电力系统可靠性原始参数的滚动预测和残差修正

可靠性原始参数的分析与确定是电力系统可靠性评估的基础。针对电力系统可靠性原始参数匮乏的情况,利用灰色系统小样本的特点,运用滚动预测对可靠性原始参数的预测进行残差检验,在考虑数据新陈代谢的同时又能减少计算量。并对滚动残差的变化规律作了分析,建立其单调区间的灰色预测模型,进行残差修正,补偿原有的预测数据,使预测值能更好地拟合原始数据。最后,通过实例计算和模型精度检验说明该方法有较高精度。     

基于最优有效度的电力系统可靠性原始参数的线性组合预测模型

针对电力系统可靠性原始参数缺乏和开发可靠性原始参数小样本的需要,提出了电力系统可靠性原始参数的线性组合预测模型。为了提高预测精度,分别应用灰色优化模型和Verhulst模型等改进模型进行可靠性原始参数的预测。与此同时,建立以有效度为目标函数的最优组合预测模型,并用简化的计算公式得到权系数的最优近似解,将预测值进行线性组合。基于该文所开发的预测模型的预测结果表明,组合预测模型的预测结果优于单一模型的预测结果。     

基于最优有效度的电力系统可靠性原始参数的线性组合预测模型

针对电力系统可靠性原始参数缺乏和开发可靠性原始参数小样本的需要,提出了电力系统可靠性原始参数的线性组合预测模型.为了提高预测精度,分别应用灰色优化模型和Verhulst模型等改进模型进行可靠性原始参数的预测.与此同时,建立以有效度为目标函数的最优组合预测模型,并用简化的计算公式得到权系数的最优近似解,将预测值进行线性组合.基于该文所开发的预测模型的预测结果表明,组合预测模型的预测结果优于单一模型的预测结果.     

基于改进灰色模型的短期负荷预测

短期负荷预测对电力调度部门非常重要,为提高其预测精度,提出了一种基于改进灰色模型的短期负荷预测方法。选取出若干相似日负荷序列后,对其建立灰色预测模型,并引入改进的布谷鸟优化算法,优化灰色模型中背景值参数的选取,使得灰色模型的预测精度显著提高。仿真结果验证了该方法的有效性。     

基于改进灰自助法的可靠性原始参数预测

针对电力系统可靠性评估中原始参数缺乏的问题,提出原始参数预测的改进灰自助法,它将GM(1,1)模型与自助(Bootstrap)法相结合,利用Bootstrap法产生大量再生样本,用改进灰色模型来减小误差,避免小样本特别是极小样本情况下自助法可信度不高的问题。采用改进灰自助法对算例进行仿真结果表明:在点估计、区间估计以及预测的置信度和可信度上都优于Bootstrap法以及传统的极大似然法,可信度和实用性高,解决电力系统可靠性评估解决原始数据不足的问题。     

交直流混合输电系统可靠性指标的灵敏度分析

针对电力系统可靠性原始参数的变化,根据原始参数对电力系统可靠性的影响程度不同,提出了可靠性原始参数的关键重要度的概念及其确定方法.这种算法在分析元件故障率和修复率对其可靠性原始参数的灵敏度的基础上,进行系统可靠性指标对元件可靠性原始参数的灵敏度分析,从而推导出确定原始参数的关键重要度的计算公式.通过获得元件可靠性原始参数的关键重要度信息,快捷、有效地确定系统的薄弱环节,并确定系统的增强性措施以进行可靠性优化.利用提出的算法对500kV交直流混合输电系统进行了分析,结果验证了算法的实用性和有效性.     

改进的灰色Verhulst模型在中长期负荷预测中的应用

针对中长期电力负荷预测小样本、贫信息、不确定、非线性等特点,提出了基于最小二乘支持向量机算法与等维新息技术的改进灰色Verhulst模型,并将该模型用于具有S型增长或处于饱和增长状态的中长期电力负荷预测。根据原始数据建立了灰色Verhulst模型,利用LS-SVM算法对模型中的参数进行了估计,基于等维新息递补预测法对负荷数据进行了预测。实例计算结果表明,基于该模型得到的预测结果相对误差在3%以内,与传统预测模型相比,采用文中的模型可获得更高的预测精度。     

改进的电力系统中长期负荷预测方法研究

由于电力负荷具有突变性，很多预测方法不能及时反映负荷的突然变化，对于发生转折的数据预测精度不高，而单调的灰色GM（1，1）预测并不能反映相关因素对负荷的影响。提出改进的灰色递阶模型和灰色群模模型，通过对历史数据的优化分段引进了变化的模型参数，同时将社会经济等发展指标引入，很大程度上能解决对数据突变的适应性，并反映相关因素对电力负荷的影响。将上述模型应用于所附实际算例，取得了较好的效果。     

电力负荷预测灰色模型的改进与应用

提出了对电力负荷预测的灰色模型的改进方法。运用指数平滑法将有起伏变化的原始数据序列变换成近于指数增长的新样本数据序列。然后，采用普通灰色方法进行预测，从而进一步提高了预测精度，使其适用范围更加广泛。在对保定地区电力负荷预测的实际应用中，取得了满意的结果。     

基于实时电价和加权灰色关联投影的SVM电力负荷预测

精准的电力负荷预测有助于保障电力系统的安全调度和稳定运行,支持向量机作为一种良好的预测工具被广泛应用于电力负荷预测。随着智能电网的快速发展,实时电价成为电力负荷的重要影响因素,因此在应用支持向量机进行电力负荷预测时,引入实时电价这一影响因素,同时将加权灰色关联投影算法应用于节假日的历史负荷序列的选择,并采用改进的粒子群算法优化模型参数,最终得到一种实时电力负荷预测方法。以新加坡的电力数据为例进行实时电力负荷预测,并与通过反向传播神经网络得到的预测结果进行对比,结果表明所提出的方法具有较高的精确度和稳定性。     

适应配电网网格化规划的可靠性预测方法

网格化规划是在配电网规模日益扩大的背景下提出的一种规划新模式。根据网格划分原则将供电区域划分为多个供电网格,对每个网格分别进行规划。考虑网格化规划的特点和传统可靠性评估方法的局限性,提出了基于可靠性历史数据的预测模型,主要针对原始数据信息量相对不足的规划网架进行可靠性预测。采用灰色关联分析法选取影响供电可靠性的关键因素作为预测模型的输入;为了提高预测模型的准确性,采用三种科学常用的预测模型,包括回归预测法、灰色预测法、人工神经网络法,分别预测可靠性指标;对某网格化规划区域的实例分析表明,所提模型能够有效预测规划网架未来一定时间的可靠性水平。     

电器产品的灰色灾变预测模型

灰色理论适于信息量少、数据少的问题,通过原始数列的累加生成、处理,挖掘系统的变化规律,建立灰色预测模型,对系统的未来状态作出科学的定量预测。选取性能参数数据建立灾变预测模型。以继电器产品为例,将灰色理论引入到产品性能退化可靠性研究中。结果表明,灾变预测模型较为准确地预测到失效点的出现,提高了继电器失效预测的可靠性。     

基于改进灰色GM(1,1)模型的轨道电路故障预测

ZPW-2000A轨道电路在保障列车安全运行过程中发挥着重要作用，一旦出现故障将造成不可预估的后果。因此，对轨道电路进行故障预测具有重要意义。本文提出改进的灰色GM(1,1)预测模型对轨道电路红光带现象进行预测分析，解决了传统灰色GM(1,1)预测模型预测精度低、存在一定误差等问题。通过引入弱化因子降低原始数据波动带来的预测误差，并应用矩形法对传统模型的背景权值进行优化，基于遗传算法求得约束条件下的最佳背景参数，得到改进的GM(1,1)预测模型。结合铁路局信号车间采集到的轨出电压数据验证改进预测模型的性能，结果表明，相比于传统灰色GM(1,1)模型，改进后的模型平均相对误差降低了28.3%，具有更高的预测精度和实用价值。     

基于CNGWO-LSSVM的汽轮机热耗率预测模型

为了准确计算汽轮机热耗率,提出一种改进灰狼优化算法优化最小二乘支持向量机（LSSVM）的热耗率软测量方法。首先针对灰狼算法收敛精度低的缺点提出一种混沌非线性灰狼优化算法（CNGWO）,通过Kent混沌搜索策略和非线性动态递减权值策略来改善灰狼优化算法的性能。然后利用CNGWO算法预先选择LSSVM模型参数,并建立CNGWO-LSSVM的软测量模型。以某600 MW超临界汽轮机组实时运行数据仿真实验,对具有复杂非线性的热耗率变量进行预测,预测结果表明,经过CNGWO算法优化的LSSVM模型取得了较好的预测效果,为汽轮机热耗率的精确计算提供了一种有效方法。     

基于灰色预测和神经网络的电力系统负荷预测

负荷是电力系统运行和规划的依据,准确的负荷预测有利于提高电力系统运行的经济性和可靠性。章提出了一种基于灰色预测和神经网络组合的电力系统负荷预测方法。在灰色预测中通过对历史数据作不同的取舍并经累加生成后建立不同的模型;对于灰色预测的不同结果再使用人工神经网络进行组合。具体方法是：神经网络的输入为各种灰色模型（GM）的预测,神经网络的输出为组合预测的结果。学习样本选择与预测量量近的n个已知值,学习方法使用改进的BP算法。所提方法综合了GM预测所需原始数据少、方法简单、而神经网络具有非线性的拟合能力的特点,提高了预测精度。算例表明了所提方法是可行的和有效的。     

一种基于灰预测理论的混合蛙跳算法

为提高混合蛙跳算法在优化问题求解中的性能,提出一种基于灰预测理论的改进混合蛙跳算法。该算法首先将基本算法的进化模式进行调整,强化了进化过程中全局信息的交换;之后引入移动步长变异算子,根据进化过程的不同阶段和利用灰预测理论获得进化过程中最优解进步速度,并借鉴模糊控制思想对该变异算子进行控制,进而实现移动步长的自适应调整。采用6个标准测试函数,与基本算法和已有改进算法进行性能对比分析,证明了改进后的混合蛙跳算法在收敛精度、收敛速度和收敛成功率方面的优越性及灰预测理论在算法改进领域中的可行性。最后,将改进算法应用于10 k V油浸式配电变压器优化设计工作中,验证了该改进算法的实用性。     

基于残差周期修正的灰色电价预测模型

电力市场中的电价曲线具有多周期、跳跃等特性,而呈指数增长的灰色GM(1,1)模型预测误差较大,为此,文章提出了基于残差周期修正的灰色电价预测模型。该模型不仅利用了灰色模型的优点,而且通过原始数据的平滑处理、初值条件的改进以及残差周期修正使预测曲线波动起来,使拟合曲线更加接近原始数据,大大提高了模型的预测精度。算例结果验证了该方法的可行性。     

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。