基于改进ABC和IDPC-MKELM的短期电力负荷预测

为提高受外部因素影响敏感的短期电力负荷预测精度,提出了一种基于改进ABC优化密度峰值聚类和多核极限学习机的短期电力负荷预测方法。构建融合特征提取、人工蜂群算法(ABC)、密度峰值聚类(DPC)和核极限学习机(KELM)的短期电力负荷预测模型。针对ABC收敛效率不高的缺陷,设计新型蜜源搜索和蜜蜂进化方式,以提升改进ABC全局寻优能力;针对DPC截断距离与聚类中心人为设定的不足,定义邦费罗尼指数函数和聚类中心截断指标,并将改进的ABC应用于DPC参数优化过程,以实现DPC最佳聚类分析;针对KELM回归能力不强、参数选取难以确定的问题,设计多核加权KELM,并采用改进的ABC进行参数优化,以提高极限学习机预测精度。仿真结果表明,所提短期电力负荷预测方法更具有效性,平均误差低了约8.8%~39.8%。

配电网故障的可视化定位及区段划分系统分析

配电网的供电可靠性是评估电力系统运行的重要指标,当配电网发生故障时,采用故障定位及区段划分技术,可以在较小的范围内将故障加以隔离,从而不会造成整条配电线路停电,降低了配电网中的停电区域,是提高配电网供电可靠性的重要手段。本文详细分析了配电网故障的可视化定位及区段划分技术的实现原理,并介绍了配电网故障定位与区段划分系统的结构,以及系统中的主要功能,对于提高配电网故障定位和区段划分的准确性具有一定的价值。

配电网故障恢复辅助决策技术分析及应用

随着电力用户对配网供电可靠性要求的提高,加强配电网故障恢复辅助决策技术研究具有较强的必要性,可以显著缩短配电网的故障停电时长,提高电力企业的概念收益。在配电网故障恢复辅助决策技术中,需要建立配电网故障恢复辅助决策优化模型,并采取优化算法对所建立的模型进行求解,从而得出配电系统的供电故障恢复方案。本文系统分析了配电网故障恢复辅助决策技术的实现原理,并介绍了利用可视化技术开发的配电网故障恢复辅助决策系统,对于提高配电网的运行可靠性具有一定的价值。