混沌神经网络负荷建模的理论研究

负荷建模在电力系统稳定分析中起着十分重要的作用。在现代大电力系统条件下，系统稳定性对负荷建模提出了新的要求。该文介绍了电压稳定分析领域的静态负荷模型和动态负荷模型；在基于对电力系统中混沌现象的研究基础上，分析了传统建模方法的不足之处；阐述了将混沌理论引入神经网络算法后算法的特点并将其应用到负荷建模的研究中，建立了利用混沌神经网络理论进行负荷建模的研究中，建立了利用混沌神经网络理论进行负荷模型参数辨识的数学模型和算法，给出了利用该算法进行参数辨识的步骤。分析表明，混沌神经网络逄法可以大幅提高负荷建模的准确度。     

广域电力系统负荷整体建模方法

针对广域电力系统中负荷节点面广量大的特点,明确了广域电力系统负荷建模的思路,即充分利用广域测量信息来建立系统化评价指标,探索广域多点同步确定负荷模型参数的方法,对节点分类,对参数分级。提出了广域电力系统负荷建模的方法,即确定负荷节点分类的特征变量,进行负荷节点分类,建立系统化指标,辨识负荷参数。通过仿真算例,验证了多负荷节点同步建模的可能性和所提出的方法的有效性。最后对广域电力系统负荷建模进一步研究的内容提出了建议。     

电力系统负荷建模中的小波神经网络新技术

电力系统负荷建模对电力系统规划，运行和控制决策起着关键的作用，讨论了负荷建模的基本方法，以及电力系统负荷建模和参数辨识中的小波神经网络新技术，反映了小波变换在系统负荷建模中的应用前景。     

负荷聚合技术及其应用

用户侧可控负荷调度灵活且对用户舒适度影响较小,经聚合其参与系统调度潜力巨大,已成为国内外关注的热点。文中从负荷聚合目的出发,阐述了负荷聚合的必要性,介绍了4种被动负荷聚合方法,着重对主动负荷聚合对象分类及控制方式、主动负荷聚合建模,以及主动负荷聚合应用场景等方面的研究成果进行了综述,从负荷聚合的不确定性量化、负荷动态聚合建模和负荷聚合模型控制指令分解3个方面探讨了负荷聚合需进一步研究的方向。     

电力负荷建模研究的发展趋势

针对目前电力系统负荷建模的现状,指出电力负荷建模研究的发展趋势.在地域规模方面,从节点负荷建模向广域负荷建模发展;在负荷内涵方面,从纯粹负荷建模向广义负荷建模发展;在适用范围方面,从小范围负荷建模向广谱负荷建模发展;在建模方法方面,从单个负荷建模方法向综合负荷建模方法发展;在数据来源方面,从单个数据来源向综合利用各种数据发展.给出了一些具体的负荷建模研究的思路和建议.     

电力负荷建模研究述评

负荷模型对电力系统分析控制的重要性已受到广泛关注。文中从综合负荷的概念出发,综述了电力系统负荷建模方法、模型结构和参数辨识的最新理论和研究成果;分析了负荷模型参数分散性的原因以及模型分类和综合研究必要性,模型的验证工作是负荷建模进入实用化的关键之一,指出当前模型验证的困难所在。展望了未来负荷建模研究方向,指出应该对特殊行业和特殊用电设备的建模以其此种负荷对电网的运行分析的影响引起足够的重视。     

电压稳定研究中的负荷模型及其建模方法

综合负荷模型及其建模是电压稳定研究中最基本和最关键的问题之一。本文全面地论述了电压稳定研究中综合负荷模型的应用现状,系统地阐述了当前电压稳定分析中常用负荷模型的特点及其存在的主要问题,提出了电压稳定分析中综合负荷建模的基本要求和建模方法,对电压稳定分析及其负荷建模具有普遍的指导意义。     

电力负荷实用建模方法

将统计综合法和总体测辨法相结合,提出了一种实用的的电力负荷建模方法。将调查统计、仿真计算和动模实验相结合,为典型负荷节点建立了以实际应用的负荷静、动态模型,并进一步提出了计及网络影响的高一电压等级的负荷模型。在以上的负荷建模中还计及了补偿电容对负荷模型的影响。     

感应电动机负荷模型的静态特性分析

为进一步促进负荷建模工作的开展,对感应电动机负荷模型的静态特性进行了全面深入的研究.从电动机达到稳态时电磁转矩和机械转矩平衡的原理出发,针对不同的端电压求解其基本方程,计算求得不同端电压下电动机负荷的转差s、有功功率p、无功功率q,并进而得到了4类典型的静态s-u及p-u、q-u曲线.研究发现,不同电动机负荷模型的特性存在较大的差别,负荷建模时简化模型与实际网络应以静态特性基本一致作为必要条件.该文丰富了负荷模型有关领域的理论基础.     

电力负荷的谐波建模

电力负荷的谐波响应可以用其集总效应来描述.文章叙述了电力负荷谐波建模的研究现状;提出了通用谐波模型和利用系统辨识技术建立电力负荷谐波模型的新方法.通过对星形和三角形不同联接方式下负荷模型的分析,导出了描述三相负荷集总效应的数学表达式,并将单相负荷谐波的建模方法推广到三相负荷谐波建模.用一虚拟算例说明了三相负荷谐波建模过程中应当注意的问题.     

负荷建模的基本原则和方法

回顾了国内外电力系统负荷建模技术的发展以及负荷模型对电力系统计算分析的影响。在基于仿真计算和事故校验的电力负荷校核及调整研究、统计综合法负荷模型软件开发、电力系统负荷特性监测与辨识技术研究3个课题的研究成果基础上,提出了电力系统负荷建模的基本原则与方法。     

电力系统稳定问题研究的方法论

迄今为止,电力系统稳定问题的研究过程缺少物理验证,作者从稳定判据的取得,负荷模型的建立以及仿真和建模的原则三个方面论证了现场观测在稳定问题研究中的重要作用。     

直接优化方法及其在负荷模型参数辨识中的应用

根据负荷模型参数辨识问题的提法，提出利用简单、直观、不需要计算有关导数值、不需要一维搜索的步长加速直接优化方法进行负荷模型参数寻优，并且详述了参数寻优的过程。该方法不局限于模型的具体形式，具有广泛的适用性，特别适用于目标函数关于待辨识参数无显式表达式的模型参数辨识问题。对一实际工业用户负荷模型参数辨识表明，步长加速法优于常用的标准格式线性最小二乘法。     

粗集理论在电力系统负荷预测中的应用

电力负荷预测的准确性对于电力系统的合理规划与建设意义重大.影响负荷预测准确性的最主要因素是原始数据的不确定性.文章应用粗集理论研究了历史数据不确定性影响下的电力系统中长期负荷预测问题.在结合具体实例的基础上,应用粗集理论给出了从负荷预测建模、缺失数据补齐、有效数据筛选到决策规则生成、最终得出负荷预测结果的一完整的预测过程.算例分析表明,应用粗集理论解决数据不确定性影响下的电力负荷预测是可行的.     

基于支持向量机回归的电力系统负荷建模

支持向量机（SVM）是当前一种比较流行的学习机,具有良好的理论背景,从结构风险最小化原则出发以快速寻找到全局最优的特点。针对当前负荷建模的不足,提出了运用SVM回归来进行电力系统的非机理负荷建模．并给出了负荷建模的具体步骤。与人工神经网络（ANN）对同一个线路负荷进行建模结果比较表明．基于SVM回归的建模效果优于ANN的建模结果,证明了运用SVM的回归进行电力系统负荷建模的可行性．也为电力系统的负荷建模提供了新的思路和方法,     

差分方程负荷模型参数分散性的研究

大量现场实测负荷数据和动模数据的辨识结果表明:同一负荷成分在不同扰动情况下的负荷特性数据辨识结果不稳定,有时甚至相差十几倍到百倍,也就是说,模型参数存在较大的分散性。文中对差分方程负荷模型参数的分散性进行了较为深入的研究,指出了导致模型参数分散的根本原因是:模型结构选择不正确,不真实以及负荷噪声的存在,提出了一种有效的解决负荷模型参数分散性问题的方法——负荷特性综合方法,并通过动模实验的建模实例验证了该方法的有效性和可行性。     

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.