电气化铁道牵引变电所负荷概率模型

考虑牵引负荷具有随机波动的特点,提出了一种利用概率模型描述牵引变电所有功功率和无功功率的方法.基于实测数据,统计分析了电力机车和牵引变电所有功功率分布特点.利用单台电力机车有功功率分布和行车密度分布联合对牵引变电所有功功率进行概率建模,进而通过按功率因数特性对机车适当分类,建立了无功功率概率模型.给出了采用模拟退火算法完成概率模型参数辨识的方法.最后通过实例求解和蒙特卡洛仿真,验证了所提出的概率模型的有效性.     

电气化铁路牵引变电所概率谐波电流的仿真计算

推导了多辆电力机车运行条件下电气化铁道牵引变电所谐波电流计算公式，考虑了电气化铁道操纵规程对谐波的影响，设计了相应的数据库存放牵引负荷谐波仿真计算所需要的信息。文中所开发的仿真软件能够依据铁路部门的运行图和操纵图，结合电力机车谐波电流动态仿真计算模型，考虑牵引负荷主要的随机因素，利用蒙特卡罗法得到牵引变电所高压母线全天24 h谐波电流的概率分布和统计特性。     

基于动态车流的电动汽车充电负荷时空分布概率建模

文中提出一种基于动态车流的电动汽车充电负荷时空分布概率建模方法,所建立的模型由交通路网模型、车辆时空转移模型和居民出行概率模型3个部分组成。交通路网模型考虑了车辆过红绿灯的影响,将道路分为3段计算车流密度。车辆时空转移模型反映了交通路况对行驶速度和耗电量的影响,行驶车辆可根据交通路况动态调整速度和行驶路径。居民出行概率模型基于NHTS2017数据集,得到出行目的地和出发时间的联合概率分布模型,进而抽样模拟出行链。以某市路网模型为例,采用蒙特卡洛法仿真预测电动汽车充电负荷的时空分布特性,并与现有方法的仿真结果及实际充电负荷曲线进行对比分析,验证了所提概率模型的正确性和有效性。     

一种含牵引负荷的概率潮流计算方法

含牵引负荷的概率潮流算法一般是将概率统计方法与确定性潮流计算方法相结合,但常见的确定性潮流算法如快速解耦法和牛顿-拉普逊法,在计算过程中存在不收敛、计算精度偏低的问题。为此提出一种含牵引负荷的概率潮流计算方法,采用Copula函数来描述输入变量的相关性,通过拉丁超立方函数对输入变量进行抽样,将深度神经网络法用于确定性潮流的计算。最后在改进的IEEE 30节点系统中验证了所提算法的适用性。     

基于最优可信度的月度负荷综合最优灰色神经网络预测模型

月度负荷具有增长和波动二重趋势.作者首次提出以纵向历史数据为原始序列,用灰色预测模型进行增长趋势预测;以横向历史数据为原始序列,用人工神经网络模型进行波动趋势预测的方法,并在此基础上,引入最优可信度的概念,同时考虑了月度负荷的两种趋势,建立了综合最优预测模型.该模型兼顾了前两种模型的建模特点,优于只考虑单一发展趋势负荷预测的模型.对电力负荷预测应用实例的计算结果表明,该方法明显地提高了月度负荷预测的精度,也同样适用于进行周、季负荷等具有二重趋势的负荷序列的预测.     

基于粒子群优化的最优负荷恢复算法

建立了考虑冷负荷特性的最优负荷恢复模型,考虑了系统的频率、电压和发电机有功出力等动态约束条件,以确保在恢复尽可能多负荷的同时,使系统维持合理的运行频率和网络电压水平等。利用PSS／E软件提供的二次开发语言IPLAN,引入粒子群优化算法对所建的最优负荷恢复模型进行求解,并采用罚函数法对动态约束条件进行处理,可以快速求得在满足系统安全稳定约束条件下可恢复的最大负荷量及负荷位置。算例分析验证了该方法的有效性。     

基于遗传算法的发电厂负荷最优分配

简要介绍了遗传算法的基本原理，将其应用于发电厂解决了多台机组运行相互间负荷的最优分配问题。从仿真算例结果可见，采用的优化算法具有运算速度快、使用方便的特点，能够在线实现机组负荷的动态优化，改善机组的运行经济性。     

基于时刻充电概率的电动汽车充电负荷预测方法

电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足,将电动汽车进行细致分类,通过建立充电负荷预测影响因素的概率模型,利用概率统计学和蒙特卡洛模拟方法提出了基于时刻充电概率的负荷预测模型。利用科学分析得到的日行驶里程代替主观给定的起始电荷状态(SOC)以推导充电时长,利用更具随机性的时刻充电概率代替计算得到的充电时段来确定充电负荷。以某市为例,预测了相关电动汽车的日负荷曲线,并与常用负荷预测方法的结果进行对比,验证了所提负荷预测方法能够科学地预测用户的充电负荷,能够为电网及用户的电能管理策略提供可靠的依据。     

基于暂态录波数据的负荷建模方法研究

文章提出了一种基于暂态录波数据的负荷建模方法,首先导入故障录波器录到的录波文件,分析录波文件的数据有效性,然后对有效的录波文件进行负荷建模,辨识负荷模型参数。负荷建模系统能够对五种负荷模型进行参数辨识,得到最优负荷模型,并通过动模实验验证了负荷建模方法的正确性。最后简单的介绍了负荷建模软件,软件采用QT编程,功能完善,包括基本信息配置、模型辨识、曲线拟合、模型验证和数据导出等功能,并提供与电力系统仿真软件BPA的数据接口。     

用动态规划方法实现机组负荷的最优分配

介绍了采用动态规划方法实现机组间负荷分配的计算方法，并对具体应用中的相关问题进行了分析讨论，结合实例详细介绍了计算方法的实现、数据预处理及结果分析等问题。     

基于等效变换的牵引负荷建模

建立了一种将牵引负荷等效变换为所接入系统高压侧短时故障模型,通过分析斯科特型牵引变压器的接线方式,将二次侧牵引负荷变换至一次侧,并作为短时网络故障接入公用电网,可同时描述牵引负荷的冲击性、非线性及不对称性。基于PSASP软件分别对负荷的冲击模型、负荷的等效故障变换模型进行仿真,结果验证了等效故障变换模型的正确性及实用性。通过一地区电网电能质量指标的计算,分析了牵引负荷对地区电网电能质量的影响。     

牵引变电所综合自动化系统功能探讨

牵引变电所综合自动化产品应包括如下几部分基本功能:监控子系统、微机保护子系统、备用电源自投控制、变电所综合自动化系统的通信任务。该文根据铁路牵引变电所的特点探讨了无人值班对综合自动化产品基本功能要求。     

牵引变电所无功计量方法研究

讨论了采用阻抗匹配平衡变压器的牵引变电所的无功计量方法。通过理论计算和数字仿真 ,分析了在牵引变电所低压侧用有功表计量无功的误差 ,得到了计量结果较实际值偏大的结论 ,对于牵引变电所无功计量方式的设计和运行有一定的指导作用。     

基于最优窗宽核密度估计的短期负荷区间预测

针对确定性短期负荷预测难以满足电力需求中可变性决策问题,提出一种基于最优窗宽高斯核密度估计的短期负荷区间预测方法。该方法利用最小二乘支持向量机对负荷进行确定性预测,根据对历史负荷相对误差特征的统计分析,采用核密度估计方法及最优窗宽选择,对各区域内的相对误差建立密度函数,实现短期负荷的区间预测。以浙江某地区的负荷数据为例,给出了不同置信度下的负荷区间预测,将所提出的方法与固定窗宽的负荷区间预测效果做比对,在相同置信度下所提出方法的区间覆盖率有明显提高并且区间宽度有所降低。     

基于 VMD-改进最优加权法的短期负荷变权 组合预测策略

为提升短期电力负荷预测精度,提出了一种变权组合预测策略。首先,为了降低负荷数据的不平稳度,使用变分模态分解(variational mode decomposition, VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量。其次,充分计及负荷数据的时序特点,参考指数加权法原理设计自适应误差重要性量化函数,并结合组合模型在时间窗口内的历史负荷数据的均方预测误差设计改进最优加权法的目标函数和约束条件,以完成子模型的准确变权。最后,针对波动较强的高频分量选定极端梯度提升(XGBoost)和卷积神经网络-长短期记忆(CNN-LSTM)模型并使用改进最优加权法进行组合预测、低频分量使用多元线性回归(MLR)模型预测、残差分量使用LSTM模型预测,叠加各模态分量的预测结果,实现了短期负荷数据的准确预测。实验结果表明,使用策略组合模型的平均绝对百分比误差为4.18%。与使用传统组合策略的组合模型相比,平均绝对百分比预测误差平均降低了0.87%。     

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。     

基于Epanechnikov核与最优窗宽组合的中期电力负荷概率密度预测方法

利用神经网络分位数回归获得预测当天在不同分位点上的电力负荷预测值,将Epanechnikov核函数与不同的最优窗宽选择方法相组合,得到中期电力负荷概率密度估计函数以及在所有分位点上连续的概率密度曲线图。此外,通过选取概率密度曲线峰值处的点预测值,比较不同窗宽组合方法。相对于传统高斯核密度估计方法的组合方式,Epanechnikov核函数的组合方式较优。最后将获得的最优方法与现有的预测方法进行对比,结果表明通过选取最优窗宽可以提高预测精度,更好地反映中期电力负荷的波动性。     

A method of new filter design based on the co‐occurrence histogram

We have proposed that the co‐occurrence frequency image (CFI) based on the co‐occurrence frequency histogram of the gray value of an image can be used in a new scheme for image feature extraction. This paper proposes new enhancement filters to achieve sharpening and smoothing of images. These filters are very similar in result but quite different in process from those which have been used previously. Thus, we show the possibility of a new paradigm for basic image enhancement filters making use of the CFI. © 2008 Wiley Periodicals, Inc. Electr Eng Jpn, 166(1): 36–42, 2009; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20699     

基于Lemke优化算法的负荷静态模型参数辨识

在分析传统优化算法不足的基础上,提出了基于二次规划的Lemke优化算法的负荷静态模型参数辨识新方法。详细描述了最小二乘法、拉格朗日乘数法及Lemke 3种算法的原理。通过对电力负荷元件进行静态故障模拟,在系统辨识原理的基础上,运用最优化理论的Lemke辨识算法,对实验故障数据进行负荷建模和参数辨识,并列出了日光灯、电风扇、空调及三者组合的静态特征参数。分析结果表明:由于电器设备的制造工艺不同,不能照搬国外软件提供的参数,而应采用实测参数;基于Lemke的优化算法拟合效果较理想,避免了局部最优,且辨识时间少;基于Lemke的优化算法避免了辨识参数的分散性,参数结果与初值选择无关。