神经网络负荷模型的综合能力研究

针对电力电子设备综合负荷模型难以用机理模型描述的现状,构造了动态综合负荷的模糊神经网络模型.该模型具有模糊推理和神经网络的优点,能很好地逼近动态负荷的模型输出.通过对已知实测建模数据的训练,分析了模糊神经网络负荷模型的前件参数、结论参数的辨识策略,阐述了模糊隶属度和模糊规则的形成过程.对负荷构成相异的4组实测变电站负荷数据,用其中1组建模数据进行训练,得出模糊模型结构和参数,用该模型去拟合其他3组数据,对模糊神经网络负荷模型的综合能力进行验证.实例表明,该模糊神经网络负荷模型不仅具有很强的自描述能力和收敛性,而且具有良好的综合描述能力.     

考虑负荷聚合商参与下的微网双层两阶段优化调度

负荷聚合商作为系统和负荷之间的新兴中介,可以对分散负荷进行管理,参与到系统协调优化中.本文针对微网系统难以调度分散的中小型负荷资源问题,引入负荷聚合商对居民负荷进行整合,建立微网双层优化模型.模型上层以微网系统经济运行成本最低为优化目标;下层采用两阶段优化方法,在负荷特性分类的基础上,负荷聚合商通过与用户签订负荷削减合...     

概率积分法预计下沉量的改进

根据实践经验，概率积分法预计存在如下缺陷，无法确定岩土体中的实际下沉边界；非充分采动时预计误差较大。通过对推导单元下沉盆地表达式的过程的分析，认为没有考虑岩土体的层状结构，没有考虑不同岩土体的破碎和断裂尺寸是导致概率积分法下沉预计缺陷的根源，通过实验研究，每一层的岩土体的破碎和断裂尺寸可以用悬臂梁的断距来确定，改进的预计模型，是将整个上覆岩体根据岩土材料性质的不同将其划分为若干部分，每一部分都采用不同的r值（由岩土体的破碎和断裂尺寸确定），采用逐步传递计算的方法，由实例计算可知，采用改进后的模型能够弥补原模型的主要缺陷。     

考虑用户舒适度补偿的空调负荷优化调度模型

通过对空调负荷这一类需求侧响应资源的调度,可以减轻分布式电源出力波动对电网运行的不利影响,促进可再生能源的消纳.本研究首先基于负荷聚合商的运行框架,分析了负荷聚合商的成本和效益,在负荷聚合商成本的组分中,提出了根据用户舒适度所确定的需求响应补偿策略;其次,本研究建立了空调负荷的温度变化模型;最后提出了空调负荷优化调度模型,该模型目标函数为空调负荷聚合商总收益最大,并考虑到了空调温度、风电波动以及聚合商收益约束.算例仿真结果表明,本研究提出的模型具有良好的经济效益,并提升了对分布式风电波动的平抑效果.     

含微型燃气轮机发电的配电网综合负荷建模

为了研究含微型燃气轮机发电(microturbine generation,MTG)的配电网综合负荷模型,建立了适合用于分布式发电仿真的MTG数学模型,提出了MTG三阶微分状态方程的等效描述模型,通过建模仿真验证了模型的有效性.在此基础上,提出了含MTG的配电网广义综合负荷模型结构——MTG等效描述模型并联传统综合负荷模型.在3种不同负荷水平、不同扰动程度条件下对该广义综合负荷模型的有效性进行了检验,验证结果表明,本文所提出的广义综合负荷模型具有较好的自描述能力、泛化能力和参数稳定性.     

断层影响下开采沉陷预计研究

在地质条件复杂,特别是遇到断层的情况下,地表沉陷的正常规律被掩盖,表现出特殊的规律性.对断层影响下的开采沉陷预计问题进行了研究,建立了基于概率积分法的预计模型.在该模型中,将开采引起断层的离层空间看成一个等效倾斜采空区,分别计算实际采空区和等效采空区对地表的影响,然后将两者叠加起来,得到地表变形.基于AutoCADVBA平台,利用该预计模型开发了预计程序.运用该程序可以预计计算出断层影响下地表的:下沉值(W)、水平移动值(U)、倾斜值(i)、曲率值(k)、水平变形值(ε).程序能以栅格或是矢量数据格式输出变形曲线.通过与实测资料对比,验证了该模型的正确性.     

电力系统短期负荷预计——时间序列的分解集合算法

电力系统短期负荷预计——时间序列的分解集合算法高晓萍单渊达阎欣（东南大学电气工程系，南京２１００１８）系统发电出力必须随时紧跟系统负荷的变化，这是对电力系统运行的基本要求．但负荷是随机变化的，特别是在不长的时段里，对负荷进行变化幅度很大时，负荷精确...     

电力系统负荷建模研究综述与展望

负荷建模研究是电力系统运行与控制中的基础性问题,既具有非常重要的理论意义,又具有 十分显著的实用价值。 在回顾已有负荷建模成果的基础上,归纳了负荷模型结构和模型参数的获 取方法,整理了负荷模型应用现状,并总结了现有负荷建模方法的不足;然后分析了负荷建模的发 展趋势,包括负荷特性重大变化对建模工作的新挑战、电网结构变化对建模工作的新需求和大数 据、人工智能快速发展带来的新机遇;最后将未来负荷建模工作总结为解决模型结构的“定性正 确冶和模型参数的“定量准确冶两步走问题,提出建立考虑主动负荷的广义综合负荷模型,并借助人 工智能技术,综合采用多种在线建模方法,构建“分类分时冶负荷模型数据库,建立负荷建模的长效 机制。     

改进PSO的WNN模型在短期负荷预测中的应用

针对电力系统负荷预测中实际的负荷数据往往具有极大的波动性,模型呈现出极大的非线性,提出一种改进粒子群优化的小波神经网络模型,将其应用于电力系统的负荷预测研究.首先,分析和介绍了小波神经网络和改进的粒子群算法的基本原理和优点;其次,将改进的PSO算法用于优化小波神经网络的参数优化;最后对改进的PSO-WNN负荷预测模型进行仿真分析.实验结果与传统PSO-WNN的实验结果进行对比,证明改进的PSO能够提高模型的运算效率和负荷预测精度.     

基于空间饱和负荷密度的城市远景饱和负荷预测

以福建省厦门市为研究对象,介绍一种基于空间饱和负荷密度的城市远景饱和负荷预测的方法.通过收集城市各分区经济发展规划信息,把各分区按功能地块统计建筑面积,分析得出各功能地块的饱和负荷密度,建立城市空间饱和负荷模型,预测出城市远景饱和负荷.该预测方法不仅能对负荷总量进行预测,还可以知道分区负荷的空间分布,为城市合理安排电网建设进程提供依据.     

基于Elman型神经网络的空调负荷预测模型

空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系，且这种关系具有动态性，因而传统方法的预测精度不高，而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点，建立了基于Elman型神经网络的空调负荷预测模型，并进行了实例预测。文中还比较了Elman网络和BP终结建模效果，仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点，说明Elman网络是一种新颖、可靠的负荷预测方法。     

注意力机制下的EMD-GRU短期电力负荷预测

为进一步提高短期电力负荷预测精度,构建一种基于注意力机制的经验模态分解(EMD)和门控循环单元(GRU)混合模型,对时间序列的短期负荷进行预测.首先,对负荷序列进行EMD,将数据重构成多个分量;再通过GRU提取各分量中时序数据的潜藏特征;经注意力机制突出关键特征后,分别对各分量进行预测;最后,将各分量的预测结果叠加,得到最终预测值.仿真结果表明:相对于BP网络模型、支持向量机(SVR)模型、GRU网络模型和EMD-GRU模型,基于EMD-GRU-Attention的混合预测模型能取得更高的预测精度,有效地提高短期电力负荷预测精度.     

供热系统负荷预测方法研究

供暖系统是一个集非线性、不确定性、时变性于一身的大系统,利用传统方法很难对城市供暖负荷进行准确预测.根据室内空气热平衡和围护结构内表面的热平衡,可以对负荷变化进行动态分析.通过调节各环境参数的组合使供热系统的能耗最小,并建立优化模型对室内环境参数进行优化组合,能够较好地解决城市集中供热负荷的预测问题,为系统的总体优化提供基础.     

基于最优组合预测模型的电力负荷预测研究

电力负荷预测是电力规划及安全运行的基础,提高预测精度是电力负荷预测研究的重点,由于负荷预测的变化性和不确定性,单一的预测模型很难满足所有的预测情况;组合预测是将各个单项预测所得的结果选取适当的权系数进行加权平均的一种预测方法;采用灰色和时间序列作为单项预测模型,然后进行最优组合建立组合预测模型进行电力系统短期负荷预测;仿真实例表明:最优组合预测模型比单项预测模型具有更高的预测精度,具有一定的优越性。     

基于VMD-LSTM-IPSO-GRU的电力负荷预测

为了挖掘电力负荷数据中的潜藏信息,提高负荷预测的精度,针对电力负荷强非线性、非平稳性等特点,提出一种基于变分模态分解(variational mode decomposition,VMD)、优化长短期神经网络(long-term and short-term memory network,LSTM)、改进的粒子群算法(improve particle swarm optimization,IPSO)优化门控循环单元(gated recurrent unit neural network,GRU)的混合预测模型。首先,使用相关性分析确定确定输入因素,再将负荷数据运用VMD算法结合样本熵分解为一系列本征模态分量(intrinsic mode fuction,IMF)和残差量,更加合理地确定分解层数和惩罚因子;其次,根据过零率将这些量划分为低频和高频,低频分量使用LSTM网络,高频分量利用IPSO-GRU网络分别进行预测;最后,将预测结果重构得到电力负荷的最终结果。仿真结果表明,相对于其它常规模型,该混合模型可有效的提取模态特征,具有更高的预测精度。     

霍尔果斯工业园区电力专项规划负荷预测分析

负荷预测是配电网规划的基础工作,是电力专项规划的核心内容.针对新建工业园区的特点,以新疆霍尔果斯经济开发区兵团分区作为案例,首先运用负荷密度法、项目统计法、平均增长率法和最大负荷利用小时数法对工业园区进行负荷预测;然后,综合4种预测方法及预测结果,采用了组合预测法得到了兵团分区供电预测负荷.预测结果表明该方法具有较大的实用价值.     

基于Haar小波与ARIMAX模型进行短期负荷预测

为了提高对非稳态负荷的预测精度,提出了基于Haar小波分析和ARIMAX模型的短期负荷预测方案。首先,通过Haar小波将高频信息序列与低频信息序列分别从电价与负荷序列中分解出来;其次,分别利用电价序列的高、低频序列对负荷序列的高、低频序列进行ARIMAX模型构建和预测;最后,将含有电价信息的高、低频负荷预测值进行Haar小波重构,得到负荷序列的预测值。通过实例验证表明,本文采用ARIMAX模型添加的电价信息,弥补了多次预测产生的误差,对短期负荷的预测精度高于传统时间序列方法。     

基于相关向量机的电力负荷中期预测

针对电力负荷中期预测比较困难并且存在较大误差的问题,提出了一种基于相关向量机的中期预测方法.结合EUNITE网络提供的实际数据,研究了日最大负荷前后期关系、日最大负荷与节假日的关系和当日与对应星期数的相关性,并建立了相应的电力负荷中期预测模型.该模型是将与某天相关的n个前期信息作为该天的日最大负荷的输入量,而日最大负荷与节假日、当日(星期数)的关系信息用两个二元值表示.在模型训练前,将输入量的前7个属性值和预测目标值进行归一化处理 采用不同训练样本集的仿真实验结果表明,相关向量机方法比支持向量机方法具有更多的优点,当高斯核函数的宽度值取为2 0时,相关向量机方法具有较为理想的预测效果.     

云计算环境下智能电网短期负荷预测方法研究

智能电网短期负荷波动性大,传统预测方法无法解决波动性问题,预测结果不准确。为此,提出一种新的云计算环境下智能电网短期负荷预测方法。介绍了支持向量机理论,将一个含有所有某类样本在内的、由支持向量支撑的球面看作超球面,分析了分位数回归过程,将支持向量机和分位数结合在一起,构建支持向量-分位数回归预测模型。得到短期负荷概率密度函数,从而实现智能电网短期负荷预测。在进行实验时,完成对功率采样值和智能电网负荷属性的归一化处理,将其转换成[0,1]区间内的数据。实验结果表明,所提方法预测精度和效率高、成本低。     

改进的季节性指数平滑法预测空调负荷分析

根据空调日总负荷和日平均气温之间的较强相关性,对经典的季节性指数平滑法预测模型中的水平因子项进行修正,并去掉趋势因子项,得到了改进的季节性指数平滑预测模型.以上海某医学中心空调系统作为该空调负荷预测模型的应用实例,在整个预测期内模型平均预测误差为8.8%.这表明改进的季节性指数平滑法适合于办公类建筑空调负荷的预测.