基于特征排序与深度学习的母线负荷预测方法

负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求,母线负荷预测是解决这一问题的关键途径。文章提出了基于特征排序与深度学习的母线负荷预测模型。首先,针对各区域母线负荷差异性较大的现状,使用随机森林算法对预测目标影响较大因素进行排序,选择特征贡献度较高的特征属性;其次,在模型训练阶段选择了深度置信网络,学习并跟踪母线负荷变化趋势;最后,采用北京电网某条110 kV母线负荷进行实例验证。结果表明,文章所建立的预测模型具有良好的预测精度和稳定度。     

动态组合深度学习模型在短期负荷及光伏功率预测中的应用

人工智能的快速发展为预测问题提出了崭新的解决途径。文章在深入分析深度学习算法发展的基础上,建立了基于深度学习模型动态组合的短期负荷及光伏功率预测模型,在该模型中使用两种深度学习算法(长短记忆网络和深度置信网络)分别对输入数据进行训练,并使用线性模型对各个深度学习的训练结果进行动态结合,而后输出最终的预测结果。此外,文章使用广州的光伏功率数据与短期负荷数据对模拟结果的准确性进行验证。分析结果表明,文章所建立的预测模型具有良好的预测精度。     

基于改进型蜻蜓算法的停电计划优化方法

基 于 带 约 束 的 多 目 标 优 化 理 论 ,建 立 了 年 度 停 电 检 修 计 划 决 策 模 型 ,针 对 传 统 群 智 能 算 法 效 率不 足 的 问 题 ,通 过 引 入 外 部 电 力 储 备 维 护 策 略 和 和 拥 挤 距 离 下 的 生 态 位 共 享 机 制 ,提 出 了 改 进 型 蜻 蜓 算 法 ,提 高 了 原 有 算 法 的 全 局 最 优 性 和 分 布 均 匀 性 ,提 高 了 年 度 停 电 计 划 的 经 济 、可 靠 、平 衡 性 。 最 后 通 过 ＩＥ Ｅ ＥＲ Ｔ Ｓ- ７９模 型 ,对 比 ２ 种 传 统 群 智 能 算 法 进 行 了 仿 真 分 析 。 仿 真 结 果 表 明 ,在 电 力 调 度 的 平 衡 和 储 备 达 到最 优 的 前 提 条 件 下 ,采 用 本文 提 出 的 算 法 大 大 提 高 了 求 解 效 率 ,能 有 效 满 足 实 际 电 网 停 电 计 划 的 需 要 。