交流电弧炉供电网波动电压超短期混沌预测方法

对交流电弧炉供电网电压时间序列进行特性分析并进行预测是解决电弧炉引起闪变问题的前提。重构电压有效值时间序列相空间,采用互信息法和Cao氏法确定最佳延迟时间和嵌入维数,计算最大Lyapunov指数,证明了供电网波动电压具有混沌特性。运用最大Lyapunov指数法和加权一阶局域预测法对电压时间序列进行超短期预测,结果表明,混沌预测能够较好地反映交流电弧炉供电网电压有效值时间序列的变化趋势,超短期预测精度高,且加权一阶局域预测法比最大Lyapunov指数法的预测精度更高,适合作为电压有效值时间序列的预测方法。

基于支持向量机的新能源台区相户关系辨识方法

提出一种基于随机模糊模拟理论的改进T型关联度和支持向量机的用户相户辨识方法。针对风、光不确定性,采用随机模糊模拟理论构建风电与光电的随机模型,确定电动汽车离并网时刻、日行程数的概率密度函数,利用拉丁超立方抽样技术对概率密度函数进行抽样,采用频谱聚类统一管理的方法获得聚类相似的电车用户,对聚类相似的电车用户采用不同的充放电策略,得到电动汽车充放电功率时刻分布;对不同风光场景下和不同电动汽车充放电策略下的用户电压时间序列特征数据进行重构;利用改进T型关联度和支持向量机的两阶段相户辨识方法对单一风、光场景和多风、光场景下的电动汽车用户进行相户辨识。通过实例仿真分析证实所述方法具有较强的辨识精度,普适性强且易实现,可适应智慧城市的发展。

基于关联系数法的台户关系辨识研究

建立高效的台区拓扑辨识方法,有利于精细化管理台区线损、台区区域性停电检修。现有的台区拓扑辨识方法大多局限于人工排查,无法依托现有的电气数据进行高效排查。基于台区的监测数据快速发展,提出一种基于电压时间序列关联系数法的台区拓扑辨识方法。该方法依托电压时间序列数据,分别计算用户和低压配变的皮尔逊相关系数和改进T型关联度系数,进而计算总关联度系数,将总关联度系数最小的后20%用户视为异常用户并进行人工排查,从而提高台区拓扑辨识的识别效率。