改进决策树在电网超短期负荷预测中的应用

由于天气属性变化以及其他因素影响,使得负荷预测结果与实际结果相差较大。为此,运用决策树挖掘准确信息,提出电网超短期负荷预测新方法。选取历史负荷数据,去重并填补缺失部分;综合考虑待测日气象属性、电力属性以及其他影响负荷变化因素,结合处理后的历史负荷数据对未来短期内的负荷完成初预测;引入专家系统,修正测试结果;在对电网超短期负荷预测方法可行性进行分析后,使终预测结果具有更高精度。通过实例应用证明了所提方法预测误差小且预测稳定,为电网企业快速发展提供了坚实的理论基础。     

基于云计算的电网负荷预测

负荷预测是电网管理的重要组成部分。准确及时的负荷预测对于制定经济合理的配电方案,提高电网运行的安全性和经济性,提高电能质量具有重要意义。为此,提出了一种基于人工鱼群和基因表达式编程的电力负荷预测函数挖掘算法。在此基础上,还提出了基于云计算的分布式负荷预测模型挖掘来解决大规模电力负荷预测问题。为了更好地提高模型的预测精度,在分布式负荷预测模型中引入了误差最小化交叉。实验结果表明,提出的算法在平均时间消耗、平均收敛数、预测精度以及并行计算性能方面具有优势。     

负荷预测在配网规划中的研究及应用

为了在配网规划中预测未来需求量及用电量,从而决定电网的发电、输电、配电系统新增容量大小,以及采用的发电设备类型,保证配电网系统运行的安全稳定经济性,提出对配网规划中可以运用负荷预测这一思路。以电力负荷预测作为研究着手点,在分析电力消费现状基础上,运用回归分析法、单耗法、趋势拟合法,预测某地2020—2024年的电力消费,对比分析配电网规划中不同预测方法的预测效果。研究发现,这3种方法在预测过程中的数据样本、适用条件以及建模思路方面均存在明显不同。得出规划配电网过程中,需要结合电力消费的发展情况以及负荷影响因素,选择恰当的负荷预测方法,才能在真正提高配电系统运行安全稳定性的同时,获得更高的社会、经济效益。     

电力负荷建模数据库的构建

电力系统负荷建模可以帮助人们正确的预测和分析电力负荷。在负荷建模中有大量数据需要进行系统的管理。所以建立数据库管理是非常必要的。就基于实际电网的电力负荷建模进行了分析，同时分析了系统中所用到的各种数据的构成和使用方式，并且探讨了如何使用VB和SQL Senrer来建立该系统数据库。     

基于模态分解-PSO-DNB深度学习的短期负荷预测研究

针对传统负荷预测模型对高维非线性电力负荷的特征提取效果不理想的问题,为有效提高电力负荷短期预测精度,提出了基于模态分解-PSO-DNB深度学习的负荷预测模型。结合模态分解方法和PSO算法特征并充分融入到深度学习模型中,构造了量化深度学习模型训练效果的误差评价函数,由此建立短期负荷预测的系统模型。以某地区电网监测的电力负荷数据开展短期预测研究,通过算例效果表明,所提的预测方法可实现24 h内滚动式短期电力负荷预测,且预测误差能控制在合理范围内,相较于传统负荷预测的方法更能提升预测精度。     

考虑风电出力的电力系统短期负荷自动预测方法

利用目前方法预测电力系统短期负荷时，存在电力负荷预测误差大的问题，为此提出了考虑风电出力的电力系统短期负荷自动预测方法。由于风电出力具有不稳定性，所以该方法在预测负荷前先分析了风电出力特性，以此提升不同风电出力情况下的电力负荷预测效果。基于分析结果采集负荷数据，对相同时间下的负荷采集数据进行归类，以此为输入构建BP神经网络预测模型，利用预测模型对归类数据进行处理，最终利用该模型实现电力系统短期负荷的预测。实验结果表明，所提方法的短期负荷预测有效性强、预测精度高。     

露天矿一类时间参数的ARIMA模型预测

道路运行时间、电铲装车时间等一类时间参数的预测是露天矿卡车调度系统中的一个重要问题。本文提出了采用非平稳时间序列ARIMA模型对该类时间参数进行预测,建模时采用AIC准则估计模型阶次,采用一揽子检验方法检验建模结果,并以露天矿现场实测的道路运行时间为例,对该预测方法进行了验证。研究表明,ARIMA模型能够较好地预测一类时间参数并保证足够的精度。     

配电设计中的负荷预测分析及其计算方法

分析了配电设计中负荷预测的重要性,在此基础上对配电网络设计过程的负荷预测研究内容进行了分析,随后给出了负荷预测的计算方法,并对各类方法的应用特点和计算特点进行了分析,分析过程将为配电设计中的负荷预测提供理论支持。     

基于关联规则的日负荷曲线的预测方法分析

分析了传统负荷预测方法的不足,提出了一种基于FP-Growth算法的负荷预测方法。重点分析了影响日负荷曲线的因素,得到不受外界因素影响的数据,再按照关联规则的FP-Growth算法,得到最适合负荷特性的预测模型,最终根据预测结果验证了该方法的可行性。     

基于广义状态空间平均法的串联谐振三端口DC/DC变换器建模与控制

三端口双向DC/ DC变换器的建模方法主要对谐振槽为单一电感或每个端口建模进行研究,缺少对谐振槽为LC谐振的拓扑建模。本文采用一种广义状态空间平均法对串联谐振三端口DC/ DC变换器进行建模,并对系统的工作模式、动态建模过程和控制策略进行了研究。通过在MATLAB/ Simulink中搭建仿真模型,对不同工作模式下功率流动进行仿真验证。结果表明,该建模方法设计的控制策略能够获得良好的系统动态响应特性。     

基于人工神经网络的电网负荷数据分类方法

当前的电网负荷数据分类方法忽略了对负荷数据训练集的设计,导致分类结果存在较高的信噪比,冗余数据也较多。为此,基于人工神经网络设计电网负荷数据分类方法。提取离群点数据,利用人工神经网络算法设计训练集,逼近优化电网负荷数据,生成冗余数据周期性筛查模型,完成电网负荷数据分类。实验结果表明,该方法信噪比高于常规方法,对冗余数据的清除更彻底,且与当前方法相比,准确率、精度以召回率更高,应用性能更理想。     

基于VSC-MTDC的城市电网增容研究

国民经济迅速增长、城市建设不断推进的进程中,城市用电设施以及工业产量急剧增加,使得用电负荷在城市中迅猛增长,造成城市中已有的支撑电源不足的问题。采用多端柔性直流输电系统（Voltage Source Converter based Multi-Terminal Direct Current,VSC-MTDC）对城市电网进行增容,这一输电系统相较于传统的交流输电来说,效率较高。通过对应用于城市电网增容中的这一多端柔性直流输电系统的换流站故障退出运行、静态稳定分析以及动态稳定分析研究,得出其既可以作为城市重要负荷的安保电源,又能够独立控制有功功率、无功功率,而且能较好地隔离受端电网故障,其正常运行状态相当于一个无惯性发电机,能够及时抑制电压波动,对提高电网的电能质量具有重要意义。通过PSCAD/EMTDC仿真验证表明多端柔性直流输电应用于城市电网增容的正确性和可行性。     

基于电力负荷历史数据挖掘的负荷预测算法研究

针对电力负荷历史数据中异常数据点影响电力负荷预测精度的缺陷,研究基于电力负荷历史数据挖掘的负荷预测算法。选取K means聚类算法挖掘电力负荷历史数据的属性特征量,检测其中所包含的异常数据点,选取灰色系统理论中的GM（1,1）模型修正电力负荷历史数据中的异常数据,利用完成修正的电力负荷历史数据建立训练集以及预测集,将训练集样本输入支持向量机中,利用支持向量机所具有的非线性映射能力映射样本至高维空间内,获取支持向量机最优阈值,将预测集输入具有最优阈值的支持向量机中,获取精准的电力负荷预测结果。所研究算法可实现长期、短期、超短期电力负荷的预测,且预测的精准性及速度较为优越。     

一种多源异构配电网实时调度优化模型的研究

针对多源异构配电网的实时调度不能积极消纳分布式电源的问题,在日前调度模型的基础上提出一种基于实时调度优化模型,该模型在负荷预测的前提下充分利用分布式电源和储能设备的供电能力,降低了在用电高峰期对主网供电的依赖,并采用基于帝国竞争算法对优化模型进行求解。经过仿真试验验证,基于该模型的实时调度能够高效利用分布式电源和储能设备的供电能力降低主网用电峰值,使得配电网的运行成本降低2.59%。     

基于优化变权组合模型的配电网中台区负荷波动范围预测研究

负荷波动范围预测决定了电力系统是否处于平稳运行状态,为此提出一种基于优化变权组合模型的配电网中台区负荷波动范围预测方法。考虑负荷信号数据的横、纵向数据特征,运用固定阈值门限准则确立阈值大小,构建加权平均阈值函数,反归一化处理得到去噪后的负荷波动数据;分析数据观测序列,将组合预测偏差的最低绝对值作为推导原则,获得单项预测法与组合预测法的预测偏差,引入目标函数创建台区负荷波动范围预测模型。实验结果表明,所提方法能准确分析外部环境对负荷波动范围的影响,预测精度高,实用性极强,为配电台区的高效稳定运行发挥应有作用。