基于模糊聚类与改进BP算法的日负荷特性曲线分类与短期负荷预测

提出了一种将模糊聚类技术与人工神经网络中的BP网络相结合的日负荷特性曲线分类与短期负荷预测的方法。通过模糊聚类技术将不同用户的负荷特性曲线进行分类,建立出不同的典型负荷曲线。然后利用同预测曲线相同类型的典型曲线,结合温度、日类型、湿度等对短期负荷预测影响较大的因素作为学习样本建立相应的BP网络模型。针对传统BP算法的不足,利用变学习速率和附加动量来改进BP算法并预测日负荷曲线。通过对实际日负荷曲线样本进行分类和对短期负荷进行预测证明该方法预测精度较高,在实际应用中具备可行性。

基于簇负荷特性曲线的“聚类-回归”电力大用户短期负荷预测

针对电力大用户的精准负荷预测对于配电网发展规划、调控运行、安全可靠供电具有重要意义,电力负荷预测是泛在电力物联网中实现用户精准用电感知的基础工作。为了在负荷预测模型中引入用户用电特征,提出了簇负荷特性曲线的概念,进而提出了一种基于簇负荷特性曲线的“聚类-回归”电力大用户短期负荷预测方法。首先,对区域内电力大用户用电特征进行聚类分析,用电特征类似的用户聚为一簇,用簇负荷特性曲线表征簇内用户用电特征;其次,回归阶段将簇负荷特性曲线作为区域总负荷的属性因子,训练深度神经网络,进行负荷预测。在TensorFlow深度学习框架下实现了“聚类-回归”负荷预测模型,以我国西南某区域电网实际数据设计实验,验证了模型的准确性;为了达到最佳预测效果,对模型超参数进行了优化;进一步考虑到电力大数据的应用环境,设计了压力测试,验证了模型的有效性。方法可以良好应用于电力大数据环境下的大用户负荷预测。

应用负荷特性曲线由分量预测总量负荷的方法研究

负荷预测是电力规划的重要内容,由分量预测总量负荷的负荷方法,如土地利用法和报装负荷推算法等,是一种负荷预测方法的重要类型。分量负荷之间的“同时率”取值是否准确,直接影响着该类方法的预测结果。本文应用负荷特性曲线叠加代替“同时率”的经验数值,从而提高由分量预测总量的负荷预测方法的准确性与合理性。

满足负荷特性的固体蓄热电锅炉功率分配设计研究

通过构建负荷延续曲线数学模型,拟合负荷特性曲线,经分析负荷特性曲线,对固体蓄热电锅炉的加热功率进行合理的分配设计,即基本加热元件布置在蓄热体的四周,调峰加热元件布置在蓄热体的中央,在保证蓄热体加热、蓄热均匀性的同时,提高了电锅炉的换热效率,节省了运行费用。

秦皇岛地区电力负荷曲线拐点特性分析

结合秦皇岛地区电力负荷的特点,通过年度日总负荷曲线找出负荷曲线拐点,分析典型负荷对拐点的影响,给出适合该拐点时段的负荷预测方法。

一种负荷特性对电压稳定影响的分析方法

在简单系统中,分析了将感性负荷的一部分等效为对地支路后对系统功率特性与负荷特性曲线相切点的影响。在多节点系统中应用块圆盘定理证明了将负荷等效为接地导纳支路后对潮流收敛性的影响。并应用矩阵特征值扰动定理和圆盘定理证明了只从节点的等效自阻抗的变化趋势并不能判明系统联系强弱的变化趋势。

负荷差值特性曲线法在分布式光伏消纳方案中的应用

研究创新地提出负荷差值特性曲线法动态评估区域光伏发电与用电负荷之间关系。引入时间轴,动态分析区域光伏出力特性以及用电负荷特性,利用历史数据采用回归分析拟合数学模型,根据就地消纳原则,分析两条曲线差值变化规律,得到区域现有负荷水平下光伏建设最大规模。考虑光伏分散布置对降低网损与增加造价的影响程度,确定最优光伏配置方案。针对实际案例,通过编程计算、大方软件建模,得出当地最大光伏建设规模以及最优配置方案。该方法较好地指导了电网分布式光伏规划建设。

负荷方差特性和配电线路中电能损耗关系研究

配电线路的电能损失和负荷方差特性有密切的关系。研究了负荷方差特性和电能损失之间的关系。在相同平均负荷和相同时间内,负荷方差较大的负荷曲线的电能损失大于负荷方差相对较小的负荷曲线的电能损失。在负荷曲线成为一条直线即为负荷平均值时,电能损失最小。用实例验证了减小负荷波动对线损管理具有良好的经济效益。

基于聚类分析的居民典型负荷特性分析

使用K-means聚类分析方法对通过配变监测仪获得的用电数据进行分析,得到不同季节的典型居民负荷代表曲线.研究分析不同季节的典型居民负荷曲线,得出居民负荷特性与各个影响因素之间的一些联系.

典型用户负荷特性及用电特点研究

我国用电需求持续增长,为了了解用户负荷发展变化规律,提高电力负荷预测的准确度,需要对电力系统的负荷特性展开研究。在调研大量典型用户负荷的基础上,分析了不同类型用户的负荷特性,总结了各类用户的用电特点,为做好负荷预测、制定科学的电网规划方案提供了依据。

唐山市电力负荷特性分析

负荷特性分析和调查是电力系统规划的基础,该文根据唐山市的负荷运行数据,对唐山市的负荷特性进行了全面详细的分析。

基于双层自适应密度聚类算法的分行业日负荷特性

利用营配大数据所提供的大量数据计算电力用户的日负荷特性参数,运用密度聚类(DBSCAN)方式分析行业的日负荷特性。提出了以波动率、最大负荷发生时刻和最小负荷发生时刻三项指标为特性指标的降维方法。利用高斯核密度估计优化处理密度聚类算法,提出日负荷特性规律算法效果评价体系。针对评分结果确定是否需要二次聚类,最终给出电力行业典型日负荷特性曲线。以浙江沿海某城市近4万用户进行算法验证,结果表明该算法提高了聚类质量及效率,其行业负荷特性结果对电力需求侧预测、配电网规划等具有较大的指导意义。

京津唐电网夏季大负荷分析

通过对京津唐电网夏季大负荷进行定性、定量分析 ,找到影响电力负荷的因素 ,总结出电力负荷的增长规律 ,从而能更准确地预测出未来的负荷增长情况 。

基于特征加权模糊聚类的电力负荷分类

电力用户的负荷分类为电力系统和电力部门的系统规划、负荷预测、分时电价等研究提供了基本的指导工作。利用基于变分模态分解(variational mode decomposition,VMD)和模糊C均值聚类算法(fuzzy C-means,FCM)实现电力负荷的分类研究,针对FCM中欧氏距离的特征权重唯一的问题,利用基于特征加权的模糊聚类方法,提出基于特征加权的VMD-FCM聚类算法。根据电网实测负荷数据,VMD算法可对数据的固有模态有效分解,结合FCM算法引入的权重系数,显著提高了算法收敛速度和聚类准确度。对聚类结果分析表明:所提VMD-FCM聚类方法能够有效区分不同负荷类型,具有实际应用价值,从而为电力系统的设计规划提供指导作用。

广州地区负荷预测分析及其软件应用

基于广州地区电网负荷特性分析及分类负荷特性曲线的测绘,采用负荷报装及分类负荷特性曲线拟合的方法,开展短期广州电网负荷预测工作,明确了在此基础上软件实现的方法、结构流程和功能。

面向园区典型用户电负荷预测的新方法

传统电力负荷预测法主要依据专家经验和现状年负荷值来预测未来年负荷,该方法具有一定的局限性。为合理预测园区负荷实际情况,采用了新的电负荷预测方法,即综合考虑典型用户性质、四季差异、作息时间等多种影响因素,通过研究园区全年负荷密度预测曲线的调整方法,并结合上海市典型用户实际负荷数据对模型进行了验证,为适应多应用场景的园区综合能源供应系统优化配置研究奠定基础。

上海浦东国际机场二期用户空调变频冷(热)水泵运行的节能性分析

以该工程为研究对象,计算了全年空调负荷,探讨了多台表面式空气处理器并联时水系统负荷-流量特性,结合水泵选型及能耗计算软件ESP-PLUS,对用户侧冷(热)水泵变频运行的节能性进行了分析,得到了采用该节能措施可实现的最小节能率。

在国际汽车城进行冰蓄冷空调试点的建议

市南公司近几年用电负荷发展迅速,对电网压力加大,必须从电力需求侧管理的角度来解决这一问题。需求侧管理的一项重要手段就是削峰填谷。受上海科技馆采用冰蓄冷空调取得良好削峰填谷效果的启发,建议将冰蓄冷空调机在上海安亭汽车城核心区进行推广,并对推广该技术的理由进行了分析。

电力平衡常被忽视的三个问题

1电力负荷历史特性与电力平衡的问题 电网规划中电力电量平衡工作是根据负荷预测的结果,提出对规划地区电源建设和电力供应的要求。要准确的规划出电力的缺口,必须先弄清规划地区的电力负荷历史特性,不同负荷特性曲线将直接影响平衡结果。

用好拖拉机 低耗又高效

张某一台YS—12型小方拖,由于坚持按正确的方法操作使用,一丝不苟地做好维护保养,最高年纯收入达4000多元。