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。

基于三次拉格朗日曲线拟合轨迹的斜置式扎穴机构研究

为更好地满足斜置式扎穴机构喷肥针的入出土轨迹姿态以及不损伤作物的农艺要求,提出基于三次拉格朗日曲线拟合扎穴轨迹的逆向设计参数优化方法,为得到理想的"杏胡形"扎穴轨迹,通过改变相对轨迹上若干型值点的坐标,控制喷肥针入出土姿态并建立喷肥针的运动学模型,采用Matlab GUI开发平台,编写了斜置式非规则齿轮行星轮系扎穴机构的逆向设计与运动学分析仿真软件,最终得到非规则齿轮行星轮系的节曲线、喷肥针的入出土角及喷肥针尖的速度随行星架转角的变化曲线。通过高速摄影试验,观察和分析了在扎穴机构不同斜置角度下喷肥针尖相对运动轨迹的变化规律。试验结果表明,随着机构斜置角度的增大,喷肥针轨迹横向尺寸不变,纵向尺寸减小,扎穴轨迹段曲线逐渐向里收缩。在保证喷肥针扎入土壤一定深度情况下,喷肥针入出土角逐渐增大,随着机构斜置角度的增大,喷肥针轨迹的穴口宽度逐渐增大。

两种静日曲线推算方法生成宇宙噪声吸收Keogram二维演化特征的比较研究

报导了2012年7月12—14日太阳活动期间,中国南极中山站成像式宇宙噪声接收机的观测结果.利用两种不同静日曲线推算方法对此次太阳活动事件中的宇宙噪声吸收进行了分析比较.结果表明,两种不同的静日曲线推算方法生成的Keogram总体呈现相似的变化特征,对强吸收区域上述两类Keogram都能得到一致的反映.但对于弱吸收区域而言,基于He等提出的静日曲线方法得到的Keogram能较好表现吸收区域轮廓并反映其空间变化特征.由于弱吸收区域往往是连接分立强吸收事件之间的通道,它的存在对于判定相邻的两次吸收事件是否相互关联以及吸收区域的运动速度至关重要,因此He等提出的静日曲线推算方法对于直观描述电离层对宇宙噪声吸收事件中的动态变化过程有更好的效果.

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。

考虑灵活性分析的典型光伏日出力率曲线提取方法

为了在电力系统灵活性分析过程中,提取对系统灵活性影响较大的典型光伏日出力率曲线,提出一种考虑灵活性分析的典型光伏日出力率曲线提取方法,确定对灵活性影响较大的光伏日发电曲线范围,利用斯皮尔曼相关系数和随机贪心算法改进K-means聚类算法,对光伏日出力率曲线进行聚类,利用灰狼算法提取典型光伏日出力率曲线。算例分析以蒙西电网2019—2022年光伏日出力数据为研究对象,结果表明,利用所提方法提取的典型光伏日出力率曲线,能够有效反映光伏发电对系统灵活性的影响。

基于节点日负荷曲线的深度嵌入式聚类及其改进方法对比研究

基于日负荷曲线的负荷节点分类是负荷建模的重要环节,详略得当的分类结果保留了负荷节点的内在特性,可提升电力系统仿真计算的效率。当前基于人工智能的节点聚类方法进展迅速,然而总体上针对数据深层特征提取的适应性仍存在不足。采用了基于改进的深度嵌入式算法的日负荷曲线聚类方法,利用神经网络可有效提取数据的深层特征的能力。进而,提出一种先升维后聚类的改进方法,通过算例对比分析,验证了本文所提算法的可行性,以及所提升维—重构聚类方法的正确性。

基于日负荷曲线的用电模式提取与聚类分析

更新仿真系统负荷模型参数是电力系统负荷建模的一个重要应用,为建立更为准确的负荷模型,分时分区的负荷建模思路是实现仿真系统负荷模型更新的有效途径和方案,本文聚焦负荷的分区建模,以不同类型用电设备日负荷曲线为基础,实现用电模式提取,并以提取所得用电模式为基向量,针对不同负荷节点或区域日负荷曲线进行分解,以分解所得负荷构成系数为聚类属性,实现负荷节点或区域的聚类分析,进而为系统仿真提供指导。基于实际用电数据的仿真结果验证了本文所提思路和方案的有效性。

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。

基于日负荷曲线的负荷分类和综合建模

针对广域电力系统中负荷节点面广量大的困难,提出了基于日负荷曲线的、将统计综合法与总体测辨法相结合的电力负荷综合建模思路。首先通过对全网所有220kV(或110kV)负荷节点典型日负荷曲线进行构成分析,得出各负荷节点中行业用电构成的负荷比例；然后采用谱系数平均距离聚类分析法对全网负荷节点进行分类；再根据分类结果和少量负荷节点的实测参数,推广获得所有节点的负荷模型参数。该方法已成功应用于河南电网和福建电网,结果表明新方法简单实用、效果良好,为广域电力系统的负荷建模提供了新途径。

基于支持向量机的中长期日负荷曲线预测

提出了一种预测中长期日负荷曲线的新方法,通过历史典型日负荷数据构造出典型日年度发展时间序列,运用支持向量机方法对预测日各时刻负荷值进行预测并得到了典型日负荷曲线。该方法不需要对日负荷特性、最大负荷及需电量进行预测,因此避免了可能的误差积累问题。以某电网为例对该方法进行了测试,结果表明其具有较高的预测精度。

基于用户日负荷曲线的用电行业分类与综合方法

利用实时日负荷曲线进行综合负荷在线建模需解决用户日负荷曲线的正确分类与有效综合以及变电站日负荷曲线的行业构成比例识别2个关键问题。运用模糊C均值聚类和模式识别原理,提出一种基于日负荷曲线的用户所属用电行业的分类与综合方法。首先在有功功率空间进行用户的行业归属分类和行业用户精选,得到行业综合日负荷曲线;然后在定义的特征空间获得描述行业综合用电特性的特征参数,并以此作为检验分类与综合结果合理性的测度指标。实际应用表明,该方法物理概念清晰、简便、实用。

中长期日负荷曲线预测的研究

针对我国电力部门所积累的基础数据，提出了一种基于用电结构分析的日负荷曲线预测方法，在建模时引进了灰色系统的思想，对原始数据作了生成处理，所建立的数学模型物理意义明确、表达方式简捷，并针对其特点提出了有效的求解方法。

基于函数型非参数回归模型的中长期日负荷曲线预测

提出一种中长期日负荷曲线预测的新方法。该方法首先基于函数型数据分析理论,将日负荷曲线视为函数型数据,通过对历史负荷曲线样本自身规律的挖掘,建立基于历史负荷曲线样本的函数型非参数回归预测模型。在此基础上,通过构建二次规划模型对函数型非参数回归预测模型的预测曲线进行修正,使其满足待预测日负荷特性指标要求。利用某省级电网夏季典型日负荷数据和美国PJM电力公司冬季典型日负荷数据对所提方法进行测试,结果表明该方法具有较高的预测精度。

奇异值分解方法在日负荷曲线降维聚类分析中的应用

负荷曲线聚类对负荷预测、电网规划和需求侧响应等应用有重要意义,但是海量的历史负荷曲线为数据存储和计算效率带来了挑战。为此,提出一种基于奇异值分解的日负荷曲线降维聚类方法。首先利用奇异值分解将日负荷曲线数据旋转变换至新的坐标系中,求解出的奇异值反映了相应坐标轴的重要程度。然后,将负荷曲线在各坐标轴上的坐标作为降维指标,用以反映负荷曲线的主要特征,再依据奇异值下降趋势确定指标的数目。最后,以各坐标轴对应的奇异值作为指标权重,采用基于加权欧式距离的K-means算法对日负荷曲线进行聚类。算例结果表明所提方法运行时间短、鲁棒性好,可以提高负荷曲线聚类的准确性。

电动汽车日充电曲线预测方法

随着能源问题和环境问题日益严重,电动汽车将会在未来一段时间迅速发展,并成为电力系统重要的新型负荷。预测电动汽车日充电曲线,对于电力系统优化运行和合理调度具有重要意义。对影响电动汽车日充电曲线变化规律的因素进行分析,以国外统计资料为基础,通过对电动汽车起始充电时刻和日行驶里程概率分布的分析,建立了电动汽车日充电曲线预测模型,以上海市未来电动汽车发展规划为依据,对其电动汽车日充电曲线进行预测分析,比较工作日和非工作日、统一电价和分时电价对电动汽车日充电曲线的影响。

风电场日出力曲线和储能容量关系研究

为了促进风能的利用与发展,减小大型并网风电场输出功率不稳定给电力系统调度带来的影响,提出了一种基于功率预测和储能系统配合的风电场功率波动平抑方法。分析了风电场日出力曲线与储能容量关系,对风电场历史实测风速数据进行统计,给出风电场合理的储能容量,以期为风电场储能系统容量的选取提供参考。根据某额定装机容量为100 MW的风电场实测风速数据对功率波动平抑过程进行仿真分析,验证了所提方法的可行性和有效性。

基于煤耗和排放的日发电曲线编制模型

介绍了以煤耗而不是以机组排序为核心要素的日发电曲线编制模型。以系统内最低的机组煤耗为基值,形成煤耗差异标幺值;根据煤耗差异标幺值数值特征,建立机组负荷率与煤耗最低的机组负荷率之间的数学关系,考虑排放达标情况,修正这一负荷率;根据功率平衡求解出煤耗最低的机组负荷率,考虑机组速率、安全约束等因素计算各机组的分配负荷,形成机组24h的96点(或288点)日发电计划负荷曲线。

电力市场中多日负荷曲线的预测

鉴于电力市场对负荷曲线预测提出的新要求 ,提出了连续多日负荷曲线预测 ,并构造了严格的优化模型 ,可以用成熟的二次规划方法求解。为加快计算速度提出了根据样本数据调整预测的思路 ,并探索了 2种不同的调整途径。一种通过对样本曲线的等比调整使其满足要求 ,另一种则通过构造分段映射进行预测。算例分析表明 ,这 2个方法能够在很短的时间内取得较好的预测结果 ,符合电力系统实际工程对预测精度和计算时间的要求。

一种中长期日负荷曲线预测的新方法——双向夹逼法

作者提出了一种预测中长期日负荷曲线的新方法--双向夹逼法,它适用于中长期电网规划和电力市场运营问题。该方法基于相似性原理和双向逼近思想,将预测问题转换为线性规划问题,使问题变得简单和容易求解。提出的方法已应用于三峡电力系统运行规划的大量计算中。实践表明,该方法快速、有效,且有较高的精度。

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。