基于分布式光伏典型日曲线的负荷预测方法研究

分布式光伏电源大规模接入电网后,在实际运行的过程中很大程度上增强了电网系统的电源支撑,但也在一定程度上增加了电网负荷预测的难度。在电网实际运行的过程中,负荷预测是保障电力系统安全稳定经济运行极为重要的一项内容,因此需不断改进负荷预测工作,提升电网调度运行水平。分布式光伏在实际运行过程中,电力资源数据的采集具有一定的难度,因此需对分布式光伏典型日曲线的负荷预测方法进行探究分析,以此提升整体负荷预测的有效性及精准度。

基于FCM配电侧典型电力日负荷曲线分类研究

关于典型电力日负荷曲线,利用模糊C均值(FCM)的聚类方法,通过对典型工作日负荷历史数据进行聚类,得到典型工作日季节性电力日负荷曲线。该典型电力日负荷曲线对于负荷预测、控制、用电异常甚至是电价目录制定和开发营销策略等都有着指导作用。

采用分形插值的典型日负荷曲线改进预测方法

提出了一种结合粒子群算法的改进分形预测方法。针对各年典型日负荷曲线形态相近且具有上移趋势的特点,采用调整向量来描述该趋势,在生成迭代函数系吸引子的过程中利用粒子群算法对调整向量进行优化。针对传统分形预测中迭代初始点经验性选取的问题,提出了利用"时序平移"的思想来计算迭代初始点的方法。结合调整向量优化和时序平移思想,建立改进的分形预测模型。最后,通过实例计算说明了该方法的有效性。

一种基于语义聚类的典型日负荷曲线选取方法

将典型日负荷曲线的选取问题转化为基于统计学习的多元分类问题,利用概率潜在语义分析模型(PLSA)进行问题求解。方法首先通过K均值聚类和负荷曲线时段划分形成观测特征词和目标文档,通过阈值计算获得特征词-目标共生矩阵;然后基于Davies-Bouldin指标计算PLSA模型的最佳主题数目,并对模型参数求解获得每个目标文档中特征词的潜在主题;最后依据电力负荷曲线与特征词的对应关系形成新的聚类,并采用选取策略获得各聚类的典型日。实验表明,方法能够较好的反映节假日、气候等因素的影响,典型日选取合理可行。

基于高斯核密度估计的典型负荷曲线形态聚类算法

在电力现货市场结算过程中,获取市场化用户的实时电量至关重要。文中聚焦现货市场中非分时计量用户的电量分解,设计了一种利用典型负荷曲线获取分时电量的方法和流程。文中选取样本用户,对样本用户计量数据进行预处理后得到完整样本典型负荷曲线。然后,文中提出一种基于核密度估计聚类中心的负荷曲线聚类方法,将kmeans算法原有的均值获取聚类中心升级为高斯核密度估计获取最大概率的聚类中心进行迭代计算,并将聚类中心曲线作为典型负荷曲线对不具备分时计量的用户进行日电量划分,划分至以15 min为颗粒度的电量进行结算,运用云南省样本用户计量数据,采用传统峰平谷比例分解、传统聚类算法以及本文改进聚类算法获取的典型负荷曲线进行电量的实时分解算例分析,结果显示,文章所提的改进Kmeans算法具备更好的分类性能和较好的效率,同时所分解电量具备更高的准确性。

基于典型日负荷曲线的变电站无功补偿优化系统

变电站无功优化系统通过对变电站一段时期内负荷变化数据进行分析,得出典型日负荷曲线,并动态计算出一段时期内变电站电容器的投切时间和容量,对无功补偿方案的设定具有一定的指导意义。

运用聚类算法预测地区电网典型日负荷曲线

日负荷曲线预测是制定日调度计划等工作的基础,典型日负荷曲线的预测对电网规划设计具有重要的参考价值,其预测的准确性直接影响到电网建设和运行的经济效益。通过对历史数据的预处理、初始聚类中心的设置以及最优聚类数目的确定,建立典型日负荷曲线的聚类预测模型。基于历史数据的聚类结果以及待预测日的温度、降水量、湿度等相关参数,得出典型日负荷曲线预测结果。将该模型应用于上海电网典型日负荷曲线预测,显示聚类算法能够全面地考虑相关的因素,得到较为准确的预测结果。

基于卷积变分自编码器的日负荷曲线聚类研究

用户日用电数据可以反映用户的用电行为特征,聚类任务能够从大量运行数据中提取典型用户日负荷曲线为电力系统的规划与调度等任务提供依据。针对传统聚类方法在数据量庞大、数据维度较高的日负荷数据场景中具有效率低下、提取潜在表征困难等问题,提出基于卷积变分自编码器(variational autoencoders,VAE)的聚类方法对负荷曲线进行聚类。该方法首先通过卷积变分自编码器降维提取日负荷数据的潜在特征,并配合K-means进行负荷聚类任务,最后基于各负荷曲线与聚类中心的距离通过加权修正每一类聚类中心以得到更具代表性的典型日负荷曲线。利用UCI数据集中的葡萄牙用户实际采集数据进行算例验证,结果显示该方法的戴维森堡丁指数(Davies-Bouldin Index,DBI)相较于传统聚类方法K-means、PCA+K-means等下降明显,说明类内更加紧密,类间更加远离,提高了聚类质量。然后利用高斯距离加权改进了聚类中心,提取到更加典型日负荷曲线,使得分析用户用电行为特征更为精确。验证了卷积变分自编码器聚类方法在日负荷曲线中的有效性。

基于典型日负荷曲线的变电站无功补偿优化分析系统

变电站无功补偿控制能够实现按照不同时段、不同容量来选择投切控制方式,但投切时间及容量的确定,缺少必要的理论依据。介绍了基于典型日负荷曲线的变电站无功补偿优化分析系统,对变电站一段时期内负荷变化进行了数据分析,得出典型日负荷曲线,并动态计算出一段时期内变电站电容器较合理的投切时间和容量,对无功补偿方案的确定具有一定的指导意义。

基于改进模糊聚类的典型日负荷曲线选取方法

典型日负荷曲线对负荷调度计划以及运行控制有着重要意义,针对常用的传统典型日负荷曲线选取方法不满足目前电力市场需求的问题,提出了基于自适应因子与概率统计法相结合的改进模糊聚类算法典型日负荷曲线选取新方法,应用日负荷率、日负荷波动率等描述性特征指标,确定最优聚类数;引入模糊-离散系数,辨识样本数据中的畸变日,并予以剔除;计算日负荷与月平均负荷之间的相关系数,依据相关系数选取典型日负荷曲线。以新疆电网2015年1月份负荷数据进行实例仿真,结果表明所提方法能够准确选出典型日负荷曲线,验证了方法的可行性和有效性。

陕西省典型行业日负荷曲线拟合方法

研究行业的负荷曲线对于了解各行业的负荷特性有很大帮助,目前的研究多应用模糊C均值聚类法拟合行业日负荷曲线,然而该方法对于专业知识要求高,计算量大,实际应用难度大。首先采用随机抽样与非随机抽样相结合的方式抽取典型用户,然后从统计学原理出发,依据样本到总体的思路,计算各行业的扩大系数,进而进行行业的负荷曲线拟合,并采用负控系统采集的大量实际用户日负荷曲线进行应用检验。实际应用表明,本文所提出的行业负荷曲线拟合方法能很好地描述实际情况,且应用简便。

典型日负荷曲线预测的一种简单方法

在介绍负荷预测方法的基础上,通过分析日负荷曲线,得出日负荷率与日负荷曲线的内在规律,提出了一种简单实用的典型日负荷曲线预测的新方法,此方法不用复杂的数学方法和模型,通过实例计算,表明该方法简便有效。

基于分布式光伏典型日曲线的统调负荷预测方法

电力负荷预测是电力系统的一项重要工作,分布式光伏电源大规模接入电网后极大地增加了电网负荷预测的难度。在分布式光伏电源出力数据采集汇总困难的情况下,采用选取2个特定日的统调负荷曲线相减得到差值曲线并对其进行修正的方法,近似模拟出分布式光伏电源典型日曲线。实践证明,利用分布式光伏电源典型日曲线辅助电网统调负荷预测,能够有效提高统调负荷预测的准确率。

用典型负荷曲线叠加法编制韶关地区日负荷曲线

负荷特性的调研和分析作为电力市场分析的一项基础工作,对于电力企业的经营、规划和发展越来越重要。针对韶关地区电力负荷发展的实际情况,以韶关地区各典型行业的日负荷曲线为依据,考虑到现有调度录得的日负荷曲线的不足,运用典型负荷曲线叠加法编制了韶关地区实际日负荷曲线。运用典型负荷曲线叠加法编制韶关地区日负荷曲线有利于确保韶关电网的安全稳定运行和可靠供电,促进工农业生产的快速发展。

一种多能源互补微网系统的典型日负荷曲线提取方法

典型负荷场景对多能互补微网系统规划有着十分重要的意义。针对传统的历史典型日负荷曲线数据过于保守的问题,提出一种利用DeST软件结合k-means聚类算法得到典型日负荷曲线的方法。首先对区域内各建筑体进行建模;其次通过DeST中的DeST-h求得该模型的全年负荷需求数据;最后使用k-means聚类算法对场景进行提取,得到典型的日负荷曲线。基于某规划区实际场景数据,利用所提出方法提取典型的负荷场景曲线,验证了该方法的可行性。

基于负荷曲线峰型特征的梯级水电站日前发电计划编制方法

水电站日前发电计划编制问题旨在确定次日各时段最优的机组出力与启停计划,提高发电效益和水资源利用效率。提出了一种基于负荷曲线峰型特征的梯级水电站日前发电计划编制方法:首先基于提出的典型日负荷曲线线型判别指标从历史同期日负荷过程中筛选出双峰型与单峰型的典型日负荷曲线;再对典型日负荷曲线进行放缩及调整使其满足日发电量需求并避开不可调控区;将调整后的典型日负荷曲线代入梯级水电站短期经济运行模型,采用双层嵌套优化算法计算得到不同峰型的能耗最小的日负荷曲线。以清江梯级水电站开展实例研究,结果表明:提出的典型日负荷曲线线型判别指标可有效筛选出典型的双峰型和单峰型日负荷曲线;最优的双峰型及单峰型日负荷曲线相较实际发电过程可分别节省水能3.13%及1.05%。

广东电网负荷特性典型日选取研究

日负荷曲线的预测直接影响电网建设和运行的经济效益,科学合理的选取典型日对电网规划设计具有重要的参考价值。综合考虑气候特性、省内机组出力和西电接受规模,提出典型负荷日代表月份的选取方法;对比分析典型负荷日特征与年最大负荷代表月份的日负荷特性;并根据广东电网负荷变化的实际情况,从电网调峰需求的角度出发,提出将夏季典型日分为典型工作日和双休后典型日;以2010—2015年广东电网统调负荷数据为例进行分析,建议采用双休后典型日作为调峰问题研究的基础数据,确保系统在各种运行方式下安全稳定运行。

计及温度区间的电网负荷典型日筛选方法研究

针对智能电网建设过程中需准确选择能够代表季节负荷特性典型日的要求,提出了一种计及温度区间的典型日筛选方法。在对负荷影响因素和日负荷曲线聚类分析的基础上,根据温度区间对日负荷重新分类,利用加权重心法筛选出每一类的典型日。实验结果表明,采用该方法选取的典型日是合理的、可行的,为需求响应如负荷预测、错峰管理、负荷调控等提供了有效地数据支撑。

基于非参数核密度估计和改进谱多流形聚类的负荷曲线分类研究

针对高维负荷曲线的聚类问题,提出一种基于改进谱多流形聚类的负荷曲线聚类方法,该方法包括典型日负荷曲线提取、负荷曲线聚类和聚类效果评价3个步骤。首先提取用户负荷特性指标,结合非参数核密度估计方法计算提取用户典型日负荷曲线。在改进谱多流形聚类算法中,引入时间翘曲距离度量曲线相似性,并用高斯核函数计算局部相似性,基于此构建相似性矩阵并聚类。聚类后采用多种聚类有效性指标,从聚类效果、算法稳定性和运算时间3个角度对聚类结果和算法性能进行评价。采用某地区若干用户的负荷数据作为算例样本进行聚类分析,验证了所提出的典型日负荷曲线提取方法和改进谱多流形聚类算法的合理性和优越性。

一种基于反一致自适应聚类的典型日选取方法

研究典型日负荷曲线对分析用户用电规律、辅助用电决策具有重要意义。目前典型日负荷曲线的选取方法具有不确定性和局限性,而采用聚类方法拟合日负荷曲线与实际情况存在一定误差,由此提出一种基于反一致自适应聚类的典型日选取方法。通过反一致自适应可能性C均值聚类算法求取典型日负荷曲线,然后利用样条插值修正典型日负荷曲线。由实验数据可得,该方法可相对准确的模拟典型日负荷曲线,为用户用电情况分析及预测提供依据。