短期负荷预测的集成改进极端学习机方法

首次将极端学习机(ELM)理论引入短期负荷预测领域,并以BFGS拟牛顿法对ELM网络左侧权值进行优化训练调整,形成基于迭代-解析的改进ELM预测模型.同时,采用集成技术Boosting算法,生成多个差异度大的改进ELM子网络,对其进行加权组合,构建了集成改进极端学习机预测模型.该模型不仅有效避免了极端学习机左侧权值随机给定的输出稳定性问题,而且克服了单一网络预测模型泛化能力较差等缺陷.     

基于正交最小二乘法模糊模型的短期负荷预测

将正交最小二乘法（OLS）模糊模型用于电力系统短期负荷预测,其推理系统模糊规则的生成、影响因素的选取和隶属度的确定均利用正交最小二乘法从历史数据中直接获得,从而克服了模糊推理系统的知识由咨询专家和经验来产生所造成的知识获取的“瓶颈”现象。相应的数学模型简洁有效。实际算例表明,该方法的预测精度较径向基网络法高0．3％－0．5％,每个模型运算仅需1s左右,具有较强的实用性。     

基于支撑向量机在线学习方法的短期负荷预测

提出了基于支撑向量机在线学习方法的短期负荷预测,该方法克服了传统的支撑向量机负荷预测当训练样本集合改变时为了保证预测精度必需重新进行训练来得到新的回归函数的缺点.充分利用支撑向量机解的稀疏性和前一次的训练结果,提出了递增和递减算法,直接修改原有回归函数的系数来得到新回归函数.实例计算表明,该方法与传统支撑向量机方法相比,具有计算速度快,推广能力强的显著特点,在相同预测精度下,计算速度提高了近两个数量级.     

一种新的配电网络重构最优流模式算法

提出了一种改进的最优流模式算法,用于解决以功率损耗为函数的网络重构问题。先从理论上推导出了在最优流模式下打开环网中的一个开关后系统功率损耗率变化的计算公式,然后以打开开关所引起的网络损增量小为启发式规则来打开关以形新的辐射网。     

交直流电力系统静态稳定性研究

本文以小振荡法分析交直流电力系统的静态稳定性。着重研究直流输电系统的控制方式、调节参数以及换流站无功补偿装置性能对静态稳定性的影响,并用灵敏度分析方法选择最佳调节参数。文中还对换流站引入TCR/TSC静止无功补偿装置进行了探讨,分析结果表明它对提高系统静态稳定性具有良好的效果。     

基于RBF神经网络和专家系统的短期负荷预测方法

深入研究了天气和特殊事件对电力负荷的影响,建立了结合径向基（RBF）神经网络和专家系统来进行短期负荷预测的模型。利用RBF神经网络的非线性逼近能力预测出日负荷曲线,然后利用专家系统根据天气因素或特殊事件对负荷曲线进行修正,使其在天气突变等情况下也能达到较高的预测精度。利用该模型编制的实用化软件在西北电网的多个电力局投入实际应用,结果表明：该方法用BP神经网络相比,具有较高的预测精度,同时具有较强的实用性。     

考虑设备状态和系统风险的输电设备检修计划

为了实现以设备状态为基础、系统运行风险最低为目标的先进检修模式,根据我国输变电设备状态评估的打分制体系,建立了估计设备故障率的最小二乘数学模型;分析了现有用灵敏度指标来评价设备重要度的方法,提出以设备当前状态给系统带来的风险增量作为重要度评价指标;考虑系统负荷和设备状态的时序变化,建立了以系统电量不足期望最小为目标函数的输电设备检修计划模型.对RTS-79标准系统的计算分析表明,风险增量指标的评价结果比灵敏度指标合理,据此所制定的检修计划可使检修规划期内的系统风险最低.     

利用增量二次规划和启发式方法的电力系统动态无功优化

针对电力系统动态无功优化数学模型存在优化过程长、收敛稳定性差的问题,导出了以控制变量增量为求解变量的电力系统动态无功优化的二次规划模型,并以具有有限次迭代收敛的Lemke算法求解,这样的动态无功优化控制计算量小,非常适合于对计算速度和算法稳定性要求高的动态无功优化控制问题.针对控制变量控制次数约束,采用启发式归并方法对其进行约束限制,有效避免了将控制变量动作次数约束纳入优化过程的复杂性.实际算例表明,文中方法不仅运算速度快,且收敛稳定性好.     

交直流电力系统无功综合优化补偿研究

将交直流电力系统作为一个统一的整体，提出了一种进行无功综合优化补偿的计算方法，在保证电力系统各种运行方式匠电压的要求下，以补偿设备投资最小为目标，与系统中现有调压手段充分配合，在配置计算的同时，进行静态安全校验，通过算例的计算和分析，证实了这种方法所得出的补偿方案更为经济合理。