电力负荷动特性分类方法研究

负荷特性的分类与综合是负荷模型实用化的关键,是解决负荷建模中负荷特性随机时变性问题和区域分散性问题的有效途径。文中深入分析了负荷动特性分类方法,系统阐述了负荷动特性分类特征向量的种类和基本要求。明确指出:以实测响应空间作为特征向量空间必须对实测响应进行时间坐标的标准化;以模型参数空间作为特征向量空间必须选择参数稳定性好的辨识算法;以标准电压激励下的模型响应空间作为特征向量空间必须选择具有好的内插外推能力的模型结构。最后,通过一个含有20个现场实测样本的分类实例比较和分析了3种特征向量空间的分类结果,并推荐使用实测响应空间作为负荷动特性分类的特征向量空间。     

电力负荷动特性分类方法研究

负荷特性的分类与综合是负荷模型实用化的关键，是解决负荷建模中负荷特性随机时变性问题和区域分散性问题的有效途径。文中深入分析了负荷动特性分类方法，系统阐述了负荷动特性分类特征向量的种类和基本要求。明确指出：以实测响应空间作为特征向量空间必须对实测响应进行时间坐标的标准化；以模型参数空间作为特征向量空间必须选择参数稳定性好的辨识算法；以标准电压激励下的模型响应空间作为特征向量空间必须选择具有好的内插外推能力的模型结构。最后，通过一个含有20个现场实测样本的分类实例比较和分析了3种特征向量空间的分类结果，并推荐使用实测响应空间作为负荷动特性分类的特征向量空间。     

基于实测响应空间的负荷动特性分类原理与方法

负荷特性的分类与综合是解决负荷建模中时变性难题的有效途径。于是基于随机过程相关性原理,提出了一种基于实测响应空间的负荷动特性分类方法。该方法以负荷动特性的实测响应空间为特征向量空间,对各个样本的实测响应进行时间坐标的标准化,以计算实测响应空间各样本间的相关系数,并采用系统聚类法按相关系数值进行特性分类。实测响应空间具有能够直接、准确地反映负荷构成的本质特征的优点,一工程应用实例证明了该方法正确有效,实现简便。     

考虑特殊负荷的宁夏电网负荷建模

提出了考虑特殊负荷的实际电网电力负荷综合建模方法。对典型日负荷曲线进行分析,定义了特殊负荷与一般负荷的分类判据;根据特殊负荷生产特性,采用适用于电解铝类负荷的I+M型综合负荷模型和适用于铁合金类负荷的Z+M型综合负荷模型;最后根据分类结果和典型负荷节点的参数辨识,建立宁夏电网负荷模型。仿真结果和实际调研结果对比表明,该方法效果良好,建立的模型更接近宁夏电网实际负荷特性。     

基于用户实际日负荷曲线的负荷分类策略研究

首先介绍了灰色关联聚类分析方法,然后选用该方法对某供电局涉及9类国民经济行业中的12个用户典型日负荷曲线进行聚类分析。通过案例说明采用该分类方法对负荷进行分类可更简单直接的表现各类用户负荷特性,为负荷特性分析、负荷预测、电网规划及需求侧管理等提供依据。     

基于灰色关联聚类的负荷特性分类

以变电站负荷构成比例为基本特征,以负荷特性之间的灰色关联度作为基本测度指标,把灰色理论应用于负荷特性分类;并定义负荷特性的均值化特征向量,构造灰色关联度矩阵,提出一种基于元件的变电站综合负荷特性的分类方法.对湖南省48个220 KV变电站的负荷特性分类结果表明,该算法简易、快速、有效,分类结果合理,具有广阔的应用前景.     

基于自适应模糊C均值算法的电力负荷分类研究

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊C均值聚类的电力负荷动特性分类方法。探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面。对原始模糊C均值聚类算法中的聚类数 进行了研究,在原始算法中融入新的聚类有效性函数,对算法进行了改进,改进算法不需要预先选择类的数目作为先验值。通过动模实验数据的负荷分类实例,表明该方法可自动获取最佳分类数,且分类效果要好于原始算法。     

基于自适应模糊C均值算法的电力负荷分类研究

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊C均值聚类的电力负荷动特性分类方法.探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面.对原始模糊C均值聚类算法中的聚类数进行了研究,在原始算法中融入新的聚类有效性函数,对算法进行了改进,改进算法不需要预先选择类的数目作为先验值.通过动模实验数据的负荷分类实例,表明该方法可自动获取最佳分类数,且分类效果要好于原始算法.     

基于负荷分解的居民差异化用电行为特性分析

针对智能电网建设过程中需要准确掌握居民用电特性的要求,将居民负荷分解为基本负荷和季节性负荷。基于自适应模糊c均值算法,分别对居民日基本负荷和夏季降温设备日负荷进行聚类分析。根据分类结果进行负荷特性分析,并在此基础上提出一种用户分类的方法,实现对居民用电行为特性的差异化分析。实验结果表明,基于该分类方法能够准确地描述用户用电行为特性,为需求响应如峰时电价制定、错峰管理、负荷调控等提供了有效的数据支撑。     

典型居民温控负荷建模及聚合特性研究

智能电网的发展为温控负荷参与电网调度提供硬件支撑。为研究温控负荷为电网提供负荷调度的容量特性,首先根据居民典型温控负荷的工作特性,建立可准确描述单个温控负荷工作原理的物理模型,并在此基础上通过核平滑技术建立了小区温控负荷的聚合模型,进而求得聚合负荷功率需求与相关参数的变化特性。最后对小区温控负荷的可调度容量做了相关特性分析,算例结果验证了所述方法的有效性。     

基于Ward法的负荷特性分类研究

负荷建模的最大困难在于负荷的随机性和分散性,而基于聚类方法的负荷特性分类是解决这一问题的有效途径。将系统聚类法中的Ward法引入到负荷特性分类研究中,并给出了该方法在一个区域电网中的应用实例。结果验证了该方法应用于负荷特性分类研究的可行性和有效性,聚类结果合理、准确、客观,表明该方法具有较好的工程应用前景。     

论电力负荷特性指数

基于现存指标体系的局限，提出构造负荷特性指数，完善电力负荷特性的统计度量，并具体讨论了负荷特性互补指数与负荷特性综合评价指数构造问题，前者旨在对联网相关地区负荷特性的互补性作一个科学度量，后者旨在以一个综合指数对负荷特性作一个整体上的描述．     

电力负荷与系统广域动态特征的相关度

提出一种电力负荷与电力系统广域动态特征的相关度分析方法。以发电机相对功角作为系统广域动态特征,构造研究广域相关度问题的特征向量,特征向量包括系统当前运行状态及各发电机功角的相关度指标,并计入了负荷时变性的影响。以特征向量之间的相异度作为分类标准,采用Chameleon聚类算法对特征向量空间进行分类。对分类结果进行频繁模式挖掘,根据相应关联规则的支持度和置信度,最终确定负荷的广域相关度。10机39节点系统的仿真结果表明,是否计入负荷时变性并不影响研究结果的总体趋势,体现了该研究方法的有效性和鲁棒性,为进一步开展广域负荷建模提供了重要的参考依据。     

基于日特征量相似日的PSO-SVM短期负荷预测

通过引入人体舒适度指数,综合分析了气象因素对电力负荷的影响,并加入星期类型、日天气类型、日期差3个主要影响因素,构成了日特征向量,采用求取相似度的方法来选取相似日,利用相似日的日特征向量和负荷数据来建立PSO-SVM预测模型。经2001年EUNITE负荷预测竞赛的数据预测分析表明,该方法适应性较强,能够选取较合适的相似日,有较高的预测精度和推广能力。     

基于模糊聚类与改进BP算法的日负荷特性曲线分类与短期负荷预测

提出了一种将模糊聚类技术与人工神经网络中的BP网络相结合的日负荷特性曲线分类与短期负荷预测的方法。通过模糊聚类技术将不同用户的负荷特性曲线进行分类,建立出不同的典型负荷曲线。然后利用同预测曲线相同类型的典型曲线,结合温度、日类型、湿度等对短期负荷预测影响较大的因素作为学习样本建立相应的BP网络模型。针对传统BP算法的不足,利用变学习速率和附加动量来改进BP算法并预测日负荷曲线。通过对实际日负荷曲线样本进行分类和对短期负荷进行预测证明该方法预测精度较高,在实际应用中具备可行性。     

基于负荷特性分析的短期负荷预测相似日选择方法

从选择历史负荷数据的角度来看,各类短期负荷预测方法本质上都基于相似原理.科学合理地选择相似日是提高预测效果的有效途径.为了挖掘出负荷曲线形状与预测日最大可能相似的历史日,提出了在负荷特性分析的基础上确定日特征向量、采用模糊分类和改进灰色关联分析法进行选择的方法.预测时引入时间跨度系数以消除负荷水平差异的干扰.实际系统的应用效果验证了该方法的有效性和实用性.     

基于功率空间的分时段负荷模型参数在线修正

提出对变电站负荷模型参数进行分时段修正的方法。首先通过定性分析不同类型特征参数提取综合负荷特性的能力,指出为分时段修正模型参数,可采用功率空间作为描述负荷曲线的特征参数;其次以典型的变电站聚类中心和行业综合日负荷曲线为基础,采用超标加权法求取一天内不同日负荷时段各特征参数权值;然后建立变电站实测日负荷数据对应的各日负荷时段单因素评判集,结合相应时段特征参数权值,采用模糊综合评判方法得到该变电站在不同时段所对应的实时行业负荷构成比例;最后结合其他途径获得的行业典型模型参数实现变电站综合负荷模型参数的分时段修正。论文以综合负荷的动态负荷比例为例,将分段修正所得结果与基于全天日负荷曲线及统计综合法所得结果对比分析,表明本文方法的合理性与有效性。     

统计综合法负荷建模中的调查方法及应用

介绍了统计综合法建模中的一种新的负荷调查方法,该方法结合了对所有变电站的负荷普查及对典型变电站的详细调查。首先描述了负荷调查的主要工作流程,详细阐述了基于负荷特性的分类指标和负荷节点分类原则,在此基础上编制了负荷特性普查表,并确定调查数据的来源及调查对象。然后对普查中取得的负荷特性数据进行统计分析,利用调查统计结果对220kV变电站(负荷节点)进行了分类。提出了兼顾考虑地域性和变电站负荷构成的各类型负荷典型变电站的选取原则,按此原则为每类负荷类型选取了典型变电站,并为这些典型负荷节点设计了详细调查表格。该方法在较小的调查复杂度基础上实现了较高的准确性,并已经在华北、华中、西北、东北电网中得到成功应用。     

基于自适应神经网络系统聚类的特殊负荷分类研究

根据特殊负荷调查统计信息,甄别不同聚类分析的优缺点,提出了一种基于自适应神经网络系统聚类的特殊负荷分类方法,分别从负荷特性、供电可靠性与电能质量3个维度建立聚类指标,并以78个特殊负荷为样本进行聚类分析。结果表明,该方法快速有效,同类特殊负荷相似度高,各类特殊负荷之间差异明显。该分类方法可推广至典型特殊行业负荷分类,为配电网对特殊负荷采用相应的供电措施提供理论依据,便于供电部门制定特殊负荷供电服务。     

一种基于负荷特性指标的负荷分类方法

随着经济发展方式的逐步转变和产业结构的升级,配电网中的负荷种类的多样性和复杂性逐渐增加,按原有的负荷分类方式得到的负荷特性往往不具有统一性,在不同负荷优化组合技术中难以根据原有分类依据进行分析.着重提出了基于特性指标法的负荷分类,并对每一类负荷的特性进行分析.分类结果表明,基于特性指标法的负荷分类,同一类型负荷特性的相似度高,各类负荷特性曲线更具有代表性,为电网规划后期的不同负荷优化组合技术应用打下基础,提高了优化模型的准确性.