特征空间闭操作驱动的短期电力负荷预测

为了获得更高的短期负荷预测精度,有必要充分考虑负荷变化趋势与区域整体用电行为模式之间的关联,提出一种特征空间闭操作驱动的短期电力负荷预测方法。在综合模型的基础上,首先利用特征提取模型将历史用电负荷分解成多个分量作为刻画区域用电行为的特征;然后使用特征选择模型对用电行为特征进行选择,减少冗余或无效特征的干扰,优化预测模型;最后将选择的特征子集作为预测模型的输入特征从而进一步估计出各时段负荷的分布。结果表明采用本方法预测精度更高。     

低压单相非线性负荷谐波特性对民用建筑供电系统的影响

随着电力电子技术的飞速发展,非线性负荷用电设备的种类、数量和用电量存在迅猛增加的趋势.这些非线性设备所产生的谐波对电力系统电能质量造成了严重的影响.本文通过测试几种常见的单相非线性负荷的谐波电流来证实它们确实是造成供电系统谐波污染的主要谐波源.同时,通过理论分析表明,即使是三相负载平衡的情况下,由于谐波的存在,中线上仍有可能有电流通过,而且有可能大于相线电流,故建筑电气设计时,导线截面的选择必须要考虑谐波电流的存在.     

基于改进型密度峰值算法的电力负荷聚类分析

在海量异质灵活资源参与含高比例新能源电网的运行调节背景下,针对用户用电特性分析的准确性、鲁棒性、计算效率的高要求问题,提出了一种基于特征指标完善和改进型密度峰值算法的电力负荷聚类分析方法。首先,通过提取9个完备的特征指标进行指标降维和完善以代替日负荷曲线组成的功率向量作为聚类输入;其次,采用熵权法对各项特征指标赋予权重保证负荷曲线的形态特征;最后,采用一种改进型密度峰值聚类算法对日负荷进行聚类分析。基于某地区实际负荷数据进行算例分析,结果表明,所提方法在鲁棒性、聚类质量等方面相比于传统电力负荷聚类算法均具有优越性,聚类结果能真实有效地反映用户的实际用电特性,为制定精准的电力用户画像、需求侧响应策略提供了态势感知基础。     

融合多元影响因素的配电台区BiLSTM负荷预测方法

配电台区负荷预测是保障电力供需平衡的关键,对电力系统的安全预警、应急维护和经济运行具有重要的指导作用．受多种耦合因素影响,面向台区负荷的中短期常规预测方法存在较大的局限性．为提高台区负荷预测方法的泛化能力,提出一种基于双向长短期记忆网络(bidirectionallongshort-termmemory,BiLSTM),并引入要素主成分分析(principalcomponentanalysis,PCA)和用电行为分析的中短期日负荷预测模型．首先,基于PCA方法提取预选的影响用电负荷外在因素的主成分,实现对包含冗余、缺失和异常信息的输入变量的降维和修正;其次,依据历史负荷数据,利用基于遗传算法(geneticalgorithm,GA)的模糊C均值(fuzzyC-means,FCM)聚类提取台区内不同用户的用电行为特征并依此划分台区内的用户集合,降低用电行为差异对预测结果的影响;然后,搭建每类用户的BiLSTM预测模型,并应用随机权重平均(stochasticweightaveraging,SWA)算法提升预测模型的泛化能力,以年为单位预测日负荷电量;最后,将每类用户的负荷预测数据进行线性...     

中长期电力负荷预测研究综述

电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一.该文对电力负荷预测的概念及分类等问题进行了简要论述,重点分析了中长期负荷预测的特点、成熟方法,对中长期负荷预测方法进行了综述,并对负荷预测问题的研究方向提出了一些建议.     

基于马尔科夫链的短期电力负荷预测

电力负荷预测是城市电网规划的基础工作之一,是保证电力系统可靠运行的前提,而保证其正确实现的关键是数学模型的建立。本文提出一种马尔科夫链和模糊聚类相结合的预测方法,对样本所属状态采用模糊划分,使得分类更加符合实际情况;利用马尔科夫链对研究对象做状态分析,根据状态转移进行预测。应用该模型对青海省某地区的短期电力负荷进行预测,并与实际用电负荷进行对比。仿真结果表明:对于各种扰动因素,预测误差范围可控制在5%以内,结果验证了马尔科夫模型对电力负荷短期预测具有较高的精度。     

基于双通道多特征融合的电力负荷智能感知方法

负荷识别是分析用户用电行为的主要工具之一.提高负荷识别的精度对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于双通道多特征融合的电力负荷智能感知方法.首先,从电器设备的基本属性出发,分析了电流、谐波、功率等数值特征以及电压-电流(V-I)轨迹图像特征对负荷识别的影响;其次,考虑了特征之间的互补性,分别采用主成分分析-神经网络(principal component analysis-back propagation,PCA-BP)算法和卷积神经网络算法将数值特征和图像特征以不同通道在高维空间进行深度融合;最后,采用Softmax分类算法对融合后的高级特征和设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果显示,所提出方法的负荷识别准确率高达94.55％.该结果充分说明了将多种特征进行高维空间融合,可以更全面、立体地反映设备的本质属性,提高算法的识别精度.     

浅谈负荷管理在电力需求侧中的运用分析

随着电力负荷管理体制的不断深化,电力负荷智能管理控制系统不仅实现用电信息的实时远程集中抄表、远程控制等基本功能,还具有购电量控制、用电稽查、线损和电力负荷分析统计、以及短期电力负荷预测等功能,为供电企业节能降损,以及提供高效优质的电能服务提高强有力的技术支持,在供配电领域中具有较大的推广应用前景,笔者提出加强电力负荷控制系统的功能扩展和开发,不断挖掘系统潜力,提升系统利用价值,使之成为有效推行需求侧管理的重要技术手段。     

采用欧式形态距离的负荷曲线近邻传播聚类方法

为提取电力负荷数据的有效信息,改善传统聚类方法在电力负荷数据中相似度衡量方式单一及聚类效果较差的问题,提出一种采用欧式形态距离的负荷曲线近邻传播(AP)聚类方法。使用五分位法将用电负荷曲线重表达为曲线形态变化特征序列,使用改进最长公共子序列算法衡量不同特征序列之间的模式匹配度,以此作为曲线之间的差异度;构造一种兼顾曲线整体分布特征和曲线形态变化特征的双尺度相似性度量方法,使用熵权法对两种特征进行自适应配比;将所提相似度衡量方法应用到AP聚类方法中,改进相似度矩阵计算方法,对用户典型日用电负荷曲线进行聚类。在标准合成时间序列数据集上进行了实验对比,结果表明:欧式形态距离度量方法能够有效区分负荷曲线的变化特征;所提方法具有较高的聚类质量和稳健性,相比其他相似度量方法,调整兰德系数提高了9.0%～43.8%,DB指标与标准集相差0.014 3,在电力实测数据集上能对用户进行合理划分。     

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K-means聚类与PSO特征优选KNN的分级负荷识别方法

针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。     

具有多种功能的电力系统潮流计算方法

本文提出了计算电力系统潮流的一种新算法,该算法利用线性模型解算潮流,在模型的处理上没有任何近似。该法在收敛性和计算速度方面优于牛顿-拉夫逊法;对于PQ分解法不易收敛的网络,亦能快速收敛;对于大多数网络的计算速度与PQ分解法相近。利用本文模型还可计算对称和不对称故障,使正常潮流和故障潮流的模型得到统一。     

一种基于模糊逻辑和神经网络的电力负荷预测方法

应用模糊理论、人工神经网络等智能技术,确定了有效的电力系统短期负荷预测方法,其中着重考虑了天气因素对电网负荷的影响,并开发了实用化的负荷在线预测软件,该软件是基于Windows的应用程序,具有开放式的结构和友好的人机接口,可用于每小时或每15min的负荷预测,测试结果表明,该方法具有良好的预测精度。     

基于树莓派的房车电池管理系统研制

为解决目前房车使用中存在的电池、 用电器的管理问题, 设计了一种以 Raspberry Pi 3B+为主控制器的房车电源管理系统, 该系统包括车载蓄电池监测模块和用电器监测模块。 电池监测模块利用电池专用监测芯片DS2438, 对电池组温度、 电压等车载蓄电池信息进行检测并统一管理, 完成单体蓄电池状态显示和故障报警提示; 用电器监测模块利用 RN8209 芯片检测房车用电器的电功率并及时通过主控制器对电器进行智能化管理。通过测试表明, 系统能准确测定电池和用电器的相关信息, 具有一定的实用性。 同时针对传统的充放电状态(SOC: State Of Charge)预测困难的问题, 提出了一种修正安时积分法,充分考虑了电池在实际使用中存在容量差的问题, 经 Matlab 仿真结果表明该方法有较高的估算精度, 可用于 SOC 估算策略。     

基于CF-MF-SE联合特征的非侵入式负荷辨识

针对目前非侵入式负荷辨识存在模型训练时间过长以及负荷特征相近的电器辨识精度不高的问题,提出了一种基于CF-MF-SE联合特征的非侵入式负荷辨识方法。以稳态电流信号为基础,通过提取峰值因数表征波形的畸变程度,采用裕度因子表征信号的平稳程度,谱熵表征频谱结构复杂程度,并结合PSO-SVM实现负荷辨识。结果表明,新方法可解决电器电流波形相近不易识别的难题,减少训练时间,有效提高识别准确率和效率。所提方法将振动信号特征作为负荷特征引入负荷辨识领域,为非侵入式负荷辨识技术的特征选取提供了新思路,其中谱熵作为对负荷敏感的关键特征,与其他特征组合可明显提高辨识率,为实际应用中负荷特征的灵活选择提供了参考。     

面向家庭用户的用电负荷分解方法

针对现有非侵入式负荷分解方法存在的问题, 结合家用电器的负荷曲线特点, 提出一种基于进制拟合算法的非侵入式负荷分解方法. 该方法较好地解决了现有方法对负荷采集设备精度要求高和无法有效处理同种电器不同工作模式下的负荷分解问题. 实验表明, 该方法可准确判断出电器的开启时间、 已运行时间和电器的工作模式, 并很好地处理了同种电器投入使用的情况. 同时, 采用低速率采样, 所需数据可直接由通用智能电表获得, 减小了成本投入, 提高了用户参与智能用电的积极性.     

基于CNN与K-means聚类的非侵入式电器负荷识别方法

针对目前非侵入式负荷监测仅能识别单个家用电器、多种家用电器同时运行识别率低的问题,提出一种基于卷积神经网络（CNN）与K-means聚类结合的非侵入式家用电器识别方法。首先,通过改进的CUSUM边沿检测算法对获取的用户用电数据进行时间检测,提取负荷发生投切事件的功率波形;其次,通过高斯滤波法对提取的功率波形进行滤波处理,并将处理后的波形转化为像素图作为负荷特征库,一部分作为训练集用来训练K-means算法改进后的CNN模型,一部分作为测试集测试模型识别的精度;最后,利用搭建的实验平台进行实际测试分析。实验结果表明,所用模型对7种家用电器的识别率均为100%,验证了模型的有效性。通过K-means算法对卷积神经网络进行改进,增大相似特性负荷特征之间的区别,提高负荷辨识的准确率,为非侵入式负荷检测技术开发提供了参考。     

电器对低压电力线载波通信信道特性的影响

为了深入分析和研究各类电器的负载阻抗特性及其对低压电力线载波通信信道特性的影响,提出一种基于矢量网络分析仪的时频2维电器阻抗测量方法,并通过该方法对各类电器在不同工作状态下的阻抗特性进行了测量,结合自下而上的电力线信道建模方法对接入不同类型电器负载的典型电力线信道场景的信道特性进行了理论分析。根据测量可得,相同的电器负载在不同空间位置分布对电力线信道特性造成的影响不同,不同的电器负载在同一位置对电力线信道特性造成的影响不同,且时变负载会导致接入该负载的电力线信道也呈现出时变特性。理论分析与测试结果表明,时频变的电器负载阻抗是影响低压电力线载波通信信道特性的关键因素之一。     

非侵入式感应电动机参数辨识

提出一种非侵入式感应电动机参数辨识的方法利用电动机起动电流在某些时段具有稳态电流圆图的特征拟合出感应电动机圆图,由感应电动机基本方程导出基于圆图进行参数辨识的数学表达式．物理实验的参数辨识结果表明：该方法具有较高的精度,简便易行;可在电力用户端口处进行,无需侵入用户内部,故它对电力负荷管理、电力节能乃至电力用户负荷动态特性的调查都有意义．