基于参数优化的支持向量机在电力负荷建模中的应用

以基于参数优化的支持向量机为建模手段来建立电力负荷模型,该算法可自动调整经验风险和VC维之间比重,并由此提高模型的泛化能力.参数优化时采用了结合网格搜索和模式搜索的组合寻优策略优化支持向量机负荷模型的3个参数,并且引入更加客观高效的交叉验证技术参与模型的训练和评价.算例中利用实测数据进行负荷动态建模,结果表明可得到精度和泛化能力都较高的负荷模型,在电力负荷建模方面具有广泛的应用价值.     

基于模型激励响应的负荷分类及泛化能力

负荷时变性已经成为制约负荷模型推广应用的主要因素,而负荷分类则是解决这个问题的很好的办法.本文提出了一种新的负荷分类及模型泛化的方法:首先以模型阶跃响应为特征矢量,采用聚类分析的方法对负荷进行分类,然后用多曲线拟合的方法对每一类建立一个代表整个类的负荷模型,并对各类模型的参数以及各类扰动数据之间存在的规律进行分析,在此基础上按照一定的规律合并类,最终得到了具有较强泛化能力和实用性的负荷模型.     

电气化铁路牵引负荷的支持向量机负序源建模

为研究电气化铁路牵引负荷产生的负序电流对公用电网的影响,必须建立其负序电流源仿真模型.以牵引变电站高压侧母线正序电压和牵引负荷正序电流为激励,牵引负荷注入公用电网的负序电流为响应,运用支持向量机原理建立牵引负荷的负序源模型.牵引负荷运行工况随机可变环境下的仿真数据样本的总体测辨建模结果表明,模型具有良好的描述能力和泛化能力.比较WSCC-9节点系统的负序潮流计算和Matalab仿真平台的运行工况模拟结果,验证了模型的正确性和实用性.     

基于RTDS的负荷模型验证及分类研究

实测负荷建模法因其自身的优点而被广泛应用,但是实测数据的来源成为了制约实测建模研究的主要因素,RTDS的出现一定程度上弥补了这个缺点,以四川攀枝花电网的RTDS数据为依托,对实测负荷建模中TVA模型的有效性、泛化能力以及负荷的时变性进行了研究,结果表明TVA负荷模型不但能够在较大范围内很好拟合各种扰动强度的数据,而且具有较强的泛化能力.在解决负荷时变性的过程中应用了聚类分析的方法对数据进行分类,最后在总结分类结果的基础上提出了一种简单的分类方法,为消除负荷时变性对建模的影响提供了借鉴.     

负荷模型参数简化对负荷分类结果的影响

负荷模型作为电力系统仿真的主要元件之一,越来越受到重视,但目前动态负荷模型的参数个数较多,严重制约了负荷模型参数辨识的精度.为了解决这个问题,通常的做法是对负荷模型参数进行简化;另外,为了消除负荷时变性对建模的影响,需要对负荷进行分类,但参数简化对负荷分类结果是否有较大的影响却不得而知.为了探讨这个问题,应用基于空间响应的聚类分析法对负荷进行了分类,然后应用轨迹灵敏度方法对负荷模型参数进行了简化,重新对数据进行了分类并比较了参数简化前后分类的结果,以一实际系统分析为例,结果表明参数简化前后分类误差没有较大幅度增加,验证了参数简化的有效性.     

基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测

提出一种联合灰色模型(grey model,GM)和最小二乘支持向量机回归(least square support vector regression,LSSVR)算法的电力短期负荷智能组合预测方法。在考虑负荷日周期性的基础上,通过对历史负荷数据的不同取舍,构建出各种不同的历史负荷数据序列,并对每个历史数据序列分别建立能修正b 参数的GM(1,1)灰色模型进行负荷预测;采用最小二乘支持向量机回归算法对不同灰色模型的预测结果进行非线性组合,以获取最终预测值。该方法在充分利用灰色模型所需原始数据少、建模简单、运算方便等优势的基础上,结合最小二乘支持向量机所具有的泛化能力强、非线性拟合性好、小样本等特性,提高了预测精度。仿真结果验证了所提出组合方法的有效性和实用性。     

基于à Trous小波变换与多核SVM的电力短期负荷预测方法

提出了一种基于à Trous小波变换与多核SVM的电力短期负荷预测方法.应用à Trous小波变换将负荷时间序列分解为近似分量和细节分量,并选择不同尺度核的SVM对分解后的数据进行预测,然后将预测后的数据进行合成,得到多尺度负荷预测结果.运用该方法对实际负荷数据进行了1步预测和2步预测,数据实验表明,最大的RMSE误差为1.82,与标准BP神经网络相比,文中所提方法具有更高的预测精度和更好的泛化能力.     

基于人群搜索算法优化参数的支持向量机短期电力负荷预测

支持向量机是一种新型机器学习算法,它基于结构风险最小化准则取得较小的实际风险,有效提高了泛化能力,具有理论严密、适应性强、全局优化等特点,在模式识别和回归问题等方面应用广泛。以某地区历史负荷数据为输入,通过人群搜索算法对支持向量的各项参数进行寻优计算,得到最优的参数取值,然后把最优参数代入到SVM预测模型中,得到人群搜索算法的支持向量机(SOA-SVM)模型,利用此模型对某地区未来24小时的负荷进行短期预测。通过算例验证,利用SOA-SVM预测的精度要比BP神经网络和PSO-SVM的精度要高,所以说明用此方法进行短期负荷预测是有效和可行的。     

基于RTDS的负荷模型验证及分类研究

实测负荷建模法因其自身的优点而被广泛应用,但是实测数据的来源成为了制约实测建模研究的主要因素,RTDS的出现一定程度上弥补了这个缺点,以四川攀枝花电网的RTDS数据为依托,对实测负荷建模中TVA模型的有效性、泛化能力以及负荷的时变性进行了研究,结果表明TVA负荷模型不但能够在较大范围内很好拟合各种扰动强度的数据,而且具有较强的泛化能力。在解决负荷时变性的过程中应用了聚类分析的方法对数据进行分类,最后在总结分类结果的基础上提出了一种简单的分类方法,为消除负荷时变性对建模的影响提供了借鉴。     

基于多分辨率SVM回归估计的短期负荷预测

针对短期负荷预测支持向量机（SVM）方法的局部逼近能力和泛化能力进行研究,将多分辨率支持向量机（M—SVM）用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点,设计了负荷预测数学模型,采用96条回归曲线进行日负荷的曲线预测,并在该模型的基础上采用实际数据进行验证,分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。     

计及负荷波动率和互补系数的负荷恢复

在电力系统恢复过程中,待恢复负荷的波动性对系统的稳定恢复有直接影响。为了抑制负荷波动带来的冲击,考虑选择波动特性相互补的负荷在同一阶段完成恢复。引入负荷波动率和负荷互补系数来指导制定更优的负荷恢复方案,由此提出考虑负荷波动性和互补性的动态负荷组合恢复方案制定方法。仿真算例表明,通过该方法能够制定出更有利于系统稳定恢复的负荷恢复方案,同时可以发现"强互补、弱波动"趋势下的负荷组合方案更有利于电力系统稳定地完成负荷恢复。     

一种基于负荷特性指标的负荷分类方法

随着经济发展方式的逐步转变和产业结构的升级,配电网中的负荷种类的多样性和复杂性逐渐增加,按原有的负荷分类方式得到的负荷特性往往不具有统一性,在不同负荷优化组合技术中难以根据原有分类依据进行分析.着重提出了基于特性指标法的负荷分类,并对每一类负荷的特性进行分析.分类结果表明,基于特性指标法的负荷分类,同一类型负荷特性的相似度高,各类负荷特性曲线更具有代表性,为电网规划后期的不同负荷优化组合技术应用打下基础,提高了优化模型的准确性.     

考虑负荷频率特性的可中断负荷切除策略研究

特高压直流规模激增使得大受端电网面临严重的频率问题。为了充分利用可中断负荷,减小低周减载首轮动作可能,降低触发严重事故等级的风险,文中提出了一种可中断负荷就地按频率切除策略及其定值选择方法。在考虑负荷频率特性的基础上,采用单机等值模型进行可中断负荷切除策略研究,选择合理的可中断负荷起切频率定值和切负荷量,方案制定完成后,通过全网模型进行校验。仿真结果表明,所提策略能够在系统发生易引发低周减载的大功率缺额时切除可中断负荷,减小低周减载首轮动作可能,提高电网的频率稳定性。     

电气设计中预测负荷和计算负荷

在具体工程设计中,不确定因素较多,有时难以确定合适的计算方法与参数。显然,客观目标的多变性,使预测负荷或计算负荷的正确性取决于:①电气方案设计与初步设计是否合理。②“预测负荷”或“计算负荷”选择的方法与特征参数是否恰当。③供配电系统实际运行管理水平的高低。④建筑物发展水平是否与能源需求相适应。     

计及价格型负荷响应不确定性的概率潮流计算

随着以风电为代表的间歇性电源的快速增长,未来电力系统将从"发电跟踪负荷"的单向调度模式发展到"源—网—荷"智能互动调度,同时电源侧和负荷侧均具有不确定性。针对上述问题,文中综合考虑风电出力波动、负荷随机变化以及价格型负荷参与电网互动的随机响应过程三方面的不确定因素。首先,描述了计及不确定性的价格型负荷响应概率表征形式,通过价格弹性系数,分析了价格型负荷响应的不确定性及响应范围,以反映出响应行为的随机性和主观性。其次,在传统概率潮流计算的数学模型基础上,将价格型负荷不确定响应量视做新的随机注入变量,引入源荷随机互动概率潮流模型中,并应用点估计法求解得到网络潮流的统计特征值,使得价格型负荷参与电网互动机理研究更具全面性和准确性。最后,通过IEEE 73节点系统的算例分析表明,该模型通过价格型负荷响应能够填补风电出力波动引起的系统功率缺额,降低对支路潮流造成的不利影响。另外,点估计法能同时处理离散型和连续型不确定因素,精度高,计算量小,具有实用价值。     

负荷拟合误差的分析

对临汾市1999-2005年的负荷预测值与实际值进行对比分析．结合1999年-2005年的经济发展规律，分析产生负荷拟合误差的深层原因，寻找影响负荷预测精度的主要因素,提高负荷预测精度。     

泰州电网负荷特性分析及负荷预测

随着地区经济的发展,泰州市大型、特大型企业日渐增多,用电负荷、电网规模不断增长与扩大.文中在分析泰州地区负荷特性分析的基础上,对如何做好泰州电网负荷预测工作展开讨论,针对影响负荷预测准确性的主要影响因素进行了详细分析,并对如何进一步提高负荷预测的准确性提出了解决办法.     

基于失负荷价值的可中断负荷定价研究

可中断负荷管理能够削减峰荷保证电力系统安全运行,是缓解我国用电高峰期电力供应不足的有效方法。实施可中断负荷的关键是可中断电价的设计。基于投入产出法计算不同部门的电力经济价值,首先指出该电力经济价值为用电的平均价值;然后结合用户的电力需求曲线分析电力的边际价值和中断部分负荷时的消费者剩余损失;进而以该损失为依据设计可中断负荷电价,并设计了适合我国电力市场实际的可中断负荷合同模型,并给出给出可中断容量的最优选择模型。以我国2006年的投入产出数据和工业用户负荷数据为例证明所提方法的实用性。     

负荷求导法在超短期负荷预测中的应用

负荷求导法是超短期电力负荷预测的一种新方法。以负荷求导法为基础,对其中的不足进行了改进,并根据分形理论和相似日理论提出了一种历史数据处理的新方法:对历史负荷分类取样同时进行伪数据辨识处理,以提高预测精度。算法具有实现简单、运算迅速、精度高等特点。仿真表明了改进模型的有效性和算法的可行性,对于超短期负荷预测这类需要反应迅速的问题,采用本文提供的方法进行预测是可靠且非常有效的。     

基于负荷细分的差异化用户基线负荷预测

电力用户基线负荷(CBL)预测精度会极大影响需求响应效果的评估。本文基于负荷细分,考虑多维用电行为及其影响因素,通过精细化用户用电行为特征,提出一种考虑用户用电模式差异化的基线负荷预测方法。首先采用Ward-模糊C均值(FCM)聚类法,并结合负荷特性指标,改善用户负荷曲线聚类分析的效果;然后,分析气象、时间等多维影响因素,建立考虑温湿度和气温累积效应等城市微气象因素及节假日社会行为因素的差异化用电行为分析模型,提出温度敏感型、节假日敏感型以及两者均不敏感的精细化用电模式;最后,提出不同用电模式的CBL预测方法,建立综合评估方法分析其预测准确度。算例结果表明,所提算法能进一步提高CBL预测精度。