基于改进灰色关联分析和CMPSO⁃LSSVM算法的短期电力负荷预测

为了提高短期负荷预测精度,提出一种基于改进灰色关联分析(IGRA)和混沌粒子群算法(CMPSO)优化最小二乘支持向量机(LSSVM)参数的短期负荷预测的方法。该预测模型首先在传统的灰色关联分析方法基础上做出改进,定义了综合灰色关联度从而选取相似日;其次,针对标准粒子群算法求解LSSVM参数优化问题时存在的易陷入局部最优的缺陷,引入混沌理论对粒子群算法加以改造,建立CMPSO⁃LSSVM预测模型;最后将该方法应用于某市2018年夏季短期负荷预测,仿真结果表明该方法不仅可以避免算法陷入局部极值,还能提高预测的精准度。

基于GRA-IBAS-BP网络的短期配电网负荷预测

针对城市配电网负荷非线性、易受多种因素影响的特点,提出一种基于灰色关联分析(GRA,Grey Relational Analysis)和改进天牛须搜索算法优化的BP网络(IBAS-BP,Improved Beetle Antennae Search-Back Propagation)的短期负荷预测模型。本文首先通过灰色关联分析选取了与待测日特征高度相关的相似日样本,然后改进了标准天牛须搜索算法参数的更新策略,并将其运用于BP网络参数的寻优过程。最后,对某市2018年夏季网供负荷数据进行实验表明,相对于传统BP神经网络,该组合方法能有效提高负荷预测精度。

MMC—HVDC直流输电线路的保护研究

MMC—HVDC(Modular Multilevel Converter—High Voltage Direct Current)直流输电系统发展的关键技术之一,就是直流侧故障的灵敏与快速识别。文中对MMC—HVDC的拓扑结构和运行原理进行分析,根据叠加原理,通过故障的附加网络对保护区内和区外故障进行分析,并利用三阶微分综合立方法提取电压和电流的故障分量。通过对故障的附加网络分析,可以得到:利用电流故障分量的极性进行区内外故障的识别,当识别为区内故障时,通过故障电压分量极性进行故障选极。经仿真验证,该方法能够快速准确地识别区内外故障,进行故障选极。

基于弹性冲击波技术的输电杆塔螺栓快速检测及定位诊断

针对输电杆塔螺栓人工定期巡视过程中存在一系列可构成电力杆塔安全隐患的问题,文中利用弹性冲击波技术实现了输电杆塔整体螺栓一次快速检测诊断及定位。通过弹性冲击波技术将输电杆塔螺栓相关的信息转化为数据,结合快速分析算法即基于熵加权的典型K-means聚类算法对输电杆塔螺栓检测的数据进行检测定位。通过Matlab软件进行实验,得出提出的算法能够快速有效地实现输电杆塔螺栓信息的快速检测与定位,达到提高输电杆塔螺栓检测效率以及可靠性,降低运营成本的目的。