基于条件生成对抗网络曲线生成的短期负荷概率预测

为指导电力系统稳定安全运行,提出一种基于条件生成对抗网络(CGAN)曲线生成的短期负荷概率预测方法。首先,以日期、温度、历史负荷等特征为输入,构建基于双向长短期记忆神经网络的日负荷关键值自适应集成预测模型。其次,采用最大信息系数方法为负荷特征赋权,基于加权K最近邻算法、加权重采样构建相似曲线数据集。然后,以负荷关键值和相似曲线数据集分别作为条件和训练集,构建基于CGAN的负荷曲线生成模型,提出数值偏差量与曲线形态偏差量修正损失函数。最后,考虑模型、噪声不确定性,构造由噪声到模型输出概率分布的映射关系,进行短期负荷概率预测。以中国华东某地区电网负荷数据为例,验证了所提方法相对于传统方法具有更高的预测精度。

一种基于数据挖掘的馈线可装容量模型分析方法

馈线作为配网运行最关键的设备之一,评估馈线供电能力是保障配网运行的重要手段。本文通过引入馈线组负荷同时系数和需要系数两个参数,构建计算模型,求解馈线可装容量以评估馈线供电能力。首先,通过聚类分析和神经网络预测等方法预测馈线组负荷同时系数。然后,将馈线各负荷根据其实际接入容量情况分为饱和负荷和未饱和负荷,采用灰色预测和神经网络相结合的组合预测方法计算未饱和负荷的需要系数。最后,将预测得到的两个系数代入馈线可装容量计算模型进行求解。实际算例分析表明:所提方法的计算结果具有一定的预测趋势,充分利用了馈线载流量,并兼顾了配电网运行的可靠性,对于指导电网营销部门业扩报装工作具有重要意义。

考虑双尺度相似性的负荷曲线集成谱聚类算法

负荷聚类可以依据形态特性差异对负荷曲线进行归类,实现用户用能行为规律分析,为需求侧响应、电网客户服务等提供重要的决策信息。文中提出一种考虑双尺度相似性的负荷曲线集成谱聚类算法。首先,为了克服欧氏距离在负荷特性相似程度度量上的局限,基于负荷差分向量的余弦距离实现负荷形态变化的相似性度量,提出一种双尺度相似性度量方式;然后,基于双尺度相似性与谱聚类算法,建立差异化基聚类模型;最后,依据聚类评价指标自适应计算基聚类模型权重,以加权一致性矩阵与谱聚类实现聚类集成。算例结果证明,所提方法可有效挖掘负荷形态特性差异,在不同数据集中性能表现稳定,具有显著的聚类有效性和鲁棒性。