基于GIS的业扩报装优化与决策系统设计

业扩报装是供电企业营销和配网管理的一项重要工作,对形成并维持良好的配网结构、保证配网供电可靠性、提高配网资源利用效率等具有十分重要的意义。电力系统中,负荷和电力设备都是在较大的空间中广泛分布的;配网电压等级低,经济供电距离短,对空间数据的依赖性强。充分利用地理信息系统(GIS)管理空间数据的能力,建立业扩报装优化与辅助决策支撑平台,提出完整的基于GIS的业扩报装优化与决策系统功能设计。分析了GIS平台应整合的数据,按照变电站、馈线、设备3个层次,采用面向对象的方法集成预测信息、运行信息、设备台账信息和空间信息;提出了完整的业扩报装辅助决策流程,设计了业扩报装中每项决策信息的优化决策方法和辅助决策功能,包括所接入变电站、馈线、配电室等3个主要决策内容。采用该系统可提高供电企业的业扩报装水平,防止形成供电范围交叉,防止各条中压配网线路负载不均并减少负荷矩,降低规划建设人员工作量等。     

一种基于数据挖掘的馈线可装容量模型分析方法

馈线作为配网运行最关键的设备之一,评估馈线供电能力是保障配网运行的重要手段。本文通过引入馈线组负荷同时系数和需要系数两个参数,构建计算模型,求解馈线可装容量以评估馈线供电能力。首先,通过聚类分析和神经网络预测等方法预测馈线组负荷同时系数。然后,将馈线各负荷根据其实际接入容量情况分为饱和负荷和未饱和负荷,采用灰色预测和神经网络相结合的组合预测方法计算未饱和负荷的需要系数。最后,将预测得到的两个系数代入馈线可装容量计算模型进行求解。实际算例分析表明:所提方法的计算结果具有一定的预测趋势,充分利用了馈线载流量,并兼顾了配电网运行的可靠性,对于指导电网营销部门业扩报装工作具有重要意义。     

基于线性回归分析的度夏电网特性研究

用电负荷与气温关联分析是开展负荷精准预测的前提与基础,已有大量研究成果。本文研究构建气温与用电负荷之间的线性关联模型,进而对配网故障报修工单量与用电负荷之间关联关系进行建模研究。采用全省2017年度夏大负荷期间的气温、用电负荷、故障报修工单量等明细数据,开展数据挖掘分析,建立线性回归数理模型,为用电负荷增长预测、故障报修工单研判、配网运行薄弱点分析等工作的进一步深化细化提供模型支撑。     

新建居住区用电报装容量计算方法

为在配电网规划阶段提高地块用电报装容量的快速预测效率和精准度,针对传统方法存在统计工作量大、误差大、计算时序滞后的问题,从传统新建居住区用电报装容量计算方法入手,研究居住区用电报装容量与建筑面积之间的相关性,提出运用回归分析方法计算新建居住区的用电报装容量。通过应用回归方程式计算,用电报装容量精准度的相对误差控制在8.5%以内,实例验证该方法有效。该计算方法是一种快速预测开发地块用电报装容量的方法,可作为供电企业在配网规划阶段进行地块快速负荷预测的工具之一。     

基于馈线负荷骤降度的配电网故障研判方法

针对自动化水平低的配电线路故障停电后难以准确快速定位故障区段和停电范围的问题,提出了一种基于馈线负荷骤降度的配电网故障研判方法。该方法在馈线首端有功功率的骤降度大于一定阈值时启动,然后利用计量自动化系统中配变的历史负荷数据预测故障前馈线上各配变的有功功率,并计算馈线上各开关的负荷占比。通过比较馈线负荷骤降度与各开关负荷占比值,判断故障跳闸开关及停电范围。工程实例的分析结果表明,该方法能够准确定位故障跳闸开关,实时性好,为配电网提供了一种不依赖配电网自动化系统的新的故障研判手段。     

基于短期相关性和负荷增长的中长期负荷预测

现有中长期负荷预测非线性模型存在预测困难及精度偏低且不稳定的问题。文中提出了一种基于短期相关性和年度负荷增长的预测方法,将非线性问题转化为线性问题来解决。该方法首先根据上一年相邻点和相邻周负荷之间的短期相关性构建线性回归模型;然后采用递归的方法计算出下一年各周所有负荷点的预测值;最后考虑年度负荷增长,对预测值进行修正得到最终预测结果。结合实际电网数据验证了该方法的有效性和实用性,为中长期负荷预测提供了一条可行的新思路。     

基于多源数据融合的配网负荷均衡技术

为了解决配网中普遍存在的馈线重过载问题,提出了一种基于多源数据融合的配网负荷均衡技术。首先,根据配网负荷动态特性建立了馈线重过载量化模型。其次,融合调度、营销和运检等多个业务系统的数据源,针对3种典型应用场景提出了相应的配网负荷数据集构建方法。最后,通过多种配网重构方案下重过载指数的试算与比较,确定最优的馈线负荷均衡调整方案。实际算例证明了该技术的有效性。基于该技术研发的配网负荷管理与优化辅助决策系统已实际应用于江苏配网调度及运维检修。     

基于馈线元计及负荷分级的含DG配电系统可靠性分析

为实现配网可靠性快速评估,在深刻理解经典解析法的基础上,按系统主馈线上的开关元器件进行切割划分,将分段开关或断路器视为切割边界形成馈线元,再以馈线元为单位且考虑负荷转移问题进行配网可靠性分析;并通过评估结果,按负荷重要度分级以经济效益最大化将相应馈线元加入分布式电源(DG)进行改造,以此增强配电系统内重点电力用户供电可靠性,降低网内负荷持续停电经济损失。以RBTS-BUS 6系统进行算例分析,算例结果验证了本文提出方法的有效性。     

考虑业扩报装的相关向量机月度负荷预测方法

针对传统月度负荷预测方法缺乏考虑负荷内在影响因素的问题,该文提出了考虑业扩报装的相关向量机月度负荷预测方法。该方法通过生长曲线拟合和k-均值聚类研究业扩报装后的用电趋势,提取出逐月影响比例,计算得到对当月负荷具有实际影响的业扩增量;将实际业扩增量和历史负荷数据作为样本输入,建立基于相关向量机的负荷预测模型,同时利用粒子群优化参数和组合核函数提高模型适应度。考虑实际业扩增量、考虑未修正业扩增量以及不考虑业扩报装的预测结果比较表明,实际业扩增量对月度负荷有较重要的影响,可以有效提高预测的精度。     

基于负荷数据分析的用户侧用电感知与失电影响评估方法研究

提出一种基于调度侧配电网负荷数据分析进行负荷性质辨识与用户侧用电感知、失电影响评估的方法。利用调度自动化系统中的负荷数据,首先通过基于时间序列趋势的模糊C均值聚类方法求解馈线负荷曲线与典型负荷曲线的隶属度,判断馈线负荷性质;然后利用用户侧多维系统中历史数据,通过基于用电量积分的概率谱方法,分析线路负荷异常波动对应的用户侧实际用电感知及故障影响。实际案例分析表明:该方法能够根据调度侧负荷数据分析,正确辨识配电线路的负荷性质,精准评估用户侧失电影响,建立配网运行数据与客户用电感知之间的实时映射,辅助配网调控人员根据用户需求开展方式调整与故障处置。     

基于递归等权组合模型的中长期电力负荷预测

针对电力负荷预测中单一模型不能充分利用数据信息和对其内在规律考虑不完全的问题,文中采用基于递归等权的组合预测模型,通过灰色关联度法对多个单一模型进行筛选,并确定参与组合的模型。再由递归等权法实现了对参与组合的各单一模型的变权重处理,有效地考虑各单一模型的预测好坏的变化。最后,通过对某地区最大负荷进行预测,对比单一模型与递归等权组合预测模型的预测误差。结果表明,递归等权组合预测模型比各单一预测模型的误差都小,从而验证了该模型能有效提高电力系统负荷预测能力,其精度高、结果可靠。     

基于Hausdorff形状分类的配电网日最大负荷预测

日最大负荷及其出现时刻的准确预测是配电网经济调度与安全运行的重点关注对象。研究了各类型负荷日最大值及其出现时刻的内在规律,提出了一种联合Hausdorff负荷形状分类与去年同期节假日修正的日最大负荷及其出现时刻预测方法。首先,分析日负荷形状特性,通过Hausdorff距离算法对负荷类型进行分类。然后,分析去年同期节假日在日最大负荷及其出现时刻预测中的修正作用,并将其与近期日负荷、气温等数据一同作为预测输入。最后,基于ElasticNet线性回归算法对每类负荷单独构建日最大负荷及其出现时刻预测模型。以湖南某台区负荷数据为实例,预测该台区春节期间的日最大负荷及出现时刻,该方法的准确性与有效性在实例中得到验证。     

组合预测方法在电力系统负荷预测中的应用研究

组合预测方法是一种性能优越的预测方法。选择了电力负荷预测精度较高的两种单一预测模型——无偏灰色预测模型和时间序列预测模型,通过它们建立了三种不同的组合预测模型,对我国电力负荷进行了预测,验证了组合预测模型的优越性。最后,通过对三种组合预测模型的预测结果进行对比,选择一个最适合电力负荷历史数据的模型,通过该模型对我国社会用电量进行预测,获得了较好的预测效果。     

基于平均负荷法预测电力电量

针对目前国内有关电力市场负荷预测方法存在的问题．积极探索某一特有电网的运行规律．提出了在现有条件下通过平均负荷法预测用电量和最大负荷,并将其与数学模型函数预测法相比较,得出其具有采集数据方便、预测准确程度高、耗费时间少等特点。     

县级电力调度主变夏季最高负荷预测方法

夏季受空调负荷影响,电力负荷通常为全年最高。在某些地区可能出现主变过负荷运行情况。同时,人们对于供电可靠性和电能质量的要求逐渐提高,因此,县级电力调度机构有必要进行主变夏季最高负荷预测,提前采取措施,防止停电发生。借鉴系统级负荷预测研究,结合主变负荷特性,提出一种考虑气温和居民用电习惯变化的主变最高负荷预测方法,以求出主变夏季最高负荷的波动区间,并通过算例分析验证该方法的可行性。     

Short-term load forecasting using neural networks

An artificial neural network (ANN) model for short-term load forecasting (STLF) is presented. The proposed model is capable of forecasting the next 24-hour load profile at one time, as opposed to the usual ‘next one hour’ ANN models. The inputs to the ANN are load profiles of the two previous days and daily maximum and minimum temperature forecasts. The network is trained to learn the next day's load profile. Testing of the model with one year of data from the Greek interconnected power system resulted in a 2.66% average absolute forecast error.     

月敏感负荷预测方法研究

主要研究了敏感负荷领域中的相关问题,建立了敏感负荷预测模型,并在原季节指数预测方法的基础上,提出一种改进季节指数法用以预测月敏感负荷,与原预测方法相比,有效地提高了预测精度。根据江苏省实际负荷运行数据,对两种预测结果进行了比较。     

基于灰色马尔科夫预测模型的中长期电力负荷预测

中长期负荷预测在电网发展规划编制中占有重要地位,而其关键是数学模型的建立。本文建立了基于马尔科夫修正的灰色负荷预测模型,利用灰色预测模型对未来负荷进行预测,对预测结果采用马尔可夫链预测方法进行改进,提高其预测的准确性。采用灰色马尔科夫模型对某市用电需求负荷建立预测模型,预测了2006至2008年的用电负荷,与实际用电负荷进行对比,结果验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

基于双修正因子的模糊时间序列日最大负荷预测

天气温度变化是影响短期电力负荷预测的主要因素.为提高预测精度,引入负荷变化影响因子和气温影响因子,提出基于双修正因子的模糊时间序列预测算法.根据负荷变化趋势,提出分段预测的思想,在拐点处用负荷变化因子进行修正,然后用气温影响因子对预测结果进行二次修正.将改进的算法用于某电网夏季最大负荷的预测.数值结果表明该算法具有较高的预测精度.     

计及元胞发展程度的空间负荷预测方法

针对分类负荷在不同元胞内发展程度不同导致元胞负荷分布不均衡,从而影响空间负荷预测结果精度的问题,提出一种计及元胞发展程度的空间负荷预测方法。首先建立电力地理信息系统(GIS),在电力GIS中生成元胞,并整合基础信息,其中包括用地信息、10kV馈线的供电范围及分类负荷数据。其次求出总分类负荷密度的饱和值,再结合生长曲线揭示总分类负荷密度的发展规律。然后找到当前年各元胞内分类负荷密度在总分类负荷发展规律曲线上的位置,即为各元胞内分类负荷密度的发展程度。最后根据当前年元胞内各分类负荷密度的发展程度,结合总分类负荷密度发展规律曲线,确定目标年各元胞内分类负荷密度,再乘以元胞中每类负荷所对应的面积实现对元胞负荷值的预测。实例分析表明了该方法的正确性和有效性。