Time-Series Characteristics of Wind Power and Its Impact on Jilin Power Grid

With the rapid development of wind power, the large-scale wind power integration brings a new range of issues in dispatching operation. In order to gain a better grasp of the influence caused by wind power combined to the grid, the paper first establishes the impact characteristic indexes, and then analyzes the regularity of wind power time series in different spatial and temporal scales. At last, according to the analysis results, this paper assesses the impact of time-series characteristics of wind power on power grid, such as the frequency regulation, peak load regulation, which can provide the reference for wind power optimal dispatching of Jilin Power Grid.

基于概率性时序生产模拟的光储网协调规划

针对传统规划方法难以实现不确定性资源与负荷特性的时序匹配问题,提出基于概率性时序生产模拟的光储网协调规划方法。首先,考虑负荷与分布式光伏出力的不确定性建立概率性时序序列模型,利用生产模拟求取配电系统年运行概率状态;其次,综合考虑光储网的投资与运行损耗、停电损失、弃光损失及向上级电网的购电成本,建立基于随机优化的协调规划模型,通过投资决策与运行模拟迭代寻优获得最优规划方案;最后,以某个20节点的实际算例验证了所提方法的有效性。

GNSS垂向坐标时间序列周年项振幅的时变特征及成因分析

GNSS坐标时间序列中季节性信号的振幅表现出明显的时变特性.本文从全球范围内选取了468个GNSS测站的垂向坐标时间序列数据,对周年项振幅的时变特征和原因进行了深入探究.首先坐标时间序列数据在经过带通滤波后,进行分段最小二乘拟合,得到随时间变化的周年项振幅,并在此基础上,分析了振幅变化的量级大小和特点,发现全球测站周年振幅变化的平均幅度在1 mm左右,并且振幅的波动性具有明显的时空分布特征,忽略这种时变特性最大会造成2~3 mm的周年项残留.然后从环境负载和热膨胀效应入手分析了周年项振幅变化的原因及其对周年项振幅变化的贡献,发现环境负载和热膨胀位移与GNSS垂向坐标之间周年振幅变化的平均一致性在60%左右,而且经过两者改正分别有68%和76%的测站周年项振幅波动幅度出现了下降,由此提出环境负载和热膨胀效应是周年项振幅变化的重要原因.同时经过分析发现GNSS数据处理模型和策略也会引起周年项振幅的变化.

基于贝叶斯方法与可解释机器学习的负荷特性分析与预测

使用机器学习模型和方法进行短期负荷预测,虽能提升负荷预测的整体精度,但在极端天气、节假日等小样本预测场景中,对比基于专家经验的人工预测无明显优势。为充分结合预测业务人员的经验知识与机器学习的推理泛化能力,提出了一种基于贝叶斯时变系数(BTVC)与CatBoost模型的可解释负荷预测框架。首先,结合数据与专家知识,构建BTVC模型进行预测,获得各影响因子、趋势及周期因素的负荷分量。其次,将上述结果与常规特征进行组合,作为CatBoost回归模型的输入,进行最终预测。然后,使用事后模型解释框架(SHAP)进行归因分析,框架输出的定量关系可供负荷预测业务人员参考,使其开发出更有效的特征,进一步提高预测效果。最后,以某地区实际电网负荷数据为例,验证所提负荷预测与结果分析框架的有效性。

区间电力负荷特征提取及预测方法

电力负荷是典型的时间序列数据,提前对未来一个月每天最大负荷值的预测,是一个有时间间隔的预测过程。对于连续多天负荷预测的研究中,节假日负荷预测是一个难题,需把待预测日分成法定假日和非假日两类分别进行处理。引入区间负荷预测方法,用标幺值量化假日负荷特征和趋势,并通过小波分解来提取非假日负荷变化的特征,分别建立对应的BP神经网络模型进行预测。某市电力负荷数据的预测结果表明,这种预测方法为间隔时间区间的最大负荷预测问题提供了一个有效的解决方案。

基于影响因素分析和小波神经网络的供热量预测

基于统计方法分析了实测时间序列中各影响因素与供热量的相关性。应用小波分析有效提取序列中的局部信息,与神经网络相结合,可分析蕴藏在系统中的非线性动态特性。建立了小波神经网络预测模型,把影响供热量的因素分为与其相关性较大(系统循环流量、供水温度和回水压力)和较小(供、回水压力和回水温度)的2组数据,预测结果证实与供热量相关性较大的1组影响因素的拟合程度比相关性小的高。就预测结果的准确性与BP神经网络结构进行了比较。结果表明,基于影响因素分析和梯度修正的小波神经网络供热量预测方法具有良好的动态特性、较强的泛化能力和较高的预测精度,适用于系统供热量的短期预测。

基于多尺度时序建模与估计的电力负荷数据恢复

针对电力负荷数据缺损及失真问题,从时序数据特性分析及建模与估计的角度给出负荷数据补全与恢复的方法。运用马尔科夫链与序贯蒙特卡洛模拟联合法抽取负荷统计特性;基于电力负荷波动的年、月、周、日的多尺度时序特征分析,建立电力负荷的多尺度时序特征建模。引入B-spline基函数展开法解决负荷模型的非参、变系数问题,并给出负荷模型中关键参数的估计方法。采取误差多指标评判方法确定B-spline节点最优数量与样条最优次数。根据所得负荷恢复模型提出周尺度的电力负荷缺失数据恢复方法,并给出年度等长时段日负荷数据恢复思路。经实际算例验证,该文所提方法准确有效,具备工程应用价值。

基于时间序列相似性度量的新能源-负荷特性指标

为满足新能源高渗透率电力系统在曲线性状、特征、度量上对负荷特性指标的新需求,提出一种将新能源出力和用电负荷曲线的负荷特性指标拓展为可表达其相互关系的新能源-负荷特性指标。计及数据分布特性与形态波动特征,改进时间序列相似性度量方法,将欧氏距离与改进后的动态时间弯曲距离相结合求取负荷曲线和新能源出力曲线的相似性距离,将其定义为源荷相似性距离作为新能源-负荷特性指标。算例表明,所提指标比传统负荷特性指标能更有效描述新能源高渗透率电力系统负荷特性。

基于模体的低压配电网负荷波动特性分析

随着新型电力系统的建设和发展,低压配电网中负荷内涵日渐丰富,负荷波动愈加随机,亟须挖掘用户侧海量量测数据的隐藏价值。为快速、精准辨识负荷演变态势,借鉴模体理念,提出了一种数据驱动、简单高效的低压配电网负荷波动特性分析新思路。针对单个负荷,将连续时间点负荷功率的相对大小作为准则构建个体模体,提取负荷连续波动的细节特征,进而识别负荷类型;针对负荷集群,将连续时间段负荷功率整体波动的相对距离作为准则构建集群模体,刻画分散负荷的聚合波动特征,进而推断外界因素影响下的集群波动规律。基于多个实际数据集的数值实验表明,所提方法能从个体、集群2个层面实现对低压配电网负荷波动特性的准确认知。

基于风光荷时序特性和主动管理的配电网分布式电源准入容量模型及应用

在考虑风光荷时序特性的基础上,引入含需求侧响应的主动管理技术建立了一种新的分布式电源准入容量数学模型,并进行了仿真研究,即先采用K均值聚类多场景分析法得到四季风光荷典型日时序功率曲线;然后引入含需求侧响应的主动管理方式,考虑电网静态安全约束和主动管理约束,建立分布式电源准入容量计算模型,并采用改进粒子群算法对准入容量进行求解;根据系统净负荷曲线,引入净负荷率指标对接入分布式电源后的配电网进行综合评价,以验证模型的优越性。该模型对IEEE33节点配电网系统的仿真表明,考虑含需求侧响应的主动管理系统可接纳更多新能源,有效降低系统负荷峰谷差,为实际配电网工程提供了依据。

考虑“源—荷”时序特性的配电网电压无功分区

分布式电源(DG)大规模接入配电网,其随机出力叠加负荷波动,增加了系统优化运行与控制的复杂程度。基于“源—荷”时序变化特性分析DG接入对配电网电压无功分区的影响,提出一种分区方案调整策略。首先,基于电压无功分区原则选取区域无功平衡、区域间耦合度、区域内耦合度以及区域无功储备等指标作为分区评价指标,建立基于增广电压/无功灵敏度矩阵的模糊聚类分区模型,并通过分析风电、光伏时序出力特性,结合典型日负荷曲线划分“源—荷”典型时序场景;然后,分析在多个“源—荷”场景下四项分区评价指标的变化,进而针对“源—荷”时序变化导致的分区指标变化,提出分区调整方法;最后,利用改进的IEEE 33节点系统进行仿真分析。结果表明,“源—荷”的时序出力变化对电压无功分区影响较大,所提分区调整方法可以根据“源—荷”时序变化对分区方案进行动态调整,能较好地将各分区评价指标控制在合理范围。

居民区用电负荷特性研究与模型预测

随着居民区大规模发展,居民区负荷将会对配电网的安全与经济运行产生不容忽视的影响。居民小区数量的不断增加,用电结构的多变,对居民区供配电设计中出现的问题需要不断地分析与总结。如何在工程实践中为居民提供更安全、稳定、可靠的供配电系统和优质合格的供电质量成为一个亟需解决的问题。本文基于厦门地区居民区负荷数据,在大量数据的基础上进行负荷特性指标的详细分析,并对不同城市之间的居民区负荷进行对比,总结出居民区负荷的发展特性,同时进行特性指标变化的原因剖析。基于特性指标分析提出对于负荷特性指标相似的小区,负荷预测模型具有一定的适用性。最后,通过时间序列分析,建立预测模型,一方面证明该预测模型具有较高的拟合和预测精度,另一方面说明该预测模型对相似小区具有良好的适用性。整体研究工作对配电网的实际规划有一定的指导意义。

基于负荷时间序列聚类的有序用电管理策略

针对目前有序用电方案制定未充分考虑用户负荷特性差异的问题,提出了一种基于负荷时间序列聚类的有序用电管理策略。首先提取单个用户的典型负荷曲线形态;之后采用Canopy和k-shape时间序列聚类算法,解决用户对象较多时传统聚类算法准确性不足的问题,对不同用户的负荷时序数据进行聚类,从而将多个用户划分成不同用电类型;最后根据不同类型用户的负荷特性,制定针对性的有序用电管理策略。以某区域电网实际负荷数据进行算例分析,结果表明,所提方法相比传统方法能更加准确地对多个不同负荷特性的用户进行分类,从而更有效地指导有序用电管理策略的合理制定。

综合能源接入下多元电力负荷短期预测方法

多元电力负荷之间的变化情况影响着综合能源系统的正常运行和协调管理。因此,提出综合能源接入下多元电力负荷短期预测方法。采用基于Copula理论,分析多元电力负荷之间和影响因素之间的非线性特性,形成多变量时间序列。将其输入最小二乘支持向量机模型中,完成多元电力负荷短期预测。采用果蝇优化算法优化预测模型,获取最佳预测结果,实现多元电力负荷短期预测。实验结果表明,当惩罚系数为0.4,搜索距离为5时,可实现最佳多元电力负荷短期预测,预测结果的均方误差为0.6%~2.5%,说明所提方法的预测效果较好,为综合能源系统的运行管理提供了支撑。