基于特征选择和组合模型的短期电力负荷预测

提出基于特征选择和组合模型的短期电力负荷预测方法。首先将特征向量按特点分为2类,分别使用斯皮尔曼相关系数、最大相关最小冗余算法进行选择,依据贝叶斯信息量准则确定最优特征向量维度。然后使用3个不同的核函数建立单核递归支持向量回归模型并完成预测。最后构建神经网络,进行实验分析。仿真结果表明所提方法具有较高的预测精度与鲁棒性。     

非侵入式负荷识别的电流序列可视化方法

以单一特征为标签的用电设备识别,因特征携带的信息量不足,在区分性质相似的负荷时易产生误判,为此,提出一种将电流序列编码为图像的二维可视化方法,通过计算机视觉技术对负荷进行分类识别。利用Fryze功率理论提取电流的非有功分量,通过格拉姆角场(GAF)将一维电流序列转换成二维图像,借助数据扩充的方式进行升维,并赋予矩阵颜色特征来提升负荷标签的辨识度;基于迁移学习的思想,利用预训练模型Inception_v3提取并学习GAF图像特征,并以该特征为标签对负荷类型进行分类识别。在2个公开数据集上的实验验证了所提方法在高频采集场景下的准确性和有效性。     

考虑供气约束与净负荷预测误差的电-气综合能源系统调度策略

当前电-气综合能源系统调度存在天然气供气流量波动性较大、调整次数过多等问题,导致配气系统调峰压力较大。为此建立天然气供气模型,包含供气流量调整幅度、方向、总次数等约束;对天然气系统标幺制进行推导,通过合理选择基准值可对天然气系统的相关参数进行合理放缩变换,以便观察分析;用高斯混合模型对净负荷预测误差概率分布进行精确拟合,基于此提出考虑天然气供气约束和净负荷预测误差的电-气综合能源系统调度策略,并采用数据驱动的机会约束规划来处理净负荷预测随机性。最后,通过算例验证所提策略的有效性,仿真结果表明所提策略可明显降低天然气供气流量波动,保障系统的可靠经济运行。     

基于类噪声信号的等值负荷惯量两阶段辨识方法

负荷惯量的准确、在线估计是电力系统电压和频率稳定分析的重要基础。为此,提出了一种基于类噪声的负荷惯量辨识方法,基于系统中时刻存在的类噪声信号跟踪等值负荷惯量的时变特性。考虑到类噪声条件下惯量参数可辨识性较差,采用两阶段辨识的思路,首先对负荷的电磁参数进行辨识,然后基于第一阶段辨识得到的状态变量估计出惯量、转矩系数等机电参数。仿真算例和实测数据分析表明,所提负荷惯量辨识方法能够适应不同变转矩情形下负荷惯量的类噪声辨识需求;相较于恒转矩辨识方法,该方法能够更加准确地反映实际负荷的机电暂态特性,得到稳定、可靠的惯量辨识结果。     

考虑储能备用的电动汽车负荷连续追踪弃风曲线优化模型

在大力推动高比例可再生能源并网的背景下,风电的强随机波动特征导致的大量弃风问题给电力系统的经济可靠运行带来了挑战,而电动汽车、储能等作为需求侧的灵活性资源参与曲线追踪交易为弃风问题带来了解决方案。首先,分析了电动汽车消纳风电的可行性;然后,对电动汽车聚合负荷消纳风电的交易模式进行了梳理,聚焦连续曲线追踪交易,在充分考虑电动汽车聚合的物理经济约束下建立了混合整数线性规划模型以求解聚合调用方案。由于电动汽车的移动储能能力与追踪效果有限,引入储能系统进行联合优化,采用逐步搜索法在降低聚合成本的同时,得到储能的最优容量与功率配置以及同时优化物理弃风电量与经济成本的聚合方案。算例分析结果表明：考虑储能备用的聚合方法能够提高风电曲线的追踪精度,减小聚合成本,验证了所建模型在连续曲线追踪中的可行性与适用性,可为曲线追踪交易市场的完善与新型电力系统的建设提供借鉴。     

考虑负荷频率特性的新能源场站一次调频控制方法

随着大容量高比例的新能源集中接入电网,传统电网可用的频率响应资源占比逐步减少。为了充分发挥新能源场站参与电网快速一次调频的潜力,提高电网的电能质量,在新能源场站常规有功-频率下垂控制方法基础上,提出了一种考虑负荷频率特性的新能源场站一次调频控制方法,该方法提高了系统频率的抗扰动能力。采用MATLAB/Simulink对典型负荷频率特性的新能源场站一次调频控制方法进行了仿真验证,结果表明所提出的控制方法可以显著提高系统频率稳定性,对新能源场站一次调频具有重要参考意义。     

数据驱动的中大型能源用户多类型用能特性画像及评价方法

针对传统电力用户画像无法全面反映综合能源用户的多类型用能特性,提出了一种数据驱动的中大型能源用户多类型用能特性画像方法。首先,从用电负荷水平、用电稳定性、用电互动能力、用热特性及用冷特性5个方面构建中大型能源用户用能特性综合评价体系。其次,采用客观权重赋权法(criteria importance though intercriteria correlation,CRITIC)对各项指标进行加权计算,分别从短期和中长期两种时间尺度对用户进行评价,实现用户综合用能画像。最后,通过算例分析表明所提方法能全面反映不同类型能源使用特点,为用户用能趋势预测、用能行为优化等业务开展提供了有利条件。     

基于智能负荷控制的分布式能源系统调控策略研究

为提高分布式能源系统（DES）经济性及运行效率,提出基于智能负荷控制的DES调控策略。首先,基于智能电表的测量数据,采用监督学习技术训练神经网络,构建智能负荷神经网络模型计算住宅可控有功功率;其次,考虑智能负荷与DES之间的互动关系,结合DES各设备运行及互补特性,构建智能分布式能源管理系统模型,分析其可控负荷的调度策略,并给出求解流程,利用IEEE-6节点系统进行算例分析。结果表明,DES总运行成本将随着需求响应控制的加强而降低,考虑智能负荷参与能源系统互动,可有效改善系统负荷曲线,减少切负荷现象,促进风电、光伏清洁能源的消纳。     

基于改进自适应密度峰值算法的日负荷曲线聚类分析

电力市场的逐步开放以及大量可再生能源的接入使用户具有更多的用电自由,导致电力用户类型多样化、用户间负荷特性差异逐渐增大、负荷数据的类簇分布情况复杂化。为解决传统聚类算法面对不均衡负荷数据集时聚类效果不佳以及缺乏自适应能力等问题,提出一种改进自适应密度峰值聚类(Improved self-adaptive Density Peak Clustering,ISDPC)算法。首先,基于K-最近邻(K-Nearest Neighbor,KNN)和相对密度的思想定义了一种新的密度度量方式。然后在决策图中拟合分段函数得到最优类簇数目。最后,通过构造加权KNN图改进样本分配策略。试验结果表明,与传统聚类算法相比,所提方法聚类结果更加精确、具备自适应能力、鲁棒性更强。     

基于最大转子储能的风电场风机变利用率的 有功功率分配策略优化

风机采用最大功率追踪控制时无功率备用量,当系统供需发生变化时,易对系统稳定性造成较大影响。提出了一种风场变利用率的有功功率分配策略,在满足系统调度命令的同时,减少风能的损失,提高风能利用率。考虑到风场的尾流效应,所提方案通过改变每台风力机的利用率来控制风机的有功功率输出。其中,每台风力机的利用率根据其自身转速而自适应调整。当风机转速较高时,风力机的利用率则较高。当风机转速较低时,则降低风力机的利用率,这样风电场可存储更多的旋转动能,可在系统需要时释放回系统。通过在基于双馈风机的风电场中对所提变利用率策略进行研究,结果表明,在满足调度需求的同时,所提控制策略比传统的等利用率方案更加节能。