基于混沌遗传和模糊决策算法的多目标负荷经济调度

提出一种可同时得到电力系统最优机组组合和多目标负荷分配结果的混沌遗传和模糊决策算法.结合改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点,按改进的优先顺序法确定各时段运行的机组序列,用启发式遗传算法确定机组组合状态,并对交叉率和变异率进行模糊决策.在负荷分配中,考虑单一经济目标和多目标优化2种决策模型,用遗传算法进行并行搜索,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效提高了收敛速度.将所提算法分别应用于10机和30机系统中,结果表明,该算法较好地处理了电力系统负荷经济调度的各种约束条件,减少了不可行解,加快了收敛速度.     

基于EMD-SLSTM的家庭短期负荷预测

针对非平稳的家庭短期负荷数据,直接套用预测模型难以挖掘出更深层次的时序特征。提出一种经验模式分解(Empirical Mode Decomposition, EMD)和堆栈式长短期记忆(Stack Long Short-term Memory, SLSTM)的组合算法应用于家庭短期负荷预测。首先分析了SLSTM和EMD原理,提出EMD-SLSTM组合预测模型。将负荷数据通过EMD算法进行分解,然后将分解后的分量数据分别转化为三维数据样本。通过设计SLSTM网络架构及其参数,对归一化的分量数据和原始数据分别进行预测建模及其重构。为显示算法预测性能,实验对比了支持向量回归、人工神经网络、深度神经网络、梯度提升回归等模型在两种情景下的性能,采用MAPE和RMSE性能度量进行验证。实验结果表明EMD-SLSTM更能有效地表达出家庭短期负荷的时序关系,具有更高的预测精度。     

影响变压器经济运行的两个重要因素及优化措施

在分析、计算变压器经济运行区间的基础上,研究了负载功率因数对变压器经济运行的影响,提出通过晶闸管投切电容器组(TSC)补偿负荷侧无功功率,提高变压器负荷功率因数,以降低变压器综合功率损耗。为避免变压器完全根据负荷变化频繁切换经济运行区间,降低变压器及开关的使用寿命,引入了短期负荷预测,利用预测的日负荷曲线对变压器的投切进行优化,提高变压器经济运行水平。在MATLAB仿真平台下对以上两项优化措施进行仿真,仿真结果验证了理论的正确性及措施的可行性。     

小波神经网络及其在电力负荷预测中应用概述

小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文介绍小波神经网络的构成原理、设计方法和优点,分析小波神经网络在电力负荷预测领域的研究和应用现状。文中所指小波神经网络的优点,例如所需网络节点少和预测精度高,已经在电力负荷预测研究中得到验证。将小波神经网络应用于电力负荷预测的成果是令人鼓舞的。但是小波神经网络也存在收敛性差等缺点,还需要进一步研究适合小波神经网络的算法,以提高其性能。     

采用改进BP神经网络算法预测短期电力负荷

介绍了BP神经网络算法的原理以及对其采用非线性阻尼最小二乘法Levenberg-Marquardt进行优化的的方法。针对短期电力负荷的特点,设计了预测短期电力负荷的BP神经网络模型和预测流程,并结合具体实例,采用MATLAB神经网络工具箱编程。与实例结果的比较表明,此方法预测短期电力负荷具有实用价值。     

三相负荷不平衡对低压网损影响的分析

配电网三相负荷不平衡运行将增加配电网的电能损耗。通过对三相负荷不平衡时有关线损的各因素的分析,得到三相负荷不平衡时线损增加率的计算公式以简化分析计算工作。对几种三相负荷典型不平衡情况分析得到的结论,经实例证明可供实际生产运行中参考。     

考虑柔性负荷响应不确定性的多时间尺度协调调度模型

针对柔性负荷实际响应的不确定性,以及各类柔性负荷在多时间尺度上的响应特性,提出了考虑柔性负荷响应不确定性的多时间尺度协调调度模型。首先,基于消费者心理学原理并计及柔性负荷响应不确定性的变化规律,建立了价格型需求响应(DR)的响应量模型。然后,在考虑实际响应误差的基础上,制定了激励型DR的激励机制,并基于上述不确定性分析建立了可转移负荷、可平移负荷和可削减负荷的响应模型。最后,从多时间尺度协调的角度,对柔性负荷、常规机组和风电进行协调优化,构建了日前—日内—实时的协调调度模型,并根据模糊机会约束规划理论和混合整数规划方法进行求解。算例分析验证了所提模型的有效性,通过考虑柔性负荷响应的不确定性及多时间尺度上的协调优化,能够实现削峰填谷,提高风电消纳,并降低电网调度的成本。     

考虑负荷不确定性与差异化需求的配电网网架结构混合多属性评价优选模型

传统配电网网架结构选择以定性决策为主,受人为因素影响大,决策繁琐。提出了一种考虑负荷不确定性与差异化需求的混合多属性评价优选模型。从拓扑结构、可靠性、经济性3个方面建立多属性评价指标体系,基于集对分析的混合多属性评价方法在评价过程中量化负荷不确定性,在此基础上进一步利用熵权法得到各指标客观权重及由指标权重表征的各网架性能;引入K-means聚类算法及模糊层次分析法建立多专家决策加权的需求方案静态获取模型,得到差异化需求方案以及指标主观权重;利用基于主客观权重及模糊熵的多属性关联关系分析模型,计算差异化需求方案与各备选网架的关联程度,最终建立考虑负荷不确定性与差异化需求的混合多属性评价优选模型。以多个地区的配电网规划为研究对象,利用所提出的混合多属性评价优选模型,分析了不同地区差异化需求下所适合建设的最优网架,验证了所提模型的有效性。     

基于时间区间的配电网重构

提出了基于时间区间的静态重构算法和动态重构算法.算法以最优流法为基础,以一段时间内的能量损耗最小为目标函数.首先利用配电网负荷模式的特点对基于时间区间的最优流计算方法进行了改进,然后利用该计算方法求解配电网的静态重构问题.动态重构中需要考虑开关操作次数的约束,为此,动态重构算法中先利用降损估算公式对开关操作在整个时间区间内的降损效果进行评估和比较,然后提出了合理的启发式规则来确定开关的操作顺序,形成优化方案.69节点配电网的算例结果表明,提出的静态重构和动态重构算法是可行和有效的.     

考虑气耗特性及一次能源约束的燃机日前发电计划优化

目前燃机日前发电计划通常与实际发电曲线存在较大偏差,不利于提前安排运行方式和进行调峰分析,给电网安全稳定运行带来不利影响。为此,提出考虑气耗特性及一次能源约束的日前发电计划优化策略。燃机电厂每日气量受供气合同约束为固定值,对燃机气耗特性进行线性化逼近,获取燃机有功功率与耗气量的解析关系,依据次日负荷预测数据,按照高峰、腰荷和低谷时段对燃机有功功率进行分割,获取各时段耗气量并累加求和,和值受气量总指标约束,进而建立优化模型目标函数。利用细菌群体趋药性算法求解该模型,获取燃机日前发电计划。夏季高峰和低谷2个实际典型方式算例结果显示,该方法制订的计划曲线与实际发电曲线均方误差均低于10 MW,完全满足调度生产要求,表明了所提方法的正确性和有效性。