基于LTC-RNN模型的中长期电力负荷预测方法

针对中长期电力负荷预测受限于天气、温度、节假日等多重不确定性因素影响而精度不高的难题,本文采用一种基于液体时间常数的递归神经网络,实现了中长期电力负荷的精准预测,为电力系统规划设计奠定较好基础．基于液体时间常数的递归神经网络使用膜积分器改进了神经元的状态方程,并使用半隐式欧拉算法完成对神经元状态迭代更新,解决递归神经网络的自我修正能力弱和易陷入局部最优的问题．本文以天气、温度、节假日等外在影响因素作为网络输入,构建了以递归神经网络为基础架构的中长期电力负荷预测模型,并通过隐藏层的扩展计算获得输入-输出的映射关系,以通过时间的反向传播算法实现对模型的训练,完成对神经网络参数的优化．实验中,以北方某地区的实际电网数据为例,验证该预测方法的准确性与高效性．研究结果发现,基于液体时间常数的递归神经网络对中长期电力负荷的预测准确率可达到95.3%．本模型相较于长短期记忆和连续时间递归神经网络具有更稳定的训练结果与更高的预测准确度．     

考虑价格激励的电动汽车最优有序充放电策略

针对电动汽车的无序充放电操作给配电网造成电压、谐波等诸多问题,提出一种考虑价格激励的电动汽车最优有序充放电策略;首先,考虑峰谷电价差,从电价成本角度对电动汽车充电和放电的电价上、下限进行定量分析;其次,考虑电网稳定性以及不同时段内用户进行充放电的成本与收益,将峰谷差率最小和用户日平均充电成本最小作为优化目标,构建考虑价...     

智能配电网态势感知实现效果综合评估模型

作为衡量配电网智能化水平的重要途径,智能配电网态势感知已成为保证配电网安全、稳定运行的关键技术.针对配电网设备多样、运行多态而态势感知差异大的特征,为实现对智能配电网态势感知实现效果的定量分析,本文建立了智能配电网态势感知实现效果综合评估模型,包括综合评估指标体系和评估方法.其中,综合评估指标体系包括设备状态监测水平、电能质量监测水平、电网可靠性水平、电网自愈能力、电网消纳可再生能源水平5个方面一级指标,以及共计17个二级指标,实现对智能配电网态势感知实现效果的客观量化.综合评估方法方面,考虑到主观评估方法的专家意见偏好性与客观评估方法的强样本依赖性,本文采用基于二项系数方法和多目标规划方法相结合的主客观混合评估方法对综合评估指标体系进行赋权.典型配电网案例验证了该模型的可行性和实用性.本文所提出的智能配电网态势感知实现效果综合评估模型客观准确反映了配电网运行状况,消除了单一评估方法的片面性,有效提升了智能配电网的可观测度,实现了对配电网薄弱环节和潜在风险的分析,可为后续配电网态势感知领域的综合评估工作提供借鉴.