基于系统短期时序状态转移抽样法的孤岛运行微电网可靠性评估

孤岛运行微电网完全利用自身的分布式电源(DG)和储能装置满足微电网内负荷的供电需求,因此有必要对其进行充裕度可靠性评估。本文针对孤岛运行微电网未来短期可靠性具有时变性,及可靠性评估解析法难以获得故障持续时间信息的问题,提出一种孤岛运行微电网短期可靠性评估的模拟法。首先,提出系统短期时序状态转移抽样法,以获得微电网时序系统状态;再建立考虑控制策略的DG装置出力模型,并计及故障解列、孤岛系统切负荷及静态安全约束的影响进行孤岛运行微电网短期可靠性评估,得到包括负荷点平均停电时间在内的短期可靠性指标值。算例系统的短期可靠性评估结果及分析验证了所提方法的正确性和有效性,具有一定的工程应用价值。     

电力系统短期运行充裕性评估及决策

大量随机波动性电源接入给电力系统运行充裕性带来了显著影响,如何准确评估运行充裕性以及基于运行充裕性进行调度决策是新能源电力系统运行面临的新问题。以风电为例,同时考虑来自电源和负荷的双侧随机因素,将传统可靠性指标改进推广到短期运行充裕性评估中,并在此基础上提出了一个新的充裕性指标,对指标的数学含义和计算方法进行了讨论。以含风电电力系统的机组组合为例,研究所提指标在短期运行充裕性决策中的应用。算例首先对RBTS系统进行了运行充裕性评估,其次给出了所提充裕性指标约束下的机组组合方案。结果表明,所提指标能够更准确地刻画随机因素对系统运行充裕性的影响,基于充裕性指标的机组组合决策能够给出不同充裕性水平下的机组启停方案和出力计划以及对应的系统充裕性量化值。研究成果为随机波动性电源大规模接入电力系统的短期运行充裕性问题提供了一套评估指标和评估方法。     

计及微网孤岛运行方式的配电网可靠性评估

提出了一种既适用于传统配电网络,也适用接入分布式电源的微网配电系统的可靠性评估方法。首先,依据微网孤岛运行方式对传统配电网故障分类方式进行了改进;其次,通过研究传统分布式电源与可再生分布式电源的发电特性,提出了各类分布式电源发电概率模型;最后,综合考虑甩负荷与切负荷2种情况,给出了微网孤岛运行时分布式电源对负荷供电的充裕度概率模型,并将其成功运用到含微网的复杂配电系统可靠性评估中。以RBTS-BUS6配电系统为例验证了所提评估方法的有效性。     

充裕度计算在电网规划中应用的探讨

充裕度是保障电力系统安全稳定运行、衡量电力系统可靠性的一个重要指标。介绍了评价电力系统充裕度的原则、应用现状及存在的问题。论述了定量衡量系统充裕度在电网规划中的意义。参照IEEE可靠性计算测试系统中的概率数据,建立了用蒙特卡罗算法计算IEEE-30节点可靠性的概率模型。探讨了充裕度概率计算的特点及概率指标在规划中的应用。运用充裕度计算对量化电网建设投资、提高电力系统的可靠性进行了一些尝试,提出了改进的方向。     

某天然气公司电气主接线可靠性评估与分析

基于一种n+2状态马尔可夫模型,对阿姆河天然气公司供电系统电气主接线元件可靠性和系统运行可靠性进行评估和计算,计算时考虑了最大负荷水平、平均负荷水平和典型日负荷三种负荷情形,并对比分析了三种负荷情形下系统的供电连续性、充裕性和安全性,得出供电系统满足现有生产需要的结论。     

基于序贯蒙特卡洛法的风／柴／储能发电系统充裕度评估

边远地区采用风／柴／储能发电向负荷供电,可保证供电可靠性、节省柴油燃料和保护当地的生态环境。采用已测量到的风速历史数据,建立风速时间序列模型,进行风速模拟预测,并计算风电机组的输出功率。应用序贯MonteCarlo模拟法,在考虑机组随机故障的情况下,建立发电机充裕度评估模型。针对样例系统,定量分析了系统各种配置参数变化对发电系统充裕度的影响。评估结果可为风／柴／储能发电系统可靠运行和储能设备配置提供依据。     

基于改进长短期记忆神经网络的短期负荷预测

精确的负荷预测是电力系统规划、设计的有力支撑,是电网安全经济运行提供重要保障。实际应用中,存在由于数据采集设备故障、系统突发事件导致相关数据资料不准确从而影响短期负荷预测结果的情况。本文提出基于小波变换的长短期记忆神经网络负荷短期负荷方法WT-LSTM(wavelet transform -long short-term memory),利用小波变换的时频特性对负荷数据的伸缩变换进行细化,实现高频系数量化处理;结合长短期记忆神经网络的梯度计算,提高负荷预测的准确性和可靠性。通过变电站负荷数据以及区域办公楼实验,仿真结果表明本文方法能够有效处理负荷原始数据中的噪声,从而提高负荷预测精度和鲁棒性。     

短期负荷预测方法在浙江省电力市场的应用

用已知的电力系统的历史数据、自然因素和系统的运行特性介绍了电力系统短期负荷预测的神经网络、时间序列和小波时间序列结合的方法 ,并利用浙江省电力市场的数据对 3种模型进行了实验和效果评估。     

电力系统短期可靠性评估综述

短期可靠性评估是监测、量度、预测电力系统短期运行风险的有效工具。电力市场化改革、大规模风电接入与极端天气变化严重影响了电力系统短期可靠性水平。针对短期可靠性评估元件模型、评估框架与指标体系三个方面内容进行了论述。综述了输电线路、发电机以及净负荷的短期可靠性模型,并在输电线路模型中重点考虑了天气状况影响、可靠性的模糊表征、计及暂态稳定性的影响等。总结了三类可靠性评估特征与短期可靠性分析过程,考虑了短期可靠性安全性分析、连锁反应事故防范以及特殊保护方案制定。从系统状态、影响程度等多个角度对短期可靠性指标体系进行了归纳分析。进一步指出短期可靠性评估未来的研究重点及方向。     

电力系统短期可靠性评估综述

短期可靠性评估是监测、量度、预测电力系统短期运行风险的有效工具.电力市场化改革、大规模风电接入与极端天气变化严重影响了电力系统短期可靠性水平.针对短期可靠性评估元件模型、评估框架与指标体系三个方面内容进行了论述.综述了输电线路、发电机以及净负荷的短期可靠性模型,并在输电线路模型中重点考虑了天气状况影响、可靠性的模糊表征、计及暂态稳定性的影响等.总结了三类可靠性评估特征与短期可靠性分析过程,考虑了短期可靠性安全性分析、连锁反应事故防范以及特殊保护方案制定.从系统状态、影响程度等多个角度对短期可靠性指标体系进行了归纳分析.进一步指出短期可靠性评估未来的研究重点及方向.     

动态相似与静态相似相结合的短期负荷预测方法

气温对负荷的影响存在累积效应,这导致气象条件与日类型相同两天的负荷仍然可能有较大的差异。因此,现有的以当天气象条件和日类型为特征参量的相似日选取方法不能保证预测的准确率。针对目前累积效应带来的影响,提出了一种动态相似的思路,并且将其与现有的静态相似方法相结合得到一种新的短期负荷预测方法。运用解耦模型分别对待预测日的日平均负荷和负荷曲线形状进行预测。采用动态相似的思路进行日平均负荷预测,采用静态相似日的思路进行负荷曲线形状的预测。算例中,分别以对节假日的负荷预测以及连续高温日期的负荷预测为例,通过对北京某地区的实例计算,结果表明,该预测方法可以提高短期负荷预测的准确率。     

考虑负荷重分配攻击的电力系统运行可靠性评估

负荷重分配(load redistribution, LR)攻击对线路的实时停运模型和最优负荷削减模型均会产生影响。现有研究忽略LR攻击对线路实时停运模型的影响,因此无法准确反映LR攻击下的电力系统运行风险。为此,分析了LR攻击原理,建立了考虑LR攻击对线路实时停运和系统最优负荷削减双重影响的运行可靠性模型。并提出了考虑LR攻击双重影响的电力系统运行可靠性评估方法。以IEEE14节点修改系统为例进行算例分析。算例结果表明：LR攻击对系统运行人员的调度行为会产生较大影响,LR攻击下运行人员非最优调度引起的负荷削减量与攻击资源数目有关;LR攻击可能导致部分线路的实时停运概率增加,从而使得系统实时运行可靠性降低。该研究能为信息物理融合电力系统的规划设计和调度运行提供参考。     

Next day load curve forecasting using hybrid correction method

This work presents an approach for short-term load forecast problem, based on hybrid correction method. Conventional artificial neural network based short-term load forecasting techniques have limitations especially when weather changes are seasonal. Hence, we propose a load correction method by using a fuzzy logic approach in which a fuzzy logic, based on similar days, corrects the neural network output to obtain the next day forecasted load. An Euclidean norm with weighted factors is used for the selection of similar days. The load correction method for the generation of new similar days is also proposed. The neural network has an advantage of dealing with the nonlinear parts of the forecasted load curves, whereas, the fuzzy rules are constructed based on the expert knowledge. Therefore, by combining these two methods, the test results show that the proposed forecasting method could provide a considerable improvement of the forecasting accuracy especially as it shows how to reduce neural network forecast error over the test period by 23% through the application of a fuzzy logic correction. The suitability of the proposed approach is illustrated through an application to actual load data of the Okinawa Electric Power Company in Japan.     

One-hour-ahead load forecasting using neural network

Load forecasting has always been the essential part of an efficient power system planning and operation. Several electric power companies are now forecasting load power based on conventional methods. However, since the relationship between load power and factors influencing load power is nonlinear, it is difficult to identify its nonlinearity by using conventional methods. Most of papers deal with 24-hour-ahead load forecasting or next day peak load forecasting. These methods forecast the demand power by using forecasted temperature as forecast information. But, when the temperature curves changes rapidly on the forecast day, load power changes greatly and forecast error would going to increase. In conventional methods neural networks uses all similar day's data to learn the trend of similarity. However, learning of all similar day's data is very complex, and it does not suit learning of neural network. Therefore, it is necessary to reduce the neural network structure and learning time. To overcome these problems, we propose a one-hour-ahead load forecasting method using the correction of similar day data. In the proposed prediction method, the forecasted load power is obtained by adding a correction to the selected similar day data     

考虑需求响应的负荷控制对供电可靠性影响分析

需求响应一般分为基于电价与激励两种模式,采取需求响应的目的是降低峰时段负荷,减少运行风险。研究的重点是构建包含负荷控制的分时电价负荷模型,分析同时采用负荷控制激励模式与分时电价两种需求响应措施后负荷变化对电网可靠性的影响,从不同角度分析两种模式下配电网运行情况,并提出一种新的通过负荷曲线聚类来计算配电网在动态负荷下的可靠性方法。通过引入改进的k-means聚类算法对不同需求响应模式下的负荷曲线聚类,得到负荷概率模型,结合蒙特卡洛模拟方法来计算不同负荷水平下最终的配电网可靠性指标,分析了在需求响应不同模式下的负荷变化对配电网可靠性影响。算例结果表明,需求响应措施能提高系统可靠性,且包含负荷控制激励的分时电价比单一措施下的可靠性更高。     

A research on short term load forecasting problem applying improved grey dynamic model

The grey dynamic model GM(1, 1), which is based on the grey system theory, has recently emerged as a powerful tool for short term load forecasting (STLF) problem. However, GM(1, 1) is only a first order single variable grey model, the forecasted accuracy is unsatisfactory when original data show great randomness. In this paper, we propose improved grey dynamic model GM(2, 1), a second order single variable grey model, to enhance the forecasted accuracy. Then it is applied to improve STLF performance. We provide a viewpoint that the derivative and background value of GM(2, 1) model can be expressed in grey number. Then cubic spline function is presented to calculate the derivative and background value in grey number interval. We call the proposed model as 3spGM(2, 1) model. Additionally, Taylor approximation method is applied to 3spGM(2, 1) for achieving the high forecasted accuracy. The improved version is defined as T-3spGM(2, 1). The power system load data of ordinary and special days are used to validate the proposed model. The experimental results showed that the proposed model has better performance for STLF problem.     

基于人工神经网络和模糊推理的短期负荷预测方法

电力系统短期负荷预测是电力系统调度部门制定发电运行计划的依据，也是制定电力市场交易计划的基础。人们提出了许多种短期负荷预测方法，如时间序列法、状态空间法、人工神经网络法等，但是这些方法都无法精确地描述电力负荷模型。在对大量历史负荷数据进行统计分析的基础上，作者提出了一种基于人工神经网络和模糊推理的预测新方法，其中首先根据实际经验将负荷日类型划分为周一、工作日、周六、周日和节假日5种类型；然后根据不同的类型日建立相应的人工神经网络模型用以预测负荷归一化系数，最后通过模糊推理策略预测日最大负荷和日最小负荷。实际算例表明，所提出的方法能够提高短期负荷预测的精度。     

电力系统运行可靠性在线控制

研究如何通过调度控制来规避电力系统运行的风险、提高电力系统的运行可靠性具有重要的意义。提出运行可靠性在线控制的模型和算法。首先阐述运行可靠性在线控制的基础与功能定位,然后提出短期运行可靠性评估的指标和算法,在此基础上建立运行可靠性控制的数学模型,该模型以控制代价最小为目标函数,以发电机出力调整量和节点切负荷量为控制变量,以运行可靠性指标准则为约束条件,采用改进的粒子群智能优化算法进行搜索。对IEEE RTS-79测试系统的计算分析表明运行可靠性控制模型和算法的有效性。     

基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测

针对短期负荷预测的精度问题,文中提出基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法。在传统的灰色关联分析方法基础上,引入以距离相似性和形状相近性相关联的综合灰色关联度选取更高相似度的相似日。为缩小训练样本的差异程度,提高预测精度,利用相似日集合中的样本来训练蝙蝠优化的反向传播(BP)神经网络预测模型。以中国南方某城市的历史数据作为实际算例,将文中提出的基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法与单纯的BP神经网络法、蝙蝠优化BP神经网络法、传统灰色关联与蝙蝠优化的BP神经网络组合法的预测结果相比,结果表明文中方法的预测精度较高。     

基于小波分析的短期电力负荷组合预测方法

为了提高电力系统短期负荷预测的精度,提出了基于小波分析的人工神经网络(ANN)和累积式自回归滑动平均(ARIMA)模型的组合预测方法。针对电力系统负荷具有拟周期性、非平稳性和非线性的特点,首先利用小波变换对负荷序列进行小波分解与单支重构,得到各频段上的近似序列和细节序列。根据各序列的自身特点,将经奇异性检测后的数据分别采用相匹配的BP模型和ARIMA模型进行预测,最后将各负荷序列的预测结果加以组合得到最终的预测结果。经实际算例验证,该方法能够有效地提高预测精度。