基于有序充电的电动汽车充电站在线监控系统

在分析大规模电动汽车接入对电网的影响和当前各种有序充电策略的基础上,提出基于有序充电算法的电动汽车充电站在线监控系统。系统通过开发通用总线实现数据的采集和导入,分别部署数据库服务器、处理控制服务器和Web服务器,采用B/S架构,通过Web方式发布,逻辑上分为数据层、业务逻辑层和表示层。从负荷预测管理、电池信息管理、有序充电控制、负荷曲线分析、可视化监控和数据统计分析等功能上实现充电站在线监控。最后介绍了系统的应用情况,对各主要功能进行了展示,并对未来发展趋势和研究方向提出了建议。     

一个实用的在线短期负荷预测系统

介绍了一个实用的在线短期负荷预测系统。该系统和实时数据库相连，能消除异常数据的影响，能用各种不同的数学模型加权组合预报，并能对预报结果进行人工修正。经验证预报精度较高，并具有通用性和可扩充性。     

多元数据融合的智能配电网负荷分析预测管理系统

针对多元大数据在智能配电网中的应用问题,为实现配电网的精益管理、科学预测和合理规划,文章开发了多元数据融合的智能配电网负荷分析预测管理系统。对软件系统的总体框架进行了设计;对软件系统的各功能模块进行开发和介绍;给出了软件系统的一个应用实例。该系统充分利用海量的历史负荷数据进行负荷特性分析,建立负荷特征库以及业扩信息库,通过对新接入用户进行信息匹配实现负荷管理及最大负荷预测。此外,该系统建立负荷预测方法模型库,可提供不同维度的负荷预测功能,从传统的地区负荷预测转变为馈线负荷预测,结合馈线现状以及业扩信息优化用户接入决策。总的来说,该系统具有功能模块数据链路互通、不同功能之间能提供信息支持、整体采用模块化设计思想等特点,可满足电网企业的日常应用需求。     

短期负荷预测方法的研究及在线应用

根据邯郸地区的负荷特点,将负荷预测分为正常日和节假日两种预测模型。在正常日预测中,采用基本负荷加修正负荷的思想,修正负荷通过自组织人工神经网络训练得到;在节假日预测中,采用将历史负荷按“近大远小”中权平均的思想。同时,应用最小二乘递推算法修正模型,进行在线预测。此外,还开发出相应的软件包用于实际预测工作,并根据邯郸地区的实际情况,通过对ＭＩＳ中公共数据库的访问,实现了负荷、气象数据的自动获取和录入     

配电网自适应负荷估计方法

为增强配电网运行的安全性和经济性,提出一种可系统解决配电网在线节点负荷估计的新方法。该方法包含粗略负荷估计、负荷预测和抗差负荷估计3个阶段。粗略负荷估计阶段可使用3种方法来提供粗略的节点负荷估计值;负荷预测阶段使用基于事例模糊神经网络的方法提供节点负荷预测值;抗差负荷估计同时实现了结构空间和量测空间的抗差估计。3个阶段密切配合,形成闭环信息流。该方法可实现长期自适应在线运行,能够为配电系统的监视、控制和管理提供可靠一致的负荷数据集。     

地区电网日负荷在线预测及管理

研究了地区电网日负荷在线预测及管理问题，并全面考虑地区电网日负荷变化的特点和影响地区电网日负荷变化的各种因素，利用电网ＳＣＡＤＡ系统提供折实时数据，预测次日２４ｈ整点负荷，同时分析了影响地区电网日负荷预计准确度的原因，提供管理日负荷及相关资料的工具。     

基于智能集中器的短期电力负荷预测

随着智能电网的快速发展,新型智能集中器利用边缘计算技术实现用户侧负荷预测,可有效减轻主站压力,提高相应速度。本文针对智能集中器的负荷预测计算功能进行分析,在智能集中器的负荷预测算法模块,提出采用具有遗忘机制的在线贯序极限学习机(FOS-ELM)算法进行短期负荷预测,使用采集到的实时数据对预测模型进行训练,并通过算例进行仿真分析,仿真结果表明采用该算法的智能集中器能够实时更新训练样本,预测精度高,计算量小,计算速度快,并能够实现短期负荷的在线预测。     

基于CC-2000的负荷预测在东北电网的实现

介绍了基于ＣＣ－２０００支撑平台的东北电网ＥＭＳ应用囫件中负荷预测软件的各项功能、数据库和人机界面的设计,以及负荷预测与其它应用软件的接口。针对东北电网的实际情况,在完善人机界面、维护历史数据方面做了大量工作,负荷预测软件已经实现了实用化在线运行 。     

面向节能发电调度的母线负荷预测平台

根据节能发电调度对母线负荷预测提出的新要求,提出了建设母线负荷预测平台的总体方案.采用多层体系的B/S结构和J2EE技术,应用高性能网络数据库作为后台数据支持,建立了以母线负荷分析和预测为核心,集数据采集与管理、预测后评估分析和预测结果的上报考核管理一体化的信息管理和预测系统.提出了母线负荷建模方法、母线负荷预测模型方法库、自适应训练机制、预测过程控制等关键技术,为进行详尽的数据挖掘分析、高质量的需求预测和一体化的母线负荷管理提供灵活的网络化操作平台.该平台适应电网调度管理精益化的新要求,可为提高母线负荷预测精度、提升负荷预测工作的管理水平、保障电力系统安全经济运行提供有力的技术支持.     

基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型

针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数据中的有效信息,并采用遗传优化算法(Genetic Algorithm, GA)对惩罚系数等模型参数进行优化确定,建立离线最小二乘支持向量机(LeastSquaresSupportVectorMachines, LS-SVM)模型。然后基于KKT条件(Karush-Kuhn-Tucker conditions)和增量在线学习算法,实现了回归函数和预测模型的在线更新。最后通过云南电网相关输电线路覆冰灾害的实例进行仿真分析。实验结果表明所提模型可有效地对现场输电线路覆冰负荷进行在线预测,单步长及多步长的预测效果均优于传统的覆冰预测模型,应用该预测模型可更好地为输变电系统的除冰和维护决策服务。     

基于省级电网的短期负荷预测系统的开发

在对吉林省网及其所辖分区电网负荷规律性进行全面分析的基础上，开发了一种基于省级电网的电力负荷短期预测系统。系统包括回归、组合加权等多种预测方法，提供了直接预测与分区汇总两种预测方式，具有对省网负荷及所辖各分区负荷进行规律性评价的子模块，采用数据库形式对历史负荷、预测结果等多种数据进行分类管理，使数据维护更方便。对省网负荷及所辖各分区负荷的预测结果进行了比较，并在此基础上分析了省网及各分区负荷的规律性。该系统界面友好，操作简单，已成功应用于吉林省调度中心。     

基于云计算和极限学习机的分布式电力负荷预测算法

为了提高电力负荷预测精度,应对电力系统智能化所带来的数据海量化高维化带来的单机计算资源不足的挑战,提出了一种在线序列优化的极限学习机短期电力负荷预测模型。针对电力负荷数据特性,对极限学习机预测算法进行在线序列优化;引入分布式和multi-agent思想,提升负荷预测算法预测准确率;采用云计算的MapReduce编程框架对提出的算法模型进行并行化改进,提高其处理海量高维数据的能力。选用EUNITE提供的真实电力负荷数据进行算例分析,在32节点云计算集群上进行实验,结果表明基于该模型的负荷预测精度均优于传统支持向量回归预测算法和泛化神经网络预测算法,且提出的算法具有优异的并行性能。     

基于C/S模式的电网短期负荷预测及负荷分析管理信息系统

通过引入24h气象预测信息，并以负荷分析为基础，采用相似日、相似时段的负荷预测原理和基于K线图形式的图形处理方式，生成集负荷分析，负荷预测，预测管理和预测发布功能为一体的电网短期负荷预测及负荷分析管理信息系统，该系统应用先进的网络技术和数据库技术，构建了面向对象的模块化软件，目前该系统已应用于天津电网负荷分析和负荷预测管理工作，运行稳定，性能良好，具有界面友好，操作简便，维护成本低，预测精度高等优点，是负荷管理和预测人员的好助手。     

基于径向基神经网络的输电线路动态容量在线预测

在线预测输电线路的动态热容量,合理安排负荷高峰时期运行方式和调度管理,对输电线路的安全和经济运行具有重要意义,同时也对确定风电等间歇式可再生能源的接入容量提供技术支持。为此,提出了利用径向基神经网络实现线路动态容量的在线预测方法。该方法首先利用径向基神经网络进行风速和日照辐射温度的在线学习和预测,基于IEEE 738标准进行输电线路动态容量的在线短期预测。利用典型的夏季和冬季实测数据进行动态容量预测后发现,预测未来1、2、4 h的动态容量的最大相对误差分别在10%、20%、40%以内。将短期的负荷预测与该方法结合起来,可为电力紧张地区和负荷高峰时期的智能调度提供决策支持。     

基于径向基神经网络的输电线路动态容量在线预测

在线预测输电线路的动态热容量,合理安排负荷高峰时期运行方式和调度管理,对输电线路的安全和经济运行具有重要意义,同时也对确定风电等间歇式可再生能源的接入容量提供技术支持.为此,提出了利用径向基神经网络实现线路动态容量的在线预测方法.该方法首先利用径向基神经网络进行风速和日照辐射温度的在线学习和预测,基于IEEE 738标准进行输电线路动态容量的在线短期预测.利用典型的夏季和冬季实测数据进行动态容量预测后发现,预测未来1、2、4 h的动态容量的最大相对误差分别在10%、20%、40%以内.将短期的负荷预测与该方法结合起来,可为电力紧张地区和负荷高峰时期的智能调度提供决策支持.     

Power Builder在负荷预测中的应用

电网负荷预测将为电网运行方式安排、安全经济分析和商业化运营提供基础支持,是电网运行管理的重要日常工作。为此,特制作负荷预测应用程序。本文介绍如何用ＰｏｗｅｒＢｕｉｌｄｅｒ（简称ＰＢ）这个数据库前端开发工具为负荷预测进程提供应用界面,完成负荷预测进程中原始数据输入、不良数据检验及人工修复、预测结果的精度检验、预测结果的修正、预报图表的择优输出、负荷预测数据库的管理和维护,以及预测计算程序的调用等功能     

基于短期负荷预测的无功/电压控制策略研究

针对静态无功优化系统仅采集、计算当前数据断面的缺陷,引入相似日负荷预测方法,对短期和超短期负荷进行预测,并进行负荷曲线合理分段,为下一个调度周期各个时段的电压无功控制提供决策依据,避免了由于负荷波动造成的各变电所电容的投切和有载主变分接头调节振荡或者不必要操作,延长设备的运行寿命.通过对某地区实际系统的应用表明,合理利用系统负荷历史数据,在线数据和预测数据,不但能满足电网电压无功优化运行的要求,而且有效减少设备的动作次数.     

基于隐含数据信息挖掘的贝叶斯电采暖负荷预测

冬季电采暖负荷的准确预测对电网安全稳定运行以及电力系统调峰和调频具有重要意义。为充分挖掘冬季电采暖负荷数据中隐含信息,提出基于贝叶斯网络的多变量冬季电采暖负荷预测方法。首先将隐含信息数据中的多变量数据分为可观测数据和隐含数据,依据变量之间的影响机制搭建贝叶斯网络结构,并通过EM(Expectation Maximization Algorithm)算法训练可观测数据信息,获取隐含数据分布,进而基于可观测数据和隐含数据实现冬季电采暖负荷预测。采用北京电力公司提供的冬季电采暖负荷实测数据进行验证,结果表明,采用贝叶斯网络进行电采暖负荷预测具有较高的预测精度。     

开放式SCADA/EMS系统支持的在线负荷预测系统

通过分析适用于负荷预测的数学方法，构成能在线实时运行的负荷预测系统。 为提高精度，采用自修改机制和加权组合方法。考虑了天气因素对电力负荷的 影响，并给出实际电网的计算结果。     

基于离线优化和在线决策的光伏智能楼宇能量管理算法

作为综合能源的重要发展形态，光伏智能楼宇的用电需求及光功率具有极大的不确定性，现有的能量管理方法很难完全适用，因此提出了基于离线优化和在线决策的光伏智能楼宇能量管理算法。首先，结合光伏智能楼宇的历史运行数据，建立了以运营收益最大化为目标的离线优化模型，通过离线优化为在线学习提供知识库；其次，为了实现分时电价条件下光伏智能楼宇的实时调度，建立了在线学习与认知规则相结合的在线决策算法，实时决策电动汽车充电功率以及可平移负荷的工作状况；最后，以某商业楼宇为例进行了仿真测试，结果表明所提算法在未来光功率、充电需求及可平移负荷未知的情况下具有良好的运行效果。