优于基于等价关系的聚类法,而且聚类结果更为合理有效。两种方法都成功地解决了负荷建模中变电站特性分类处理的复杂性与主观性。 相似文献
17.
基于日负荷曲线的负荷分类和综合建模 总被引:20,自引:10,他引:20
针对广域电力系统中负荷节点面广量大的困难,提出了基于日负荷曲线的、将统计综合法与总体测辨法相结合的电力负荷综合建模思路。首先通过对全网所有220 kV(或110 kV)负荷节点典型日负荷曲线进行构成分析,得出各负荷节点中行业用电构成的负荷比例;然后采用谱系数平均距离聚类分析法对全网负荷节点进行分类;再根据分类结果和少量负荷节点的实测参数,推广获得所有节点的负荷模型参数。该方法已成功应用于河南电网和福建电网,结果表明新方法简单实用、效果良好,为广域电力系统的负荷建模提供了新途径。 相似文献
18.
19.
20.
大规模可再生新能源并网增加了网络节点功率流向的不确定性,使节点的源、荷特性不再清晰,给广义负荷建模带来了新的挑战。因此提出一种基于仿射传播(AP)聚类算法的广义负荷稳态特性聚类方法。对广义负荷节点根母线功率数据进行特征分析,利用动力学的波动强度理论选取功率波动序列的最小时间长度。以时段内各最小时间长度的样本波动强度序列以及时段内样本数据数字特征为指标构造日时段特征向量,并以该特征向量为聚类指标,应用AP聚类算法自适应调整建模数据的聚类数和聚类中心。通过引入概率信息的广义负荷建模方法对各聚类类别样本建模并检验聚类方法的有效性。算例分析表明,该聚类方法自适应确定聚类类别且聚类效果好,能够充分反映日时段特性,聚类后通过特性综合得到精确广义负荷模型,应用于风电接入后的风险分析仿真计算。 相似文献