基于Holt-Winter超短期负荷预测的配电网状态估计算法

针对配电网实时量测数量的不足,提出一种基于Holt-Winter模型进行超短期负荷预测的配电网动态状态估计算法.该方法首先利用Holt-Winter模型进行超短期负荷预测,然后把配电网中的原始数据与预测值进行三次样条插值,从而获得负荷的伪量测值,将此伪量测输入到状态估计模块中,实现了系统状态的实时跟踪预测.通过英国标准配网系统(UKGDS)中16节点模型的仿真结果表明,该算法提高了配电网状态估计的精度,具有一定的现实意义和理论价值.     

配网非量测负荷及风机出力期望值估算

未来配电网量测系统将呈现多采集、不完全量测的特点,而已有方法不能充分利用可采集的实时量测,影响非量测负荷建立估算精度,进而降低配网分析和计算的准确性.对此,利用所有实时量测的非量测负荷估算模型,并提出基于蒙特卡洛模拟技术的求解方法,即多次模拟非量测负荷值,取潮流计算结果与实时量测最接近的多组模拟结果的期望值.另外,通过支路功率方向的判别,可提高无实时量测风机出力估算精度.算例结果对比验证了算法的准确性和实用性.     

基于综合故障率的配电网实时风险评估

针对现有故障率计算模型不能同时兼顾设备运行状态和网架结构对设备故障率的影响,以及配电网的风险评估模型不能有效反映设备的实时状态等问题,提出了一种基于综合故障率的配电网实时风险评估方法.该方法考虑了主要故障因素之间的协同作用,对原有的状态评价模型进行改进,将计算准确的设备故障率代入基于健康指数的实时故障率模型中,拟合得到待定系数,根据在线监测数据计算设备在渐变性因素影响下的故障率,根据待评估配电设备所处环境突发性因素的实时强度、装备水平和网架结构水平,计算突发性潜在故障率和综合故障率.采用馈线分区的方法计算各负荷点的实时停电概率和停电风险,并通过广州地区的实例分析找到了配电设备和负荷点的薄弱环节.     

基于负荷分类评估的配电网可靠性分析方法

快速准确的可靠性评估技术对提高配电网运行水平至关重要.本文在传统配电网可靠性评估基础上,针对具有快速转供功能的含分布式电源配电网,提出了一种基于负荷分类的可靠性评估方法.该方法基于概率和抽样方法确定系统运行状态及故障或失效发生地点,将配电网分为不同类型的负荷进行分析,并考虑了含分布式电源情况下的网络重构和负荷转供等功能.该方法有效地简化了传统可靠性评估过程的复杂性,提高了分析效率,能应用于配电网的实时可靠性评估.采用改进的IEEE-RBTS Bus6系统验证了所提模型及方法的可行性.     

基于有限测量信息的加权最小二乘法在配电网状态估计中的应用

为了适应测量装置数量受限的配电网控制的需要,提出一种基于有限测量信息的配电网状态估计方法.模型中将区域配电网节点电压幅值和相角作为状态变量,测量节点电量、负荷规划数据分别作为实际测量量和伪测量量,利用加权最小二乘法权重参数的合理配置保证模型的合理性并求解.通过对英国某区域配电网实例仿真计算,结果表明:本文状态估计模型能够根据有限测量量进行网络全节点的状态估计,且平均估计误差满足实际应用要求;同时,定性描述了测量点数量、估计初值与状态估计误差的关系,为进一步探索测量点优化配置和最优状态估计求解奠定基础.     

微型同步相量测量单元在智能配电网运行状态估计中的应用

由于能源和环境的双重约束,我国将在分布式电源、电动汽车充换电设施和需求响应资源方面大力发展.首先,阐述智能配电网将呈现新的形态:间歇性和不确定性的分布式发电不断增多;配电网的运行方式多变,电力电子化明显;负荷呈现出多元化和互动性,常规的配电网量测装置与状态估计方法难以对动态特性进行准确刻画.其次,论述同步相量测量单元(PMU)功能及其在配电网状态估计中应用的必要性,并系统梳理微型同步相量测量单元和配电网状态估计技术的国内外研究现状.最后,对PMU量测特性对智能配电网状态估计性能的提升进行全面评述,针对具体关键技术提出了未来研究方向.     

配电网集成负荷估计和状态估计

负荷估计和状态估计对于配电网的管理和控制非常重要．文中提出了一种集成的负荷估计和状态估计框架．一方面提出了一种基于连接机制的事例推理新方法(CBCBR)用于解决配电网节点负荷估计问题,分别介绍了CBCBR的原理、结构、混合学习算法和实际应用,CBCBR具有快速、增量式、自适应学习能力；另一方面提出了一种抗差状态估计方法,同时实现了结构空间和量测空间的抗差．抗差状态估计器使用CBCBR的输出作为输入的伪量测量,同时CBCBR可使用抗差估计器的输出改善其自身性能．所提集成的负荷估计和状态估计框架能有效抵御坏数据的影响,并可实现自适应性调节．使用33节点系统测试所提方法,所用节点数据来自实际系统,算例结果证明了读方法的有效性．     

基于鸽群优化算法的含分布式电源配电网状态估计

随着配电网中分布式电源比例不断增加,对配电网的运行管理模式提出了更高的要求,为了能够保证配电网运行的可靠性和经济性,针对含分布式电源配电网的特点,基于鸽群优化算法,提出这类配电网的状态估计方法。以配电网中分布式电源和负荷的有功功率为状态变量,以状态变量与量测量差值的平方和最小作为目标函数,以潮流方程作为等式约束,以状态变量上下限值作为不等式约束,构建了含分布式电源配电网状态估计优化模型。采用鸽群优化算法和遗传算法分别求解了所构优化模型的最优解,算例表明,依据磁场、太阳和地标模拟鸽群自主归巢行为的鸽群优化算法,能获得比遗传算法估计精度更高的状态估计结果,可为含分布式电源配电网状态估计提供一个新途径。     

中压配电网三相可信量测优化配置

针对当前中压配电网量测系统远不能满足网络状态实时准确感知要求的问题,提出一种中压配电网三相可信量测优化配置方法;以三相状态估计误差总方差作为状态估计精度指标,建立三相可信量测优化配置模型,通过Cholesky分解将目标函数采用决策变量显式进行表达,从而可调用成熟的优化软件实现快速求解;采用13节点和37节点配电系统标准算例进行改进和仿真测试。结果表明,本文中所提方法可兼顾求解质量和速度,能够快速求得高质量的可信量测配置方案。     

基于知识图谱的主动配电网电压控制策略

随着新能源大规模接入以及负荷的随机波动性,对配电网的电能质量提出了更高的挑战及要求。主动配电网控制无功调压设备抑制电压波动通常转化为混合整数规划问题,难以做到实时控制且需频繁进行复杂计算。本文从历史数据中提取源荷状态,生成基于二阶锥最优潮流模型的电压控制策略,构建以调压装置状态、系统数据与控制策略为核心实体的配电网电压控制知识图谱;在实时电压控制时,基于控制策略子图匹配及数据检索算法,以当前网络状态匹配知识图谱中相似状态,进行安全校验和优化求解,并更新知识图谱中的状态策略。同时,在无功设备调节过程中增加人机交互环节,对于时间尺度、电压及设备动作及关键点电压实现精准控制。基于改进IEEE系统算例的仿真结果表明,所提出的基于电压控制策略知识图谱的检索方法及交互策略能够有效提升配电网无功电压控制策略生成效率,并具有不同场景适用性。     

MapReduce框架下基于线性回归的短期负荷预测

为解决负荷预测时因数据量大、数据种类繁多带来的计算速度慢、预测精度低等问题,在MapReduce并行编程框架下,提出基于小批量随机梯度下降法的线性回归模型.首先,为清理智能配电终端产生的重复数据和不良数据,提出利用自适应近邻排序算法清除重复记录的数据,并利用K均值聚类的方法剔除异常数据和记录不完整的数据,然后利用F检验法来检验该数据集能否线性表征负荷,再利用T检验法检验特性向量与负荷间线性关系的显著性,并剔除与负荷线性关系较弱的特性向量.根据以上方法建立短期负荷预测模型,并将其用在甘肃武威某区域配电网短期负荷预测中.结果表明,所提出的短期负荷预测模型的平均绝对百分误差为2.043%,均方根误差为3 112.62.这些预测误差满足负荷预测的要求,极大地提高了负荷计算的速度,缩短了负荷预测时间.     

基于粗集的不完备信息系统属性约简

属性约简是粗集理论研究的核心内容之一。经典粗集理论是建立在完备信息基础之上的，然而在现实中，不完备信息系统的广泛存在极大地限制了粗集理论向实用化迈进。该文基于相容关系，将分布约简、最大分布约筒、分配约简引入不完备信息系统，提出了一种新的约简——分配序约简，并讨论了几种约简之间的关系。给出了分配约简的一种启发式算法：条件信息量约简算法，分析了该算法的时间复杂度。经实验检验，该算法是有效的。     

一种基于多Agent的动态负载平衡算法应用研究

在介绍动态负载平衡算法基本原理的基础上，提出了一种基于多Agent的负载平衡算法DMAL，定义了节点机可能的4种状态，并讨论了DMAL算法的实现规则；描述了基于DMAL算法的任务调度模型；讨论了DMAL算法中任务的分类问题、任务的迁移粒度问题、负载迁移的触发时机问题；为了增强在负载平衡时处理节点间的通信能力，引入了多Agent技术，并为异构分布式处理系统提出了一种基于DMAL算法的负载平衡框架结构；最后通过实验仿真，比较了DMAL算法、现有的负载平衡算法以及不作负载平衡的运行结果．实验结果表明，基于DMAL算法的分布式处理系统工作在不同负载和应用问题数据规模的情况下，在任务的处理时间、丢弃率和平均响应比方面都显示出良好的性能，从而验证了该算法方案的可行性和有效性．     

抽水蓄能电站优化运行方式的混合遗传算法

在建立抽水蓄能电站优化运行方式计算模型的基础上，将遗传算法与领域问题的算法相结合：选择机组运行状态作为编码变量，使机组的运行状态与二进制遗传编码具有简洁对应关系，采用符合问题本身特点的基因面式杂交算子和改造的变异算子，使遗传操作更适应问题的求解；根据领域问题的性质及算法求解承担系统基荷的机组运行方式，使问题的规模得到有效压缩，应用领域问题求解的等微增率原理计算各个体因子所对应的运行机组间最优负荷分配方案，并以此计算了个体适应值，由于在遗传编码设计，遗传操作改造，问题规律压缩以及适应值计算几个方面融合了问题所涉及的领域知识，提高了算法的计算效率和全局搜索能力，形成一种适合于求解复杂约束条件下抽水蓄能电站优化运行方式的混合遗传算法。     

节点-区域关联度感知的区域数据分发算法

为了减少系统开销和降低网络负荷量,设计了节点-区域关联度感知的区域数据分发算法(RDAA-RP):首先,以时间片为周期持续记录和更新节点的区域属性;然后,计算节点对区域的权值并设置阈值作为数据转发限制条件;最后,根据权值控制不同程度关联度的节点参与完成区域数据的共享和交换.为验证RDAA-RP算法的效果,在The ONE平台进行了仿真实验,对比了在不同节点缓存大小和不同传输速度下,RDAA-RP算法、地图分区算法(SSMZ)和Epidemic算法的性能.仿真结果表明:(1)RDAA-RP算法能够在消息采集率与Epidemic算法及SSMZ算法基本相当的情况下,较大程度地降低网络负荷量,并降低消息平均缓存时间; (2)RDAA-RP算法可以有效屏蔽无关或低关联度节点数据带来的干扰,提供可靠的区域特定数据采集分发功能,实现关联节点数据共享的目标.     

基于粗集的不完备信息系统的粗糙分类和属性约简

针对不完备信息系统(含有缺省数据或不精确数据),研究它的粗糙分类;并基于相容关系,将分布约简、最大分布约简、分配约简、近似约简引入不完备信息系统;且给出了最大分布约简的一种启发式算法:条件信息量约简算法。经实验检验,该算法是有效的。     

数据分布特性对空调系统能耗预测的影响

空调系统能耗预测是实现智能调控、能源需求管理、系统节能的重要手段和前提之一,当前的空调系统能耗预测主要是基于机器学习算法。诸多机器学习算法的重要理论前提是数据的分布应尽量满足正态分布,然而空调系统的实际运行数据很少能满足正态分布特性,目前的研究鲜有涉及数据分布特性对空调系统能耗预测的影响。首先基于实际项目的空调系统能耗数据,从偏度和峰度两个指标分析了实际能耗数据分布与正态分布呈现出的偏离;然后通过对数变换对能耗数据进行数据变换,使能耗数据更接近于正态分布;接着以常见的4种能耗预测机器学习算法(广义线性回归算法、支持向量回归算法、人工神经网络算法、随机森林算法)对原始数据和经过数据变换后的数据分别进行空调系统能耗预测工作,分析负荷预测结果的RMSE和R~2统计量。结果对比发现,数据的分布特性对能耗预测有着重要的影响,合适的数据变换可以有效地提高空调系统能耗预测机器学习算法模型的预测效果。     

三相不对称相分量谐波潮流计算

随着电力系统中谐波的日益增多，单相谐波潮流计算已不能满足要求。详细讨论了三相配电网络中谐波情况下的发电机、变压器、线路、负荷的模型，尤其考虑了变压器接线方式、移相作用和非标准变比对三相不对称谐波潮流的影响，推导了变压器两侧相应的相电压、相电流关系，并针对在传统谐波潮流算法中考虑了变压器三相模型后有可能不收敛的问题，提出了一种基于支路电流前推回代的相分量谐波潮流算法。算例计算表明该算法是非常有效的。     

基于时间序列的铁路客流量预测及票额优化配置

铁路客流量受多因素影响,其时序特征明显,因此,基于平稳时间序列构建客流数据预测模型及单车次多区间票额分配模型,有利于掌握客流动态变化,改善铁路运营压力。实现特征数据抽取系统开发,进行累加、循环、筛选算法等数据预处理;运用多因子方差分析评价多种因素的显著相关性影响,通过ARMA模型进行短时旅客客流量预测,进行模型优化并检验,同时,基于线性规划构建客座率最大化的区间票额分配优化模型。     

基于相空间重构和PSO-K-means的球磨机负荷状态识别方法

针对球磨机振动信号具有强随机性、非平稳性和非线性等内在特性导致负荷状态难以识别的问题,提出一种基于相空间重构和PSO-K-means的球磨机负荷状态识别方法。首先,利用改进前后的自相关系数算法对Lorenz与Rossler两种混沌时间序列进行数值模拟,得出延迟时间和嵌入维数精准有效的计算方法;其次,验证出球磨机筒体振动信号具有混沌特性后对其时间序列进行相空间重构,恢复出等价的混沌吸引子;接着,针对3种不同负荷状态下的相空间吸引子进行特征提取,分析了关联维数特征量的变化规律;最后,将关联维数作为特征向量输入PSO-K-means聚类模型中对球磨机负荷状态进行分类与识别。结果表明,PSO-K-means聚类模型在负荷状态识别时有较高的精准性,欠负荷、正常负荷、过负荷下识别精度分别为94.2%、96.3%、94.8%。以上结果证实了该方法能够实现对球磨机负荷状态的有效识别。