光伏高渗透率下台区无功电压控制

随着高渗透率分布式光伏的接入,配电网的过电压问题愈发严重。文章依托智能融合终端建立低压无功电压监测体系,在统一信息采集传输通信规约的基础上,提出了一种含高渗透率分布式光伏的台区无功电压控制方案。最后以某台区为例,验证所提方案对配电网过电压可以进行快速有效的控制,从而进一步为分布式光伏接入配电网提供新的思路。     

高渗透率光伏混合发电系统的频率控制方法研究

近年来我国光伏发电量占比增长迅速,针对高渗透率光伏并网混合火力发电系统中传统方法不能兼顾频率控制速度与精度的问题,提出了一种基于变论域模糊PID(proportional,integral,differential)的电力系统频率控制方法.首先建立光伏并网火电系统模型;然后基于增量法和鲸鱼捕食算法建立伸缩因子函数,设计...     

含高比例分布式电源的配电网灵活性评估方法

针对现有灵活性评估方法对配电网传输能力考虑不足的问题,提出了一种含高比例分布式电源的配电网灵活性评估方法。首先,分析了配电网灵活性需求与灵活性资源的运行特性,建立配电网灵活性供需模型,得到配电网灵活性供需匹配的4种情况。然后,基于灵活性供需分析提出了3类配电网灵活性评估指标,并构建了以运行成本最低为目标函数的优化调度模型。最后,通过对改进的IEEE33节点配电网进行仿真计算,验证了所提评估指标和评估方法的有效性和优越性。     

短期电力负荷组合预测方法研究

为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度.     

常用空调负荷预测方法分析比较

准确预测空调负荷不仅对蓄能空调高效运行意义重大,而且也是新兴的冷热电三联产技术发挥技术优势的关键所在.针对同一幢建筑,分别采用了多元线性回归、季节性指数平滑法以及神经网络方法等三种典型性预测方法进行负荷预测研究,并对三种方法做了进一步改进.然后从预测精度、建模的复杂程度、工程上的可行性以及模型的其他特性(新建筑预测问题)等四个方面对负荷预测方法进行分析.结果表明:神经网络方法具有较高预测精度,而改进的季节性指数平滑法则具有较好的工程应用价值.     

基于网格划分的电动汽车充电负荷预测方法

准确的电动汽车充电负荷时空分布预测模型是解决电动汽车并网造成的影响和研究充电设施规划的重要基础.为解决现有充电设施数量有限、布局不合理等因素造成的历史充电数据不能正确体现电动汽车实际充电需求的问题,提出一种基于网格划分的电动汽车充电负荷预测方法.首先对预测区域进行网格划分,再结合电力系统负荷预测方法,以网格为空间预测单元,利用含充电设施网格的预测指标和充电负荷的历史数据,通过贝叶斯正则化BP神经网络算法建立电动汽车充电负荷和影响因素之间的关系,以最终预测不含充电设施网格的充电需求.最后以北京市海淀区为例对提出的预测方法进行验证分析.仿真结果表明,该预测方法能够较准确地对电动汽车充电负荷进行时空分布预测.     

基于网格划分的电动汽车充电负荷预测方法

准确的电动汽车充电负荷时空分布预测模型是解决电动汽车并网造成的影响和研究充电设施规划的重要基础.为解决现有充电设施数量有限、布局不合理等因素造成的历史充电数据不能正确体现电动汽车实际充电需求的问题,提出一种基于网格划分的电动汽车充电负荷预测方法.首先对预测区域进行网格划分,再结合电力系统负荷预测方法,以网格为空间预测单元,利用含充电设施网格的预测指标和充电负荷的历史数据,通过贝叶斯正则化BP神经网络算法建立电动汽车充电负荷和影响因素之间的关系,以最终预测不含充电设施网格的充电需求.最后以北京市海淀区为例对提出的预测方法进行验证分析.仿真结果表明,该预测方法能够较准确地对电动汽车充电负荷进行时空分布预测.     

分布式电源的高渗透率对配电网继电保护的影响

利用ETAP软件建立了仿真模型,针对分布式电源的容量和接入位置等因素,探讨了分布式电源对配电网短路电流分布和继电保护的影响.结果表明:分布式电源会影响配电网中的电流保护以及自动装置的正常工作,引起保护误动或拒动,使保护失去选择性.     

基于神经网络最优组合预测在电力负荷预测中的应用

为提高负荷预测的准确性,引入了最优组合预测模型,使几个电力负荷预测模型有机地结合起来.针对最优组合预测模型权重分配时出现的负权重问题,建立了基于神经网络的最优组合预测模型,通过实例论证,该模型具有较高的预测精度.     

负荷预测的灰色系统方法

完善灰色预测模型ＧＭ（１，１）的建模机理，使其具有广泛的应用性，否定了灰色预测的传统检验方法后验差检验方法，同时利用数理统计常用的方法对模型进行了比较深入的研究，实例表明改进的ＧＭ（１，１）模型具有较高的拟合精度和预测精度。     

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.     

电力负荷综合预测方法的研究

提出用自适应进化规划方法进行电力负荷综合预测，引入了优化综合模型，同时采用某地用电量进行预测分析．对进化规划的变异操作、适应度计算及竞争选择方案进行了研究．结果表明，该方法具有全局寻优、自适应性强、通用性好等优点，预测精度有了很大的提高．     

基于改进K-means算法的电力短期负荷预测方法研究

现有方法预测电力短期负荷时忽略了对其进行聚类优化处理,导致预测耗时较长,短期负荷预测精度偏低.为此,提出一种基于改进K-means算法的电力短期负荷预测方法.该方法利用改进后的K-means算法聚类处理电力负荷大数据,使用聚类后获得的训练样本构建循环神经网络RNN拓扑结构,然后通过对RNN神经网络模型设置最优权值,实现...     

基于支持向量回归的短期负荷预测

对短期负荷特性进行分析,选取与负荷相关的气象因素、日期类型、前几日负荷作为最大(最小)负荷预测回归模型的输入。夏冬两季休息日的负荷特性与春秋两季不一致,根据气象因素修正日期类型对应的数值。采用最小二乘支持向量机(least squares support vector machine, LSSVM)建立气象因素和日期类型与最大(最小)负荷的映射关系。利用相似日法计算日负荷变化系数,在预测最大负荷和最小负荷基础上,计算预测日各点负荷。算例分析验证了本研究预测模型的有效性。     

混沌时序建模的理论在电力负荷预测中的应用

利用一种简洁实用的方法计算电力负荷最大Lyapunov指数,通过计算证明电力负荷数据存在混沌的特性.通过对负荷时序的相空间进行重构,对河北地区电力负荷的日负荷数据进行了分析,并根据混沌时序模型对其进行预测,结果表明预测精度小于3%,满足实际要求.     

基于统计理论的负荷特性分析及其预测

电力负荷受气象因素影响越来越大,如何准确确定气象因素是负荷预测研究的重要课题.首先采用统计学方法对影响负荷的气象因素进行分析,找到影响负荷的核心气象因索,再利用GRNN回归神经网络进行预测.经实际系统检验,证明该方法克服了传统气象负荷预测中的主观性,将气象影响因素过程量化,提高了预测结果的精度,是一种适用性很强的方法.     

基于动态模糊神经网络的短期电力负荷预测

针对电力负荷受天气和日期影响特点,提出一种基于动态模糊神经网络的短期电力负荷预测的新方法.该算法最大的特点是模糊规则是动态变化的,通过系统误差、可容纳边界来判断系统是否需要新增一条模糊规则,使用误差下降率(ERR)修剪算法剔除对整个网络影响较小的模糊规则.该算法还使用了分级学习法让网络的学习速度大大提高.在分析了EUNITE网络提供的负荷数据基础上来进行仿真,该仿真将温度、星期、月份、节假日因素作为网络的输入向量,取日负荷峰值作为网络的输出向量.仿真结果显示取得了较好的预测准确率.     

基于人工神经网络的鲁棒短期负荷预测方法

提出一种用神经网络设计提前一天的短期负荷预测系统的方法.在对神经网络进行训练前,先通过一种简单的方法对数据进行了预处理,以使设计的系统具有处理由于突发事件等因素引起负荷突然变化的能力.用山东省电网2003年的负荷数据进行试验,试验结果表明方法的适用性.     

燃气分布式供能系统冷热电负荷分析

针对天然气分布式能源系统冷热电匹配问题,提出了"以热定电,负荷平衡"的设计原则,对然气分布式供能系统设计过程中所出现的风险提出了规避原则。以某工程项目为依托,对上述原则进行了验证,通过计算得出了用户采用该系统后的购电量,为项目的计经工作提供了数据依据,并为天然气分布式能源系统的设计工作奠定了基础。     

计及空间关联冗余的节点负荷预测方法

针对现有节点负荷预测方法对节点空间关联信息没有有效利用的问题,提出计及空间关联冗余的带有估计校正特性的节点负荷预测方法。分析量测信息在时间维度和空间维度上的关联关系,以及二者有机结合的空间关联、冗余的特性,给出二者相互校正的预测原理。对状态量和量测值之间的两种空间关联关系进行深入分析,充分寻求在空间关联拓扑上能间接表征状态量特征的多组量测值方程。依据分析结果建立计及空间关联冗余的预测模型,给出以支持向量机为前期预测模型的预测方法,并对预测方法的优点进行分析。试验结果表明:考虑空间关联冗余的节点负荷预测方法相对于支持向量机模型预测误差明显降低,有利于改善预测结果。