基于RFE特征选择的PSO-SVM用电量预测算法

为了提升用电量预测的精度,针对传统支持向量机(SVM)算法在参数确定时的不足,采用粒子群(PSO)算法根据电力应用场景对预测算法进行了改进。对于迭代过程中全局最优和局部最优的矛盾,根据个体适应度的差异进行了子种群划分。而对于粒子群中群体过早收敛的问题,算法引入了自适应变异及惯性权重机制。通过在Schaffer’s F6、Rosenbrock函数上的测试分析结果表明,改进后的PSO算法迭代效率提高了60%以上,达优率也提升了11%。在进行用电量预测时,同时对影响用电量的不同指标进行了特征分析。基于SVM的递归特征消除特性(RFE)筛选了11个影响用电量的指标作为PSO-SVM的模型输入,充分发挥了SVM模型在低维预测上的优势。仿真结果表明,相较于传统SVM算法,所提算法的MAE与RMSE分别提升了9.15%和4.94%。     

面向电网运行方式计算分析的BPA数据分布式管理平台

BPA由于其天然分布特征和其数据以文件形式存储,无法支持分布式的应用场景;另外,原先的数据卡填写操作繁琐,容易出错。针对上述问题研发了BPA数据分布式管理平台,平台采用客户端-服务器(client/server,C/S)和浏览器-服务器(browser/server,B/S)混合结构及Java2 Enterprise Edition(J2EE)技术,应用内存数据库作为功能支撑,商务数据库作为B/S数据支撑,实现通过网络方式进行数据传送和处理;由此搭建了一个以BPA数据管理操作和生成计算文件作为核心的公共数据工作平台。平台可以根据电网实际情况自动进行电网模型拼接,方便网、省、地调数据的各自管理和维护;采用关联策略为平台的BPA数据操作提供了便捷的模型参数编缉操作,避免了操作人员对关联模型的遗漏而造成计算文件中模型不完整而使得计算不成功;为电网运行计算分析人员提供了辅助平台。     

基于负荷分解与聚类融合的短期用电负荷预测研究

传统负荷预测算法通常仅以单一的数据源为基础进行计算,因此在面对动态随机特性较强的场景时难以准确预测。针对这一问题,提出了一种负荷分解后再聚类融合的短期用电负荷预测算法。该算法根据负荷行为按时间顺序分类及分解客户负载,并进行负荷数据的聚类融合,再基于贝叶斯时空高斯过程模型描述不同用电区域间的相关性。同时利用深度学习负荷数据中存在的时空相关性来表征电力消费行为特征,从而实现短期用电负荷的精准预测。在对公开数据集进行的预测实验结果表明,与现有方法相比,所提算法的误差较低,且预测性能显著提高。     

基于模糊集理论和序关系分析法的电力市场指标体系研究

随着我国电力市场改革工作逐步深入,电力市场建设和运营过程中一些问题渐渐显露。合理、高效的电力市场评价体系是市场参与者进行市场分析和建设的重要工具,也是政府部门制定监管政策的科学依据。在充分考虑电力市场评价体系原则及SCP范式理论的基础上,构建了包含市场结构、市场运营、市场效益和市场可持续发展四个维度的三级指标体系;并基于序关系分析法和模糊集理论,研究分析电力市场综合指标评估方法。针对传统模糊集理论中“最大隶属度”原则的不足,提出群聚隶属度方法。最后通过实例计算分析,验证本文所构建评价体系的有效性和实用性。     

高渗透率分布式光伏接入的新型电力系统净功率预测

在双碳背景下,分布式光伏发电的大规模增加以及并网接入,对新型电力系统带来了巨大的挑战。高渗透率分布式光伏出力与电力负荷因受天气因素的影响,具有较强的不确定性和波动性,这在一定程度上增加了配电网净功率的预测难度。为了提高配电网净功率的预测精度,文章提出了Attention-双向GRU神经网络配电网净功率预测方法。文章首先对光伏出力特性、用户侧负荷特性、以及配电网净功率影响因素进行分析,充分掌握净功率受分布式光伏出力和用户侧负荷变化规律的影响。然后将Attention机制融入到双向GRU神经网络中建立了配电网净功率预测模型。其中,Attention机制赋予输入特征不同的关注度,双向GRU神经网络能够学习到净功率的时序特征,二者的完美结合,大大提升了净功率预测模型的表示能力和泛化能力。实验结果表明,文章提出的方法大大提高了配电网净功率预测精度,且性能优于对比模型。     

基于EEMD-ALOCO-SVM模型的光伏功率短期区间预测

光伏发电功率的预测方法目前分为点值预测和区间预测两类，但点值预测方法难以适应光伏功率的随机性和波动性，因此，该文构建一种基于集合经验模态分解（EEMD）和混沌蚁狮算法（ALOCO）的支持向量机（SVM）光伏功率区间短期预测模型。首先，通过灰色关联度筛选出不同环境条件的相似日样本集，并利用EEMD将光伏出力序列分解成不同的本征模态函数；然后，利用混沌蚁狮算法对SVM的误差惩罚因子C和核函数参数γ进行优化，并利用分位数回归法对光伏的输出功率进行短期区间预测；最后，通过算例数据验证所建立模型的有效性。     

构网型光储混合供电系统及其协调控制策略

提出并研究了一种用于独立构网的光储混合供电系统及其不同介质储能的协调控制方法。独立构网型光储混合供电系统由光伏发电回路、蓄电池充放电回路、超级电容器充放电回路共同组成,光伏发电回路为负载提供能量,多余或不足的能量由蓄电池和超级电容器进行动态调节。分析并给出了构网型光储混合供电系统能量管理核心控制算法,使得系统可根据光伏电池和蓄电池的工作状态,自动控制光伏逆变器和储能双向变换器工作模式,确保光伏阵列和蓄电池、超级电容器协调工作,实现独立供电系统高效稳定运行及快速的动态响应。最后通过系统仿真和样机实验验证了混合系统协调控制方法及系统能量管理控制策略的有效性。