基于概念格的神经网络日最大负荷预测输入参数选择

针对电力系统中影响负荷预测精度的众多因素如何选择问题,提出一种概念格属性约简算法,采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输入参数,降低了输入参数规模,确保了负荷预测模型输入参数的合理性,解决了神经网络模型输入参数的确定问题.通过对重庆市某区实际日最大负荷数据的计算分析,结果表明该算法提高...     

属性约简在空间电力负荷预测中的应用

空间电力负荷预测是一个将总量负荷预测分配到供电小区的过程,涉及空间信息量多,影响其未来小区使用的因素也多,这就需要大量的存储空间和较长的运算时间.粗糙集是一种新型的数据分析方法,属性约简是其主要算法,它不需提供问题所需处理的数据集合之外的任何辅助信息.因此采用粗糙集(Rough Set)区分矩阵法对空间电力负荷预测中可能影响小区用地决策的相关属性进行约简,去除冗余属性,得出决定小区用地类型的决策规则,取得了较好的效果,提高了整个负荷预测效率.     

数据挖掘在电力负荷坏数据智能辨识与修正中的应用

负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理.本文采用基于加权核函数的模糊C均值聚类的改进算法-WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不相似性测度函数,减小了计算复杂度.对数据进行聚类之后,采用收敛速度快、模式分类能力强的超圆神经元网络数据辨识模型,并对识别出的坏数据进行修正,实例证明本文提出的数据处理模型具有较好的效果.     

基于启发式搜索和模糊评价算法的配电网故障恢复

为快速恢复非故障失电区的供电,提出了一种基于启发式搜索和模糊评价的配电网故障后多目标快速供电恢复算法。算法首先从寻找有效的联络开关和分段开关开始搜索供电路径,通过潮流计算剔除不符合系统运行约束的开关组合。将恢复步骤分为自馈线恢复、整区恢复、分区恢复、转移负荷恢复和切负荷恢复,考虑了开关操作次数和用户优先级别,得出初始供电恢复方案。然后,引入模糊评价,从最少开关操作次数、负荷转移量、馈线容量裕度和最大电压降4个方面衡量候选方案,并根据实际情况为其赋予不同的权重,通过加权值的大小选择最佳的供电方案作为最终的方案。最后,算例分析证明了所提恢复算法的可行性和高效性。     

改进遗传算法在分布式电源选址定容中的应用

提出了基于节点号的Prüfer数编码遗传算法用于分布式电源的选址定容和配电网结构协同优化规划。利用图论生成配电网运行时理论上可行的树型拓扑结构对其按Prüfer数原理编码;用整数编码方式对分布式电源的接入节点和安装容量进行编码使配电网的结构优化和分布式电源选址定容合并为同一染色体基因的进化问题。此编码方法使染色体长度比支路开关二进制编码方式缩短;利用Prüfer数编码的优点对算法中交叉、变异操作进行一定的限制和改进解决了其他编码方式在交叉、变异过程中容易产生非法解及修复难的问题提高了算法效率和收敛速度。最后通过实例计算验证了此算法的可行性和优越性。     

基于多种群免疫遗传算法的配电网网架规划

配电网网架规划是一个复杂的组合优化问题,传统的优化方法往往难以解决此类问题.提出一种多种群的免疫遗传算法进行配电网网架优化规划,采用多个种群针对优化目标的不同方面进行优化搜索.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,种群之间通过优秀个体转移进行交互,有效防止了种群退化,提高了种群的多样性和遗传算法的全局寻优能力.以网络年费用最小为优化目标建立配电网网架规划的数学模型,利用多种群免疫遗传算法求得优化解,通过具体实例验证了该算法的有效性.     

电力短期负荷的混沌局域关联性预测

在混沌局域预测中,相空间最近邻域点的确定通常采用欧氏距离法,其预测精度在很大程度上取决于所确定的最近邻域点性态,然而距离最近并不一定意味着预测效果最好,当该邻域存在伪近邻点或系统具有高嵌入维数时某些邻域点的演化轨迹在一步或多步后会远离预测点,究其原因是欧氏距离难以反映最邻近点与预测状态的关联程度.因此,作者提出了将欧氏距离和关联度相结合的思想,并将该方法应用于电力短期负荷预测,结果显示该方法能有效地提高预测精度.     

采用动态规划技术实现配电网恢复供电

配电网故障区域恢复供电的最佳路径实际上是故障情况下的配电网络重构．其目标主要是为了既快速恢复非故障区域供电，同时又满足线路负载容量的要求、线损最小、操作次数最少、恢复后各馈线负荷平衡、可靠性最高等条件．目前在配网自动化领域中讨论得比较多的都在如何实现快速隔离故障、快速恢复非故障区域供电的技术手段上，而对恢复路径的最优化选择的研究则鲜有所见．配电网络非故障区域恢复供电问题是近年来配电领域研究的新课题．综合采用动态规划技术及非线性多目标技术进行配电网非故障区域恢复供电的最佳路径选择，实例证明该方法简单、快速、实用、有效．     

元胞自动机时空数据模型与预测方法

对标准元胞自动机(cellular automata,CA)模型进行扩展以满足具体行业地理信息系统(GIS)平台上时空动态模拟和预测应用要求。然后以电力行业配电网空间负荷预测为具体应用,建立起了土地利用演化动态模型与电力负荷空间预测之间关系,解决了时空数据管理中空间数据离散如何与属性数据进行交互问题。模拟出城市土地利用动态发展变化过程,预测出规划区域中的各划分小区土地的未来使用类型,建立起配电网空间负荷预测时空数据模型,突破了传统时空分离电力预测的预测方法的局限。最后通过一个配电网空间负荷预测实例验证了该方法有效性。     

改进人工免疫网络算法在电力短期负荷预测中的应用

针对现有的短期负荷预测方法易陷入局部极值以及预测精度不高等缺陷,文中提出了一种基于改进免疫算法优化BP神经网络的短期智能负荷预测方法.通过利用改进的矢量距优化免疫网络,从而达到优化网络的目的.融入免疫调节原理,引入抗体浓度的概率选择式,采用自适应变化策略重新设计变异算子,利用新的变异尺度设计种群抗体,采用新的神经元适应度函数,并结合免疫网络调节的进化算法进行网络学习.实例分析表明,基于改进免疫网络优化的BP网络短期负荷预测算法比混沌算法优化BP网络算法精度更高,更具实用性.