电力系统短期负荷预测精度研究

电力系统短期负荷预测精度的高低直接影响到电网运行的安全性、经济性以及电能质量,特别是随着我国电力市场的建立和不断完善,短期负荷预测在电力系统调度运营部门中的作用越来越重要。本文首先对影响电力系统负荷预测精度的因素进行了深入的分析,然后提出了提高负荷预测精度的几项措施,并对未来需要进行的工作进行了展望。     

桨叶调节对轴流式水轮机甩负荷特性影响研究

提出了轴流转桨式水轮机模型甩负荷过渡过程三维非定常数值模拟方法,采用动网格及网格重构方法实现了甩负荷过程中导叶和桨叶的动态关闭过程,获得了相关工作参数变化规律和内部流场变化情况.结果表明:计算得到的转速和测点静压变化规律与模型试验结果较一致,最大转速误差约为1.8%,验证了三维数值模拟方法的可靠性;当甩相同负荷,导叶采用相同关闭规律时,导叶关闭规律对参数变化起着决定性作用;最大向上轴向力出现在导叶关闭结束时刻,合理设置导叶关闭分段点位置将有效改善过渡过程品质;桨叶小角度关闭对抑制转速上升和压力波动作用不明显,反而会加剧轴向力波动和最大向上轴向力值,从降低最大向上轴向力防抬机角度,桨叶保持不动比桨叶小角度关闭更有利.本研究实现了桨叶与导叶双重调节的动态仿真.     

影响GCTS土水特征曲线仪试验结果的因素及曲线合理性分析

使用GCTS土水特征曲线(SWCC)仪对几种干密度的重塑黄土试样进行土水特征曲线试验,针对该仪器在使用中影响测定结果的因素:扩散气泡及气泡冲刷的频率与基质吸力的关系、含水量测定、陶土板进气值、基质吸力平衡标准问题进行讨论,分析了考虑上述因素后实测土水特征曲线的合理性,并提出了由实测数据点确定边界减湿曲线的数据处理方法.     

厌氧陶粒附着膜膨胀床启动及运行实验研究

采用载体吸附法的固定化方式培养了高活性的厌氧生物膜颗粒,并研究了反应器的启动运行、工艺特性及污泥特性等规律,探索用生物膜颗粒取代厌氧颗粒污泥的可行性,以缓解国内颗粒污泥供应不足的问题.实验装置采用厌氧附着膜膨胀床,投加人工配水,裸载体为陶粒(湿视密度1310kg·m-3,平均粒径0.32mm).实验分初次启动、二次启动及稳定运行两个阶段进行,反应器仅需24 d就可完成启动,COD容积负荷最高达到18kg·m-3·d-1,相应的COD去除率在70%～80%之间.     

浅析三相负荷不平衡对线损率的影响

线损率是供电企业的一项重要经济指标,同时,线损率也是衡量企业对于整体化管理水平的重要标志之一。配电网的线损一般要占到整个电网总线损的40%以上,一旦配电网出现三相负荷不平衡,将直接增加电能在线路的损耗比例,还会影响配电变压器和用电设备的安全运行及电压质量。那么,采取什么的方式和措施来降低配电网的线损率就显得非常重要。     

改进SFLA算法在负荷恢复优化中的应用

针对负荷恢复是一个多约束、非线性的多目标优化问题,在综合考虑多负荷点恢复优化及电压、频率、机组出力等多个约束条件的基础上,建立了负荷恢复优化模型,通过参数初始化、适应值函数等措施对蛙跳算法进行改进,然后对模型进行求解得出电力系统最大允许负荷恢复量,最后通过IEEE-19节点系统进行验证,结果表明了该算法的有效性、可行性.     

中长期电力负荷预测的几种灰色预测模型的比较及应用

对传统GM（1,1）模型,基于积分优化法的GM（1,1）模型,具有白指数律重合性的GM（1,1）模型,基于响应不变法的GM（1,1）模型,基于严格微分拟合法的GM（1,1）模型进行了详细分析比较．针对电力系统中长期负荷增长的特点,分析比较了以上5种模型的特点及其适用范围,为电力系统工作人员在年用电量预测中选择合适的灰色预测模型提供参考依据．     

灰色模型GM(1,1)在短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及其改进模型在短期电力负荷预测中的应用，提出了适合电网普通日及特殊日电力负荷预测的数据处理方法，提高了预测的精度。     

基于污染负荷指数法评价淮河(安徽段)底泥中重金属污染研究

采用电感耦合等离子体原子发射光谱法(ICP-AES)对淮河(安徽段)27个底泥样品中的重金属元素进行测试,分析了Cu,Pb,Zn,Cr,Co,V,Mn共7种元素的含量分布特征,并基于Tomlinson提出的污染负荷指数(PLI)法对重金属进行了污染评价.结果表明,淮河(安徽段)整体上受到的污染较轻微,其中只有凤台到淮南段的PLI值为1.28,属中等污染.各重金属污染程度排序为Cr>Co>Mn=Cu>Pb>Zn>V,其中Cr的含量是背景值的6.72倍,是淮河水体(安徽段)的主要污染物,其原因可能与该地区煤矿开采和电厂的污染排放有关.     

IBF神经网络电力负荷预测模型研究

运用Matlab神经网络工具箱建立了一个RBF神经网络,依据某地实际的历史电力负荷数据和天气数据作为训练样本和测试样本,进行了考虑历史天气状况因素的电力系统短期负荷的预测和仿真,预测结果平均相对误差较小,满足精度要求,并将此RBF负荷预测模型与BP神经网络建立的短期电力负荷预测模型的预测结果进行了比较,显示了在相同预测条件下,RBF神经网络相比于BP神经网络在电力系统短期负荷预测方面的优越性．