基于One-class SVM的大工业负荷模型研究

随着新型能源的不断增长,电力系统的负荷特性不断变化,电网的供需关系特性改变,给电网运行调峰、有序用电、客户管理带来了新的挑战。提出基于单类支持向量机(One-class SVM)的大工业用户负荷模型,从典型日选取、相关系数、频谱分析、指标体系4个层面建立大工业负荷模型,按照典型客户、客户群、行业负荷3个层级研究多时间维度、多层次的大用户负荷特性,实现对大工业电力负荷数据的实时跟踪。实际应用表明,该方法能够有效分析各类大用户用电规律以及相关特性。     

基于空间密度聚类和异常数据域的负荷异常值识别方法

针对海量电力负荷数据,提出一种基于空间密度聚类和异常数据域的负荷异常值识别方法.首先,基于空间密度聚类方法将负荷曲线按照正常和异常用电模式进行分类,并对正常用电模式中的负荷曲线进行负荷水平分类.然后,在不同负荷水平下,利用负荷期望值的置信区间和负荷样本与样本均值之间偏差的四分位差,构建异常数据域.考虑非典型用电行为的偶然性,引入用电时刻偏移量,对形成的异常数据域进行修正,并构建面向异常用电模式的异常数据域.在算例中,采用居民和工业用户的负荷数据集对所提方法进行检验,相比于传统方法,文中所提方法的识别精确率平均提高了10％以上,综合评价指标平均提高了4％以上.     

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。     

考虑需求响应的温度敏感用户夏季短期负荷预测方法

在新常态下为了降低生产成本,用户会参与需求响应进行错峰和避峰。传统负荷预测模型对用户负荷特性变化不敏感,对一些突变信息难以准确预测。针对此问题,考虑温度敏感用户参与需求响应,提出了夏季短期负荷预测方法。该方法采用小波变换和局部离群因子方法对负荷数据预处理,基于模糊C均值聚类和径向基函数网络相结合的方法识别预测日的负荷特性,采用线性回归模型对预测日的负荷特性相同的历史负荷数据进行负荷预测,根据降温负荷的基准值和温度变化值评估出降温负荷值,最后综合得出预测日的负荷。对3类温度敏感的纺织行业大用户进行算例分析,验证了所提方法的可行性和有效性。     

基于结构化负荷模型的电力负荷概率区间预测

为了考虑电力负荷的不确定性,概率和区间预测成为电力负荷预测的重要方式之一。针对传统的负荷概率及区间预测方法没有考虑不同负荷成分的不确定性对电力负荷影响的问题,在分析电力负荷成分的基础上,基于结构化电力负荷模型提出一种电力负荷概率及区间预测方法。首先,对电力负荷的成分进行分析,针对不同负荷成分分别进行建模,构成结构化电力负荷模型;然后,基于历史负荷数据采用变分贝叶斯估计算法训练模型参数的后验概率分布;最后,基于训练完成的模型对未来负荷的概率分布进行预测,从而实现电力负荷概率区间预测。采用实际电力负荷数据进行验证,并与其他方法进行对比。实验结果表明,所提方法取得了较高的预测区间覆盖率和较窄的预测区间宽度。     

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.     

电力电子接口负荷的动静综合模型

近年来,越来越多的用电设备通过电力电子装置接入电网,对负荷特性产生显著影响,而传统负荷模型中缺乏对电力电子接口负荷的描述。为此,提出描述电力电子接口负荷的动静综合模型,该模型是一种非机理模型,其建立不依赖于对负荷实际工作机理的详细描述,不同类型的电力电子接口负荷可以采用相同的模型结构,这使得模型简洁,参数少,且具有较好的适应性。推导获得动静综合模型的方程,提出对模型中静态和动态参数分开确定的方法。利用典型电力电子接口负荷的实测数据获得动静综合模型,验证结果表明,所提模型能够有效描述电力电子接口负荷。     

基于负荷特征库的大用户供电接入决策方法

业扩报装业务是电改背景下提升大用户供电服务水平和电网资产利用率的重要环节。当前业扩报装业务在制定供电接入方案时,由于忽略了大用户负荷的时序特征,易造成同类型负荷集中接入同一供电点,导致供配电设施利用率不高等一系列问题。为此,提出基于负荷特征库的大用户供电接入决策方法。首先,采用模糊C均值聚类从历史用电数据中提取若干负荷模式,构建大用户典型负荷特征库;其次利用决策树模型对新接入大用户进行负荷模式识别;随后提出供电接入组合优化模型;最后通过典型算例验证所提方法的有效性。     

基于分位数回归的电力负荷特性预测面板数据模型

综合考虑电力负荷的时空特性,结合国外典型大电网地区负荷特性变化规律,构建电力负荷特性指标面板预测模型,引入分位数回归理论,与国外典型大电网地区进行对比,对样本地区与国外典型大电网地区不同分位数下负荷特性指标变化规律进行横纵方向分析对比。最后,通过对中国南方某地区电网负荷特性指标的预测,验证了模型的正确性与算法的有效性,为负荷特性预测提供了新思路。     

基于智能算法的煤改电用户负荷识别

建设泛在电力物联网使得为用户提供更加多样化和个性化的服务成为可能,近两年来煤改电工程发展迅速,如何通过用户负荷曲线对煤改电用户进行识别成为一个研究热点。论文首先深入剖析了现阶段煤改电工程取得的成绩以及存在的问题,运用大数据技术与泛在电力物联网技术可以很好地解决煤改电进程中存在的矛盾与问题。以某地区煤改电用户负荷特性为例描述了在采用蓄热式电锅炉取暖后的用电负荷特性的变化,通过构建粒子群优化后的支持向量机模型,对某地区电网冬季典型日用电负荷数据进行识别与分类,通过测试集的验证,论文建立的模型具有较高的识别精度,平均准确率达到98%,具有一定的实际价值。     

基于负荷预测的城市配电网供电能力计算

提出了一种基于负荷预测的供电能力计算方法,该方法利用预测模型得到负荷的增长模式。首先根据历史数据确定最佳预测模型,然后逐次调用预测数据进行潮流计算,直到第一次越限发生,最后利用半分法找到满足精度要求的临界点。实际算例表明,该方法思路清晰,计算简便,不仅提高了精度而且能够找出限制实际负荷增长的供电瓶颈,可为城市配电网的规划与改良提供有效的参考依据。     

考虑负荷增长随机性的大电网电压稳定概率评估

针对电压稳定负荷裕度计算中负荷增长随机性的影响,提出一种大电网电压稳定概率评估方法。该方法根据历史负荷数据采用改进K均值聚类算法将负荷分类,基于负荷预测和负荷分类结果定义负荷随机增长的期望,在此基础上建立负荷增长方向概率模型,并采用拉丁超立方采样技术获得负荷增长方向样本,运用连续潮流对各样本进行确定性的负荷裕度计算。运用该方法对我国某实际电网进行电压稳定概率评估,评估结果验证了该方法的有效性和实用性。     

基于短期相关性和负荷增长的中长期负荷预测

现有中长期负荷预测非线性模型存在预测困难及精度偏低且不稳定的问题。文中提出了一种基于短期相关性和年度负荷增长的预测方法,将非线性问题转化为线性问题来解决。该方法首先根据上一年相邻点和相邻周负荷之间的短期相关性构建线性回归模型;然后采用递归的方法计算出下一年各周所有负荷点的预测值;最后考虑年度负荷增长,对预测值进行修正得到最终预测结果。结合实际电网数据验证了该方法的有效性和实用性,为中长期负荷预测提供了一条可行的新思路。     

基于电力系统负荷变动速率的美国得州ERCOT短期负荷预测

基于大量历史负荷数据,研究负荷数据曲线的变化性,并提出了负荷变动速率(RLF)与速率影响因子(IFR)概念。通过对ERCOT数据的分析,总结得出了得克萨斯州用电特点和相同时段内RLF的相似性。依据对RLF的历史数据统计分析,得出经验RLF值,并结合用电负荷的实时数据对短期负荷做出修正与准确预测。该方法可以应用在短期负荷预测系统及对区域中长期用电负荷变化规律的总结上。     

峰谷电价下居民用电聚合响应特性分析

通过问卷调研和相关文献分析居民用电负荷特性,介绍居民用户电价响应经济学机理。根据南京市典型居民小区历史数据研究电价变化点负荷增长率,分析峰谷电价下居民小区用电聚合响应特性,对比多区域居民负荷增长率并引进峰谷电量比分析,总结居民峰谷电价用电特性及影响因素,分析原因并提出建议。     

电动汽车充电功率需求及其对电网负荷曲线的影响

准确把握电动汽车充电负荷,是评估电动汽车对电网影响以及对电动汽车进行充放电管理的基础。通过影响电动汽车负荷在时间上分布的综合因素及其相应的概率分布,提出了一种基于统计学的电动汽车充电功率模型。在此基础上利用蒙特卡洛方法对电动汽车在不同渗透率下的负荷进行计算。结果表明,电动汽车的规模化应用,给电网带来了新一轮的负荷增长;充电负荷的峰谷差明显加大,给未来负荷调控带来了挑战。     

Long-term load forecasting using improved recurrent neural network

In general, electric power companies must prepare power supply capability for maximum electric load demand because it is very difficult at present to store electric power. It takes several years and requires a great amount of money to construct power generation and transmission facilities. Therefore, it is necessary to forecast long-term load demand exactly in order to plan or operate power systems efficiently. Several methods have been investigated so far for the long-term load forecasting. However, because the electric loads consist of many complex factors, good forecasting has been very difficult. This paper proposes a long-term load forecasting method using a recurrent neural network (RNN). This is a mutually connected network that has the ability of learning patterns and past records. In general, when interpolation is used for unlearned data sets, the neural network provides reasonably good outputs. However, when extrapolation is used, such as in long-term load forecasting, some kind of tunings have been necessary to obtain good results. Therefore, to solve the problem, a method is proposed in which growth rates are used as input and output data. Using the proposed method, successful results have been obtained and comparisons have been made with the conventional methods.     

基于多代理的主动配电网规划样本自动模拟研究

可再生能源的高渗透率接入、柔性负荷的高参与度、运行协调管理的高效可靠要求,均使得传统的管理投资方式难以满足多主体接入下配电网的投资发展要求。为适应主动配电网中多主体接入,促进清洁能源的消纳,为配电网精确投资规划提供丰富样本,提出基于多代理的主动配电网规划样本自动模拟模型。基于构建的分布式电源、储能及柔性负荷的多代理时序模型,提出了以电网代理引导的主动配电网自动协调模拟策略;考虑负荷增长模式与配电网技术路径更迭,实现不同投资方案下主动配电网的规划样本自动模拟,以提高主动配电网中多主体的利用效率。算例结果表明,所提模型通过追随主动配电网技术路径的发展,能够有效实现配电网长时间尺度的运行模拟。通过自动模拟方法产生的分布式电源出力与负荷波动情况等配电网特征量可用取代作为后续配电网投资规划的数据样本。     

考虑不均衡区域负荷增长的在线电压稳定评估

提出一种基于连续潮流的电力系统在线电压稳定评估方法,该方法考虑了不均衡区域负荷增长模式和发电计划.负荷增长系数由区域短期负荷预测数据得出,区域短期负荷预测考虑多种因素对负荷变化的影响,预测未来24小时区域的负荷情况,根据此负荷情况使用经济调度安排发电计划,在此基础上用连续潮流计算P-U曲线和负荷裕度.在IEEE 118...     

江苏电网负荷结构分析

负荷的差异及其比例的变化造成了负荷曲线及负荷特性指标的变化,通过对不同季节不同时段全省各类用电负荷的解析,了解行业及居民用电负荷的构成及其季节性变化,有利于深入进行负荷特性变化分析.从而判断负荷特性变化趋势,为改善负荷特性提高电力系统运行效益提供决策依据.