考虑气象因素的PCA-BP神经网络短期负荷预测

为有效提高电力系统短期负荷预测精度及效率,提出一种基于主成分分析的BP神经网络短期负荷预测优化算法。利用主成分分析法将多个原始变量降维成少数彼此独立的变量作为输入,并根据各主成分的贡献率来确定网络的结构,有效解决BP网络预测精度与效率不高问题。在考虑气象因素的影响下通过对某地区历史负荷数据进行训练仿真,平均预测精度接近98%,预测程序运行效率提高两倍以上,仿真结果表明,该模型在效率和预测精度方面优于BP神经网络模型。     

基于粒子群模糊神经网络的短期电力负荷预测

为了从根本上提高短期电力负荷预测中神经网络的速度和预测精度,提出了将粒子群算法和BP算法相结合的短期负荷预测方法。用粒子群算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测。在构建网络模型时,考虑了气候、温度等因素的影响,并把它们进行模糊化处理后作为网络的输入。仿真结果表明基于这一方法的负荷预测系统具有较高的精度和实时性。     

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。     

基于动量因子的神经网络群电流负荷预测模型

通过建立改进的4层神经网络群,以历史负荷电流作为样本进行训练,实现对于未来负荷电流的预测。针对传统BP神经网络易收敛到局部极值的问题,引入了动态调整的动量因子。为增强对于随月份动态变化较剧烈的负荷的预测能力,提出了BP网络群结构。数据模拟结果说明该算法具有高精确性,可有效估算出下一阶段线路电流负荷变化趋势值,并且预测速度满足实际使用要求。该模型可以用于监测重点单位用电负荷变化情况,及早提示供电单位采取相应措施,促进智能电网建设。     

一种改进的短期负荷预测方法

采用三层BP型人工神经网络来建立短期负荷预测模型,将影响负荷的主要因素:系统的基本负荷、温度的差异、天气的改变和日期的类型(工作日与节假日)作为数据样本,进行网络的自我训练和学习,并且在训练和学习的过程中引入误差反方向传播算法(即BP算法)来修正神经网络的连接权重,从而达到对负荷预测模型的改良和完善,进一步贴近实际的负荷变化。同时,将因电力线路或设备的检修损失的负荷量也作为影响因素进行了考虑,从而得出更精确的预测负荷值。在实际的负荷预测算例中,上述的预测思路得到了较好的印证,其预测的精度也较高。     

神经网络预测中长期电力负荷对比研究

为避免传统方法预测中长期电力负荷建模的复杂性,根据电力负荷历史数据,研究了基于LM算法的BP网络、RBF网络在中长期电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素。从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果。     

神经网络预测中长期电力负荷对比研究

为避免传统方法预测中长期电力负荷建模的复杂性,根据电力负荷历史数据,研究了基于LM算法的BP网络、RBF网络在中长期电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素.从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果.     

基于BP神经网络的短期市场出清电价预测

在电力市场中,短期市场电价预测的准确与否,对发电厂的竞价决策具有关键性的影响。文章提出应用神经网络算法来模拟预测日前市场出清电价,以获取精确的预测结果,该方法可适用于原始数据有限的情况。利用电力系统历史负荷、历史清算电价、系统的旋转备用等影响因素作为分析因子,分析其对未来时段电力市场价格的影响,并对下一交易时段电价进行预测。以美国加利福尼亚州电力市场为背景,采用BP神经网络算法,应用MATLAB软件编程,建立电力市场清算电价短期预测模型。该模型结构为三层神经网络,通过网络的反向传播过程不断修正模型中的神经元连接权值和阈值,充分发挥BP网络局部搜索能力强的优点,实现对未来24小时市场出清电价的有效预测,并针对美国加州实际电力市场价格数据进行训练和预测分析,结果表明该模型具有良好的预测效果。     

基于长短时记忆网络的电力系统负荷预测方法研究

准确的负荷预测对保持电网的稳定性和提高当地经济效益、节约成本有重大帮助。考虑到负荷数据带有时序性,以及智能电网的发展所带来的数据量的增大,建立了长短时记忆网络(LSTM)模型来对未来用电量进行短期负荷预测。针对Adam训练算法可能存在的收敛问题,对其进行了改进,并通过MATLAB软件对LSTM网络进行建模,通过与BP神经网络进行对比,结果表明,LSTM模型具有更高的精确度以及实用性。     

基于BP神经网络群的中压配电网电压降落估算

对影响农村中压电网电压降落的因素进行了分析,利用神经网络具有自学习、联想记忆功能以及逼近任意非线性映射的能力,提出了基于BP神经网络群的中压电网电压降落估算方法。为解决由于样本多、分类空间复杂而易导致网络不容易收敛的问题,采用分层的BP网络群结构,将样本分类,由各BP子网进行单类样本训练,完成对样本的并行训练及测试。该方法依据电压降落影响因素及实际电网结构参数,确定神经网络输入输出特征量;按照线路负荷分布类型将样本分类,减小了BP网络训练复杂度;根据样本误差和误差变化调整学习率和冲量因子,提高了BP网络学习效率。实际算例结果验证了所提出方法的有效性和可行性。     

BPA电网模型自动导入DIgSILENT的研究和开发

为了实现将BPA的电网模型自动导入到DIgSILENT/PowerFactory中,提高在DIgSILENT中进行大电网建模的工作效率,分析了BPA和DIgSILENT中一次设备的数学模型,给出了这两种仿真软件在一次设备模型参数间的转换公式。研究了DIgSILENT提供的DGS接口和DPL编程语言的功能和技术特点,总结了BPA电网模型导入DIgSILENT的工作步骤。研究确定了VC6和DPL相结合的技术实现方案,设计了用于将BPA电网模型自动导入到DIgSILENT的工具软件的总体结构、功能和流程,开发实现了该工具软件。最后分别用3机9节点算例和北京电网等值系统对其测试,通过对比两个仿真软件的一次设备模型参数和潮流计算结果,验证该工具软件达到了设计的要求。     

DIgSILENT与MATLAB接口的仿真建模

为充分利用电力系统仿真软件DIgSILENT开放性良好与数学模型软件包MATLAB数据处理能力强的优点,对DIgSILENT与MATLAB之间的接口技术进行了研究。在DIgSILENT中搭建调用接口模型并编写M文件来调用MATLAB的mdl控制模型,以实现联合仿真的目的。仿真结果表明调用方法有效、正确,弥补了DIgSILENT环境下不易实现宠大数据处理的缺陷。     

基于遗传算法和径向基函数神经网络的短期边际电价预测

文章分析了影响电价的主要因素及电价的变化特点,讨论了电价预测模型中必需引入的影响电价的因素。在比较常用的几种电价预测方法的优缺点后,作者采用径向基函数神经网络(radial basis function neural networks,RBF)建立短期边际电价预测模型,用递阶遗传算法(HGA)同时训练RBF网络结构和参数。并以美国New England ISO公布的2002年历史电价数据进行训练和测试,与传统的BP网络预测模型相比较, 测试结果证明该模型的预测精确度是令人满意的。     

基于Mean-shift聚类的大规模新能源对电网线损影响评估方法

随着不同发电出力形式,特别是新能源出力的大量并网,现代电网呈现出电网结构不断扩大、运行控制日趋复杂的特性。为准确评估不同发电出力对电网线损影响因子大小,保障电网经济运行,提出一种基于Mean-shift聚类分析的电网线损影响因子评估方法。首先,提出一种基于误差平方和的滑动窗口半径最优选取方法;其次,采用基于高斯核函数的Mean-shift聚类分析法将电网量测数据按疏密程度聚类,提取出其主要特征;再次,通过对聚类结果进行多元线性回归,得到不同发电出力的线损影响因子。最后,通过在某省级电网上的实际应用效果,证明了该方法的有效性。     

基于DIgSILENT的机网协调控制及动模验证

具有联络断面弱、小网、大负荷特征的工业电网,发生故障及断面解列时容易造成系统稳定性破坏问题,为此提出DIgSILENT仿真平台用于源网荷储协调系统的暂态分析和控制器开发。提出了结合安全稳定控制系统、机网协调器、电力系统稳定器、励磁系统及调速系统于一体的工业电网数字孪生系统,根据实测参数对自动装置的控制器进行了建模和比对。基于DSL编程设计了机网协调控制器,对电压控制、频率控制和功率控制整定参数,验证了对频率电压稳定性的影响,实现了联络断面功率的灵活调配。利用实时数字仿真器(RTDS)进行了机网协调装置和稳控装置的硬件闭环动模试验。给出了DIgSILENT仿真与RTDS仿真结果的对比,验证了DIgSILENT仿真机网协调控制的准确性和有效性。     

电网特性对光伏电站并网的影响

针对光伏电站并网问题,分析了并网接入点的系统电压变化因素,通过建立光伏电站并网的戴维南等效电路及进一步推导,得出了系统短路容量与光伏电站极限规划设计容量及并网点电压之间的简明关系。分析结果表明：可以利用光伏电站待接入的并网点系统短路容量这一电网特性简单估算待并入光伏电站的极限设计容量大小及并网点电压的变化大小,为今后更好地规划设计光伏电站及电力系统的安全稳定运行提供参考。     

微网中分布式电源变动对其谐波的影响分析

为了掌握微网中谐波的变化规律,降低谐波危害,基于DIgSILENT/Power Factory仿真平台,搭建了适合于谐波分析的微网模型。仿真分析了分布式电源在不同容量、不同接入位置微网系统的谐波变化,并通过风电和光伏两种分布式电源进行验证,发现了微网谐波变化的一定规律,给出了相关建议,对今后的微网谐波治理工作具有一定的参考价值。     

新能源接入电网的断面传输方式聚类分析

传统电网运行方式下制定输电断面限额时,为保证安全性,主要考虑最严重电网运行方式。这种处理方式不能适应高占比新能源电网运行方式复杂多变的特点,存在包含运行方式情景不足和安全裕度过大等问题。为此,提出新能源接入电网的断面传输方式聚类分析方法。首先,基于历史统计信息找出电网关键断面,并通过相关性分析挖掘出影响电网关键通道传输能力的关联因素;然后,根据关联度指标对关键因素进行排序,并根据排序靠前的关键因素对电网运行方式进行聚类划分;接着,依据聚类划分结果对该边界方式下各级断面输电限额进行优化,以提升电网输送能力。最后,通过中国西北电网仿真分析验证了所提方法的有效性和实用性。     

西北电网负调峰能力及受此约束的风电接纳大小分析

为了更好地使用风电再生能源,使其顺利并入电网,在定义“负调峰能力”的基础上,给出了含风电接入系统的负调峰能力计算公式,据此分析了影响调峰能力的主要因素.以2014目标年西北电网为例,计算分析了该电网负调峰能力,给出了受此约束的风电接纳大小。     

BPA与DIgSILENT动态模型的比较与数据转换

鉴于DIgSILENT中缺少大规模电力系统的暂态数据,难以进行暂态仿真分析,将BPA的暂态数据转换至DIgSILENT中是一种重要且有效的方法。详细比较了BPA和DIgSILENT两种商业软件中的机电暂态模型,实现发电机和负荷的模型匹配。利用Frame和Block的双层结构,在DIgSILENT中搭建了同步机控制系统框架和模型,实现同步机控制系统的模型匹配。利用DIgSILENT支持的Python语言编写暂态数据转换程序实现数据匹配。基于模型匹配和数据匹配实现大规模电力系统数据自动转换。IEEE 3机9节点系统和411机6 613节点华东电网系统的仿真计算结果验证了数据转换的准确性和实用性。