港口岸电系统冲击性负荷功率柔性控制方法

为解决港口岸电系统中负荷功率存在较强冲击性问题,提出一种基于储能电池的负荷功率柔性控制方法,在实现功率实时平抑和无功动态补偿的基础上,降低系统网侧线损、提升储能电池循环寿命及应对极端工况的能力。首先,介绍负荷功率柔性控制系统(load power flexible control system,LPFCS)的拓扑结构及控制方式;其次,依据负荷功率和电池荷电状态来划分负荷工况,进而以负荷功率波动的平抑、防止电池过充过放以及提升储能系统应对极端工况的能力为原则,将LPFCS的工作模式分为空闲、填谷、削峰以及限幅4种模式;然后,建立系统网侧线损优化模型,求解模型得出功率补偿值的取值区间,并基于该区间确定不同工况下LPFCS的功率补偿值。最后,基于长江某岸电系统实测负荷数据,对LPFCS的工作性能进行仿真和实验验证。结果表明:LPFCS的补偿响应时间小于0.3 s,负荷功率波动抑制率达到90%,系统网侧线损率下降17.2%。

基于集群辨识和卷积神经网络-双向长短期记忆-时序模式注意力机制的区域级短期负荷预测

为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-时序模式注意力机制(temporal pattern attention,TPA)的预测方法。首先,将用电模式和天气作为影响因素,基于二阶聚类算法对区域内的负荷节点进行集群辨识,再从每个集群中挑选代表特征作为深度学习模型的输入,这样既能减少输入特征维度,降低计算复杂度,又能综合考虑预测区域的整体特征,提升预测精度。然后,针对区域电力负荷时序性的特点,用CNN-BiLSTM-TPA模型完成训练和预测,该模型能提取输入数据的双向信息生成隐状态矩阵,并对隐状态矩阵的重要特征加权,从多时间步上捕获双向时序信息用于预测。最后,在美国加利福尼亚州实例上分析验证了所提方法的有效性。

基于用电模式和字典学习的电器负荷分解方法

负荷分解是获取电器用电细节、分析用户用电行为的重要手段,有利于加强智能电网的需求侧管理。针对当前非侵入式负荷分解研究缺乏考虑电器用电模式、模型迁移能力弱的问题,提出一种基于用电模式和字典学习的电器负荷分解方法。通过聚类提取电器的典型用电模式,根据待测住宅内电器所含用电模式,执行字典学习算法训练各电器的模式字典,再利用模式字典对总负荷进行稀疏表示以实现负荷分解,测试数据集上的分解结果验证了所提方法的准确性以及在住宅迁移上的性能。

基于多视角数据与社区发现的典型用电负荷模式挖掘研究

电力系统为满足各类用户的用电需求,需掌握用户端用电负荷曲线的典型模式。当前电力负荷模式挖掘过程中往往使用单视角数据进行聚类分析,未考虑不同视角数据内部度量信息差异和复杂的计算。针对这一问题,从三个粒度获取多视角用电负荷数据并进行预处理,分别计算相似度矩阵,使用相似度网络融合算法构建融合相似度矩阵,选用Leiden社区发现算法对用户群体进行划分,然后动态识别各个子社区的典型用电负荷曲线并进行趋势分析。实验结果表明,算法能够稳定划分用户群体并识别各个子社区的典型用电负荷模式曲线,结合用户基本信息,得到各个子社区的峰值模式,从而为电力系统采取个性化措施以满足不同用户群体的需求提供指导。

基于前沿陡升信息保持策略的高峰负荷预报研究

从调峰、调频及联络线调控的角度论述了电力系统高峰负荷前沿的预报精度问题。在探讨其根源的基础上,提出了保持电力系统高峰负荷前沿陡升信息的策略并分析了该策略的有效性。基于所提策略和运行模式,提出了高峰负荷预报的算法,并结合辽宁电网的实际给出了数值算例,。结果表明:该策略能较好地保持前沿陡升信息,明显地提高高峰前沿负荷预报精度。

考虑不均衡区域负荷增长的在线电压稳定评估

提出一种基于连续潮流的电力系统在线电压稳定评估方法,该方法考虑了不均衡区域负荷增长模式和发电计划。负荷增长系数由区域短期负荷预测数据得出,区域短期负荷预测考虑多种因素对负荷变化的影响,预测未来24小时区域的负荷情况,根据此负荷情况使用经济调度安排发电计划,在此基础上用连续潮流计算P-U曲线和负荷裕度。在IEEE 118节点系统上的仿真结果表明,该评估方法能够比较真实地在线反映系统的电压稳定情况。

秦山核电厂首次换料方案的确定

介绍了秦山核电厂首次换料方案的选择过程，利用优化技术寻找燃料组件的最佳布置，目标函数为组件平均卸料比燃耗最大。所选的换料方案具有较好的经济性与安全性，现己在秦山核电厂首次换料中成功应用．

有序用电用户负荷特性分析方法研究

我国长期面临区域性、季节性、时段性、结构性的缺电现象,而有序用电工作可促进电力供需平衡,保障居民生活和重要用户的用电。但目前编制有序用电方案时,参与有序用电的用户选择主观性强,缺乏科学依据,有失合理与公正。本文提出了有序用电用户可中断负荷分析方法,通过对用户的历史负荷进行聚类,得到用户的几类典型日负荷曲线,并对典型负荷曲线按采样点进行聚类,综合分析得到用户的用电规律和用电时段等负荷信息,进一步可计算出用户的避峰、错时、轮休、检修价值,在此基础上制定用户参与有序用电的准则和策略,并可向社会公开,使得编制方案和有序用电的执行有标准可依,更加有序。

动力模块车组液压悬挂系统的分组建模

大型动力平板车及其动力模块车组是重载超大型设备与物件运输的核心装备。为实现均载以防部分车轮超载或悬空,动力模块车组的液压悬挂系统采用分组控制模式,每组液压悬挂油路联通作为载货台的一个支撑,进而形成对载货台的多点支撑。为获得动力模块车组在复杂地形上的允许装载区域,建立其多点支撑力学模型,利用力等效原理求解各组作用于载货台的等效支撑点,对多点支撑产生的静不定问题采用弹性支撑的变形协调原则加以解决。利用多点支撑形成的支撑边界求解载货台的抗倾覆区,利用各组悬挂的承载极限求解其安全承载区,通过抗倾覆区与安全承载区的求交运算获得相应条件下动力模块车组的允许装载区域。基于允许装载区域的建模方法,给出分组模式的选用准则,通过算例分析,验证了建模方法的可行性。

基于多视角网络融合的典型用电负荷模式挖掘

为了识别用户端典型用电负荷模式,解决传统聚类算法中仅使用单视角数据致使典型模式识别不全面的问题,提出一种基于多视角网络融合的典型用电负荷模式挖掘方法.采用多视角网络融合算法对三个粒度视角数据进行融合,利用谱聚类算法与共现矩阵度量方法识别典型用电负荷模式,结合教育行业和房地产行业用户基本信息对其用电负荷曲线趋势进行挖掘与分析.结果表明,与单视角数据相比,挖掘出的典型用电负荷模式更为准确且具有较好的鲁棒性,能够结合不同行业特点为电网系统在不同时段采取错峰用电、削峰填谷等措施提供指导.

一种改进的配电变压器短路电抗在线检测方法

针对携带不平衡负荷的Y,yn0接线和D,yn11接线配电变压器,提出了改进的配电变压器短路电抗在线检测方法。该方法通过测量配电变压器在不同负荷情况下高压侧和低压侧的电压、电流,在线计算变压器的短路电抗。该方法不受高/低压侧的电压、激磁电流变化和负荷不平衡度的影响。利用MATLAB/Simulink对所提方法进行仿真,结果显示在三相负荷不平衡的情况下,采用所提方法可精确计算绕组短路电抗。

动态电压振荡型失稳边界分析与算法研究

提出了全参数空间下的最近动态电压振荡型失稳边界的计算方法。在每次迭代中,采用逐步增长负荷的迭代方式找到振荡型失稳边界,求取失稳边界的超平面法向量。将该法向量作为新的负荷增长方式寻找下一步失稳边界,最终找到系统发生电压振荡型失稳的最近边界及其对应的最危险负荷增长方向。相对于摄动方法而言,该方法将各种因素对于电压稳定域的影响考虑在内,且不需要求取控制参数的海森矩阵,具有计算速度快、精度高的特点。选取系统有功负荷作为控制参数,研究了负荷的不同增长方式对系统振荡失稳边界的影响,并根据超平面的法向量求解出系统发生振荡型失稳的最近边界以及所对应的最危险的负荷增长方向。提出2类电压稳定指标,所提指标有助于综合评估系统动态电压稳定裕度。采用3节点和IEEE14节点仿真系统对算法的有效性进行了验证。

基于点模式匹配的电力系统短期负荷预测

输电网短期负荷预测是电力调度的基本依据。文中基于点模式策略 ,并借助模拟退火算法 ,提出了一种短期负荷预测的新方法。从模式的角度看 ,负荷的变动也可以看成是模式的转换。该方法首先通过相关性分析找出输入输出数据关系以及各输入数据所占的权重 ;然后由点模式匹配法求得各输入数据的变换值 ;最后由变换值、输入数据及其权重得到短期负荷预测的结果。将该方法用于一个实际系统 。

基于组合式神经网络的短期电力负荷预测模型

通过对电力负荷变化规律和影响因素的分析 ,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先 ,采用模糊聚类分析方法 ,以每天的 2 4点负荷数据、天气数据以及天类别数据为指标 ,将历史数据分成若干类别 ;其次 ,对每一类别建立相应的神经网络预测模型 ;预测时通过模式识别 ,找出与预测天相符的预测类别 ,利用相应的神经网络预测模型进行 2 4小时的短期电力负荷预测。对绍兴地区 2年多的实际负荷变化数据进行预测分析的结果表明 ,该模型不仅对普通工作日有较高的预测精度 ,对双休日。

基于负荷内部特性和外部随机因素的短期负荷预测模型

根据电力系统负荷序列的混沌特性,提出将其划分为基本混沌负荷分量和外部随机因素负荷分量,依据不同的理论分别构造预测模型。前者通过混沌动力学机理和动态递归时延神经网络融合来构造模型;后者在依据日类型和气象特征进行数据挖掘聚类的基础上利用统计分析与智能识别融合来构造模型。大量的仿真计算证明了所提出的短期负荷预测模型能有效保证全年的预测精度及其稳定性,对夏季高温区和特殊类型日的预测精度有明显提高。

新建开发小区10kV中压配电网规划

通过总结各类开发小区10 kV中压配电网络规划的方法和步骤,着重强调小区规划过程中应该注意的关键性问题及解决办法。提出小区规划既要满足城市电网规划的要求,更要结合小区的实际情况,实现适合小区规划特点的原则。阐述了小区负荷指标的确定、变电站选址定容、开关站的设置原则、供电模式的选择等几个方面需要注意的问题和处理方法,使小区配电网最大限度地满足人们日益增长的用电需求。

基于运行模式的电力系统负荷预报方法

针对负荷预报精度问题提出了一种基于运行模式的电力系统负荷预报方法．实践证 明，该方法能够消除包含平均处理数据样本预报方法所产生的缓陡问题，具有精度高和便于合 理利用原始数据的特点．

电力负荷数据多维层次聚集立方体存储结构模型

针对复杂电力负荷数据的存储与管理问题,提出一种可扩展的多维层次聚集立方体存储结构模型。模型在快速查询、数据更新与模式更新等方面表现出优越的性能,为负荷数据的高效管理提供了一种良好的方案。

基于空间密度聚类和异常数据域的负荷异常值识别方法

针对海量电力负荷数据,提出一种基于空间密度聚类和异常数据域的负荷异常值识别方法。首先,基于空间密度聚类方法将负荷曲线按照正常和异常用电模式进行分类,并对正常用电模式中的负荷曲线进行负荷水平分类。然后,在不同负荷水平下,利用负荷期望值的置信区间和负荷样本与样本均值之间偏差的四分位差,构建异常数据域。考虑非典型用电行为的偶然性,引入用电时刻偏移量,对形成的异常数据域进行修正,并构建面向异常用电模式的异常数据域。在算例中,采用居民和工业用户的负荷数据集对所提方法进行检验,相比于传统方法,文中所提方法的识别精确率平均提高了10%以上,综合评价指标平均提高了4%以上。

基于聚类融合技术的电力用户负荷模式提取方法

针对电力大数据背景下智能电力用户负荷模式提取的可靠性不高且传统单一聚类算法聚类结果不稳定的问题,提出一种基于主成分分析与聚类融合相结合的电力用户负荷模式提取方法。首先,对负荷数据进行预处理,通过主成分分析法减少特征间分类信息冗余实现高维特征的降维。然后,用四种聚类方法分别对降维后的数据集进行聚类分析,得到具有差异性的聚类成员。最后,利用共识矩阵对所得聚类成员进行聚类融合,得到优于单一聚类算法的最终聚类结果。通过电网实际用电数据验证了所提负荷模式提取方法能够提高聚类准确率并降低计算复杂性,并用有效性指标Silhouette对最终聚类结果进行评价。