基于风力条件相似度的港口电力负荷短期预测

随着港口产业经济的迅速发展,港口的电力负荷短期预测显得愈发重要。由于风速条件对于港口装卸作业的影响十分显著,因此对于计及风速的港口负荷预测的研究具有深远意义。通过结合实际负荷数据与风速数据,分析港口负荷与风速大小的相关关系,提出了基于灰色关联分析的"风力条件相似度"概念,并以此作为相似日选择的标准,将历史负荷数据和风速数据输入支持向量机预测模型进行训练和预测。以上海市洋山港为例,验证了所提出的预测方法和模型的可行性和合理性,并通过与传统的BP神经网络预测模型相比较,证明该方法和模型具有更加良好的稳定性和预测精度。

基于贡献度分层的主动配电网供电能力评估

主动配电系统(active distribution system,ADS)的供电能力(power supply capacity,PSC)受配电网络的拓扑结构、元件故障、负荷水平及分布式能源资源出力波动性等诸多不确定性因素的影响。为快速评估中长期配电网的供电能力,首先从影响中长期供电能力的因素入手,对分布式电源(distributed energy resource,DER)、负荷出力进行了不确定性建模,采用贡献度分层抽样算法进行抽样,得到具有代表性的样本,对于元件运行的不确定性,基于线路重要度进行网络不确定性建模;其次,定义了适用于中长期供电能力评估的指标;最后,采用改进的IEEE 14节点算例进行验证,通过与传统蒙特卡洛法的对比证明本文所提模型及算法的正确性和有效性。