基于线性回归法和指数平滑法对电力负荷的预测

在计划负荷预测方面的研究中采用基础的线性规划和指数平滑法算法模型,通过对算法模型的各方面进行调试,得到可靠的预测数据提高电力系统供电可靠性。

基于改进GSO算法的变电站蓄电池组监测网络优化方法

针对当前现有变电站蓄电池组监测网络在运行中存在监测精度低、监测运行能耗大的问题,引入改进萤火虫群优化(Glowworm Swarm Optimization,GSO)算法,开展变电站蓄电池组监测网络优化方法研究。针对监测网络中的各个节点,计算运行能耗。在变电站蓄电池组监测过程中,以网络运行消耗能量最小为优化目标,完成蓄电池组监测网络优化目标函数与约束条件设计。利用改进GSO算法,对监测网络拓扑结构进行优化。实验证明,利用新优化方法优化后的监测网络的监测精度更高,且网络运行能耗得到显著降低,具有极高的应用价值。

基于改进粒子群算法的配电网扩展规划研究

传统方法在配电网扩展规划中应用效果不佳,不仅扩展投资成本比较高,而且扩展后配电网节点电压波动比较大,无法实现预期的扩展效果,因此提出基于改进粒子群算法的配电网扩展规划研究。以扩展投资成本最小、配电网净负荷量最小为目标建立双层目标函数,将2个目标函数进行整合并建立配电网扩展规划模型,对配电网电压与潮流约束设定约束条件,利用改进后的粒子群算法对规划模型求解,输出最优规划策略,以完成基于改进粒子群算法的配电网扩展规划。实验证明,该设计方法扩展投资成本比较小,节点电压标么值接近1,电压波动比较小,扩展方案经济性与稳定性良好。