基于交互多模型算法的电力负荷在线建模

针对现代电网在线仿真的需求,以交互多模型(interactive multiple model,IMM)算法为基本理论工具,提出一种新的电力负荷在线建模方法。首先从IMM算法的基本原理出发,建立一种新的电力负荷在线建模框架;进一步深入分析利用在线信息对各个子模型进行输入交互、条件滤波、概率更新、融合估计等具体环节,从而实现电力负荷的在线建模。该方法通过多个子模型逼近复杂的电力负荷特性,能综合利用电力负荷的离线信息和在线信息,通过不同模型的概率变化描述电力负荷的强非线性离散变化特性,因而具有较高的精度和速度。最后通过算例说明了所提方法的有效性。

基于不敏卡尔曼粒子滤波的动态电力负荷在线建模

电力负荷的时变性对电力系统实时动态仿真分析具有较大影响。为了提高实时动态仿真分析的精度,基于不敏卡尔曼粒子滤波提出一种动态电力负荷在线建模方法。针对一种指数型动态负荷模型结构,利用不敏卡尔曼粒子滤波算法对其参数进行在线辨识。通过这种方式,可以根据实时采集的量测数据在线修正动态负荷模型的参数,从而追踪电力负荷的实时变化特性。分别利用动态仿真平台和实际电力系统的量测数据进行仿真分析,结果表明了所提方法具有较高的在线参数辨识精度,并能对实际电力负荷的实时变化特性进行准确的描述。

一种跳频信号跳周期联合估计算法

针对通信对抗中的实际应用,给出了一种联合算法估计跳频信号跳周期,与传统跳周期估计方法不同,该方法通过对信号进行谱图重排变换,然后提取时频脊线并对其进行小波变换,精确定位跳变时刻,最后得到跳周期的准确估计。仿真结果表明,该方法具有较好的抗噪性能,在信噪比大于-1 db时能得到准确的参数估计。

基于国产化FMQL和ES8311的电台语音功能实现

为积极实现国产化需求,介绍基于国产化FMQL结合ES8311实现电台语音功能的技术原理和工程经验。首先介绍了电台数字板的系统设计,包括数字板上各模块的关系、语音信息的流程;其次介绍了硬件设计,包括主芯片与语音芯片间的关键信号连接关系、语音芯片的外围电路等;再次介绍了软件设计,包括语音采放功能、编解码功能、语音与波形间的接口功能、提示音功能以及一键通(Push-To-Talk,PTT)功能等;最后进行了演示验证,通过一系列实验证明语音有关的各项功能均正常。

跨省区水电参与现货市场的机制和交易策略

随着现货市场建设的不断推进,跨省区水电如何参与现货市场的机制和相应策略越来越受到业界的关注。针对跨省区水电具有独特的特性与成本模式,在中长期合约交割方面,针对跨省区水电功能性约束多、体量大、多省消纳等特点,设计了中长期合约分解曲线物理执行的机制;在日前市场方面,由于水电的成本与其耗水量对应的机会成本直接相关,设计了基于电量量价曲线的日前市场增量竞争机制。在水电交易策略方面,提出了基于水价值的跨省区水电中长期合约分解曲线制定策略和模型,使得当期的中长期合约交割充分计及未来的预期收益;针对水电缺乏边际成本参考这一难题,构建了跨省区水电日前市场增量报价决策模型,通过测算边际水价值曲线,为水电日前市场报价提供了科学决策的依据。

基于样本扩展和特征标记的节假日短期负荷预测

针对目前节假日负荷预测中有效样本缺乏的问题,基于休息日与节假日负荷特性的相似性分析,提出一种扩展样本策略,以丰富基础样本数据量;探讨了对负荷样本节假日特征属性的标记方式,并构建了一种有效的相关因素矢量;最后结合支持向量机(support vector machine,SVM)算法,对节假日负荷进行预测,以提高其预测结果的精度。算例结果表明,与传统方法相比,所提方法能够有效提高负荷预测精度,可推广应用于实践中。

市场环境下考虑多因素影响的母线负荷预测方法

电价的实时波动会对市场环境下母线负荷预测精度产生一定的影响,为此提出了一种考虑多因素影响的母线负荷预测方法。首先,利用k-means聚类算法,分选出不同类别的负荷群及其聚类中心的基准曲线;然后结合相关性分析求取影响各负荷群类别的气象敏感因素,应用支持向量机(support vector machine,SVM)模型进行回归预测,综合得到母线负荷的初步预测值;最后,结合电价弹性对初步预测值进行修正,以得到贴合未来现货市场运行的母线负荷。以广东东莞某母线数据为例进行仿真,结果证明了所提方法的有效性和实用性。

基于信息完全非合作博弈的购电商竞价模型

针对未来双边报价市场模式下的购电商竞价问题,提出了一种基于信息完全非合作博弈的竞价模型。首先借鉴发电商边际成本曲线的方式,构建了购电商简化后的竞价行为模型;其次,综合考虑各购电商自身成本、对方报价行为及电网安全运行等约束,建立了双层博弈模型,其上层模型描述了各购电商在信息完全环境下的博弈行为,下层模型描述了计及网络安全约束经济调度出清模型;最后,提出了一种强化粒子群算法求解所建双层模型。采用标准3机9节点系统验证了所提模型的有效性。

一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价方法研究

为了充分考虑需求响应对发电机组竞价策略的影响,提出了一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价模型,考虑了自身成本、对方的报价行为、需求侧用户的报价行为及电网运行等限制约束。上层模型描述了在发电商非合作信息完全博弈环境下的收益,下层模型描述了不计入网损安全约束经济调度出清。并同时提出了一种基于混合混沌萤火虫-粒子群算法的博弈理论方法求解该双层模型,用于提高算法的收敛性能及更好地反映发电商的报价行为。最后,采用标准IEEE30节点系统验证了所提算法在求解计及需求侧竞价的发电侧策略双层模型时的优越性,为计及需求侧竞价的发电机组竞价方法提供验证。

基于样本权重的深度神经网络短期电价预测方法研究——以美国PJM实际电价数据检验预测精度

电力市场环境下短期电价预测面临全新挑战,其预测结果的准确性对市场主体报价决策具有重大意义。对此,本文提出一种基于样本权重的深度神经网络(Deep Neural Network,DNN)短期电价预测方法,通过对样本进行筛选并为不同训练样本赋予相应的权重,有效提升DNN模型的电价预测精度。样本权重赋值方法的两个重要步骤为:(1)通过计算样本数据间的欧式距离衡量样本间的相关程度,并以此为依据挑选训练样本;(2)根据各训练样本数据与预测日数据之间的欧式距离为训练样本赋予不同权重,使得DNN能有选择、有重点地对训练样本进行学习。模型构建后,对2020年1月美国PJM实际电价数据进行虚拟预测,结果表明:所提方法能有效提升电价预测的准确性和可靠性,可为市场环境下市场主体提供可靠的决策依据。