应用非线性的SETAR模型进行电力系统短期负荷预测

本文将时间序列分析中的一类非线性模型ＳＥＴＡＲ模型应用于电力系统短期负荷预测，这种模型可以描述一些非线性的时间序列，在负荷波动较大时仍能进行很好的预测，通过实例计算结果表明预测精度满足要求，同时也证实了将这一模型用于电力系统短期负荷预测是可行的。     

基于混沌理论的短期负荷局域多步预测法

分析了目前对短期负荷时间序列进行预测的加权一阶局域一步预测方法,针对其用于多步预测会产生累计误差并且计算量很大的缺点,提出了将加权一阶局域法多步预测模型用于短期负荷预测。在分析电力系统历史短期负荷时间序列混沌特性的基础上,通过将多步预测模型应用于负荷的预测,验证了该方法相对于一步预测法在计算速度和精度方面都有明显提高。     

电力系统短期负荷预测的高木-关野模型研究

电力系统短期负荷预测在电力系统的运行设计中有重要的意义，利用模糊神经网络的方法进行电力负荷预测是国际上近年来很热门的一个方向。本文在传统的BP神经网络基础上，提出了一种短期负荷预测的模糊神经网络模型一高木一关野模型，以某供电局2000年的负荷实测值建立模型，进行了负荷预测，与实际值进行比较分析表明，这一模型应用于短期负荷预测能获得较高的预测精度，具有一定的研究价值。     

采用协整检验的电力系统组合预测建模条件判定方法

对组合预测方法应用于电力系统短期负荷预测的条件进行了探讨。为了提高电力系统短期负荷预测的精度，运用计量经济学中的协整理论，对组合预测方法进行了研究，并分析了实际的负荷数据，得出应用的条件是：每种预测方法得到的预测值序列与实际负荷值序列之间应该具有协整关系，这是在电力系统短期负荷预测中采用组合预测方法的必要条件。结合实际预测数据，对协整分析方法及相关检验的实现过程进行了详细的计算说明，并对此结论的适用范围进行了介绍。     

基于分时重构混沌相空间的电力系统负荷短期预测

为了实现高精度的电力系统负荷短期预测,该文对电力系统负荷时间序列数据分时段进行相空间重构,并计算分形维数和提取最大Lyapunov指数,经分析得出了系统负荷分时序列数据的演化具有混沌特征,由此提出了短期电力系统负荷的分时重构混沌相空间预测算法,相比目前通常采用的单一时间序列混沌预测算法,该算法具有相空间嵌入维数少和模型参数配置灵活的特点,通过电力系统负荷短期预测实例验证,结果表明该算法比单一时序混沌预测算法在预测精度上有显著提高.     

基于分时重构混沌相空间的电力系统负荷短期预测

为了实现高精度的电力系统负荷短期预测,该文对电力系统负荷时间序列数据分时段进行相空间重构,并计算分形维数和提取最大Lyapunov指数,经分析得出了系统负荷分时序列数据的演化具有混沌特征,由此提出了短期电力系统负荷的分时重构混沌相空间预测算法,相比目前通常采用的单一时间序列混沌预测算法,该算法具有相空间嵌入维数少和模型参数配置灵活的特点,通过电力系统负荷短期预测实例验证,结果表明该算法比单一时序混沌预测算法在预测精度上有显著提高。     

基于LSTNet模型的配电台区短期电力负荷预测研究

短期电力负荷预测作为电力系统运行规划的重要依据，对电力系统的安全经济运行有重要意义。提出一种长期和短期时间序列网络（LSTNet）模型对配电台区的短期负荷变化进行预测。该模型用卷积神经网络（CNN）提取负荷数据间的局部依赖关系，用长短时记忆（LSTM）神经网络提取负荷数据长期变化趋势，再融合传统自回归模型解决神经网络对负荷数据极端值的不敏感问题，最后将某一配电台区的电力负荷数据用于网络的训练和预测过程中。通过仿真实验案例发现，相较于以往LSTM、双向长短时记忆神经网络（Bi-LSTM）和CNN-LSTM的预测模型，LSTNet模型在短期负荷预测方面更具优势、预测精度更高。     

基于免疫算法的超短期负荷预测方法

运用最小二乘的方法建立差分模型并用于电力系统负荷预测,并提出了基于免疫算法的组合差分预测负荷模型,将该模型应用于超短期负荷用量预测和超短期负荷曲线预测,提高了负荷预测的精确性。在实例分析中,利用以1 h为采样时间间隔的差分模型、2 h为采样时间间隔差分模型、3 h为采样时间间隔差分模型和以这前三种模型建立的基于免疫算法的组合差分模型对某市负荷数据进行了负荷用量预测和负荷曲线预测,最终预测结果验证了论文提出的负荷预测方法的有效性。     

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。     

基于EMD和干预分析的电力系统短期负荷预测

电力系统短期负荷预测受到多方面因素的影响,变化规律复杂。在将经验模态分解法(empirical mode decomposition,EMD)引入电力负荷预测领域的基础上,结合干预分析理论,构建了基于干预分析理论和EMD分解相结合的短期负荷预测模型,先应用干预分析理论将气温敏感负荷从原始负荷序列中提取出来,再对消除了气温负荷后的净化负荷序列应用EMD进行分解预测,并将模型应用于我国华东某地区电网负荷预测。算例结果表明,与不经干预分析直接进行分解预测的结果相比,本模型预测误差明显降低。     

自然分形在负荷预测中的应用

传统的负荷预测方法通常只能描述原始数据序列的长期趋势或季节性、周期性趋势等宏观行为.而对于表现微观行为的粗糙数据则难于建模.通过将原始序列分解成光滑部分和粗糙部分,在用传统方法对光滑部分进行建模的基础上以自然分形对粗糙部分进行建模,提高了预测的精度.计算实例表明该模型能很好地与原始序列拟合,且具有良好的预测效果.     

水处理的反应动力学与反应系统的物质转换

讨论了在水处理过程中的化学转换问题，对化学反应速度、反应的模型、机理和级数，反应速度模型以及反应系统中的物质转换从理论上进行了阐述，并给出了定量计算的数学表达式。     

高压直流输电动态相量建模与仿真

文中运用一种新的建模方法一基于时变傅立叶级数的动态相量(Dynamic phasors)法对HVDC进行建模和仿真。该方法通过保留系统状态变量对应的时变傅立叶级数中重要的项而对原系统进行简化，在建模过程中，用开关函数来表示阀的开关状态，换流桥每个桥臂都有3个不同状态，用它们的状态分段组合可以表示整个换流桥的状态，从而可以考虑直流换流桥的换相过程。最后通过简单的算例，将动态相量模型和详细电磁暂态(EMT)模型仿真计算结果相比较，证明HVDC的动态相量模型是精确而有效的，不仅可准确地描述HVDC在给定扰动下暂态变化过程，而且可节省计算时间。     

永磁直线同步电机的磁阻力分析及其最小化研究

该文在简要分析永磁直线同步电机的磁阻力(Detent Force)产生原理的基础上，采用半无限单端结构建立了由于边端效应产生的磁阻力分析模型，运用傅立叶级数与数值分析相结合的方法对磁阻力进行了分析。在此基础上，提出了优化初级长度从而降低磁阻力的原理与方法，并采用有限元分析进行了对比验证。     

运用动态相量法对电力电子装置建模与仿真初探

随着灵活交流输电系统(FACTS)元件在电力系统中的广泛应用，为适应针对包含电力电子器件的设备建立简单而又较准确的数学模型的需要，文中提出一种基于时变傅里叶级数的动态相量建模方法，可以适用于包含电力电子器件的元件建模。该方法通过忽略系统状态变量对应的傅里叶级数中那些不重要的项而对原系统进行简化，建模过程中保留可以反映模型本身特性的主要级数项，然后由这些保留项构成动态相量模型的状态变量。经过和详细时域模型仿真计算结果的比较，证明动态相量模型是准确的，并且可以大量节省计算时间。     

面向对象的电机通用几何模型建立及其软件实现

基于面向对象的分析和设计技术，建立了电机的通用几何模型。该模型合理地提炼出各种电机几何结构上的共有特性，按层次划分，自下而上，从简至繁地对电机结构进行合理分析和研究。用Ｖｉ－ｓｕａｌ Ｃ＾＋＋５．０开发了Ｗｉｎｄｏｗｓ系列平台的能用电机几何模型分析软件包，具有通用性强，结构规范，人机界面友好等优点。     

基于改进自适应遗传算法的空心串联电抗器优化设计

采用遗传算法对空心串联电抗器的优化设计进行了研究，给出了空心串联电抗器的优化设计模型。提出一种改进的自适应遗传算法，并设计了一种适应度线性变换方法，同时对最优保存策略作了改进。通过对有约束的测试函数进行求解，证明这些改进措施增强了遗传算法的全局寻优能力。将空心串联电抗器的优化方案与原设计方案进行比较可见电抗器的结构尺寸、重量和损耗都显著减小。     

统一潮流控制器的动态相量建模与仿真

为适应系统快速、精确仿真和分析、控制的需要，运用一种新的建模方法——基于时变傅里叶级数的动态相量法对统一潮流控制器(UPFC)进行建模和仿真。该方法通过忽略系统状态变量所对应的傅里叶级数中那些不重要的项而对原系统进行简化，并且可以有效地将系统中的连续事件和离散开关事件结合起来。在建模过程中可以根据研究需要提取出UPFC暂态模型中的直流分量和需要考虑的各次交流谐波分量。通过与详细时域模型仿真计算结果的比较，证明了UPFC的动态相量模型是精确而有效的，并且可以大大节省计算时间。     

基于GPFC模型的电力系统线路潮流控制

本文提出了一种基于广义潮流控制器模拟的电力系统线路潮流控制的统一分析方法。该方法以统一的数学模型和数据格式统一处理不同潮流控制方式下的电力系统潮流控制问题。     

基于最优可信度的月度负荷综合最优灰色神经网络预测模型

月度负荷具有增长和波动二重趋势.作者首次提出以纵向历史数据为原始序列,用灰色预测模型进行增长趋势预测;以横向历史数据为原始序列,用人工神经网络模型进行波动趋势预测的方法,并在此基础上,引入最优可信度的概念,同时考虑了月度负荷的两种趋势,建立了综合最优预测模型.该模型兼顾了前两种模型的建模特点,优于只考虑单一发展趋势负荷预测的模型.对电力负荷预测应用实例的计算结果表明,该方法明显地提高了月度负荷预测的精度,也同样适用于进行周、季负荷等具有二重趋势的负荷序列的预测.