发电权交易增量网损计算及分摊方法

在当前输配电价机制下,发电权交易引起的系统损耗变化将对电网企业的经济利益产生影响,需明确交易主体的网损责任并对电网公司进行合理的补偿。为解决该问题,通过对现行发电权交易网损补偿方法的阐述,分析了其存在的主要问题。针对中国以年度交易为主的发电权交易方式,基于计划电量调度模式,提出一种发电权交易年增量网损电量的计算及分摊方法。该方法根据有、无发电权交易运行方式下系统网损功率的变化计算增量网损功率,依据发电权交易替代方所在节点微增功率、被替代方所在节点微减功率所引起全网损耗的变化进行增量网损功率的分摊,最后,选取全年若干典型方式实现年增量网损电量的计算和分摊,并结合2009年国内某电网的发电权交易进行了实例分析。通过与现行网损补偿方法的对比分析,表明文中方法确定的各交易主体网损责任与其实际对电力系统网损的影响程度相吻合。     

基于改进EO-BP神经网络的高压线损预测

针对高压线损预测精度不高的问题,提出一种基于均衡优化器（Equilibrium Optimizer,EO）和BP神经网络相结合的线损预测模型。首先,为了提高EO算法的寻优能力,利用多种混沌映射关系初始化种群,使种群多样性增加,全局搜索能力得到改善;同时,采用物竞天择概率跳脱策略改进EO算法,使模型依概率跳出局部最优而收敛于全局最优解。其次,采用改进的EO算法对BP神经网络的权值和偏置进行优化,进而改善BP神经网络的预测效果。最后,实验结果证明,所提线损预测模型相对于回归模型、BP神经网络模型、模拟退火算法优化BP神经网络模型和EO优化BP神经网络模型具有更高的预测精度。     

基于ISSA-BP的500kV高压线损预测模型

线损对评估电力系统的经济运行有着重要作用。针对高压线损与多种特征参数之间关系复杂的问题,综合考虑关口电压、关口电流及温湿度对高压线损的影响,提出一种基于改进麻雀搜索算法(ISSA)优化BP神经网络(ISSA-BP)的高压线损预测模型。首先,通过Lévy变异策略及旋转策略分别对麻雀搜索算法(SSA)的发现者及加入者的位置更新方式进行改进,并在6个基准函数上进行测试,结果表明ISSA的寻优能力得到提升。其次,通过ISSA将最优初始权值和最优初始阈值赋予BP神经网络,进而拟合出特征参数与线损率的关系。最后,以山西省某条500 kV高压输电线路数据为研究对象,对比分析BP、GWO-BP、WOA-BP、SSA-BP与ISSA-BP这五种预测模型的预测效果,结果表明ISSA-BP模型的预测值最接近实际值,其RMSE、MAPE、MAE和R2分别为4.29%、3.67%、3.57%和99.01%,均为各种预测模型中最优。相较于SSA-BP,ISSA-BP的RMSE下降了33.4%,MAPE下降了36.7%,MAE下降了37.1%,R2提高了1.24%,表明ISSA-BP模型能对高压线损进行准确预测。