基于支持向量机的网格化电网负荷预测算法设计

针对电网负荷预测算法预测能力较差、效率偏低的问题,文中提出了一种PCA-PSO-SVM算法。其在经典粒子群算法的基础上引入主元分析法,使模型具有降低数据维度及算法冗余度的特性。同时通过改进的PCA-PSO算法对SVM模型的内置参数进行最优选取,从而使改进后的SVM模型具有最佳的分类性能。在实验测试中,采用PCA算法选取了91%贡献度内的6项数据特征进行样本数据训练。结果表明,相较于其他对比算法,该文算法预测结果的RMSE、MAE与MAPE误差值均为最小,证明其可对网格化电网负荷加以预测。此外,该算法还能提升传统算法的准确度,为电力负荷分配提供有力支持。

云边协同背景下基于融合RF算法的电网数据资产综合处理技术

针对现有大多数方法难以充分挖掘出电网数据潜在价值的问题,提出了一种云边协同背景下基于随机森林算法结合BP神经网络的电网数据资产综合处理技术。该技术在靠近电网数据源一侧部署边缘计算节点,以构建云边协同环境下的电网数字化资产管理系统。利用随机森林算法设计分类器完成电网数据类型的划分,并将各类型数据输入至BP神经网络中进行学习,通过不断地迭代优化输出相应的综合处理结果。基于Python平台进行的实验分析结果表明,所提技术的分类准确率均超过了90%,能够有效提升电网数据资产的处理效率。

基于电网大数据的智能配网规划研究

智能配网规划已成为我国电网发展的重要任务。以电网大数据为依托,开展智能配网规划研究,旨在提高配网规划的效率和质量。文章介绍了电网大数据的特点和应用,分析了智能配网规划的现状及存在的问题,提出了基于电网大数据的智能配网规划优化策略,对智能配网规划的应用前景进行了展望。

基于电力大数据的分布式电网异常负荷动态检测方法

电网负荷数据基数大、分布范围广,且其异常状态检测复杂度高。提出一种基于电力大数据分布的电网异常负荷动态检测方法。采用非线性回归方程,估计中心负荷权重,并分割动态检测区域。采用状态估计法结合参数平滑对异常的负荷数据进行状态估计,并利用自回归滤波(extended Kalman filter,EKF)剔除噪声数据。计算负荷数据的近相似系数,划分异常数据域,设定分布概率较高的数据为异常负荷数据。通过观测负荷数据与异常域中心之间的关联性,判断负荷是否存在异常问题。仿真实验结果表明:高信噪比环境下,该方法检测异常负荷数据的最大特征量为160条;低信噪比环境下,异常负荷数据的最大特征量为158条,且峰值出现在节点51—节点120的位置。检测出的负荷数量均超过电网最大阈值,说明所提方法能够精确检测出异常负荷,且能够完全包含真实阈值,检测的全面性可高达100%。

面向源荷互动的建筑电网数据共享现状与展望

数字技术与能源融合构建是推动绿色低碳技术攻关的重要工具,而数据共享则是促进产业深度融合、推动全链条创新的关键抓手。在未来新型电力系统中,基于数据共享的源荷互动有望成为助推智能电网和建筑能源系统低碳转型发展的关键环节。如何有效协同建筑等用户侧与电力系统,实现供需两侧数据的有效互通,是迫切需要探索的核心问题。本文针对当前建筑等用户侧与电力系统供给侧之间的电力数据共享现状及发展趋势进行了研究。首先,调查了建筑供、需两侧对用电数据的监测与应用现状。接着,对当前建筑与电网的互动模式与机制进行了详细综述。最后,结合未来发展需求,提出了相关发展趋势及政策建议,旨在为建筑能源系统的低碳发展及建筑更好地融入整个低碳能源系统提供有益参考。

基于三维GIS技术的电网可视化展示研究

由于现有对电网覆盖范围界定不准确,导致可视化结果与实际数据信息结果有所出入,影响可视化效果。因此本文针对基于三维GIS技术的电网可视化展示展开研究。通过断路器对有功功率进行测量,计算出电网各个供电区域的负荷,获取电网负荷数据;采用三维地理信息系统技术,获取电网负荷数据对应的位置信息,并将电网覆盖区域内的负荷数据转化为带有位置标签的三维信息;构建三维电网数据库,利用开源框架将数据库中的电网信息转化为目标可视化,通过电网可视化展示模块,对区域电力运行情况的数据进行转化与分析。测试结果表明,设计方法可以实现对电网耗电类型、整体耗电量以及峰电量、谷电量、平电量的准确可视化展示,可视化结果与实际数据信息结果一致,可视化效果较好。

基于并行数据计算的网格化电网空间负荷预测方法研究

针对传统电网空间负荷预测算法中存在主观性判断较强且处理海量化电网数据效率偏低的缺点,文中对循环神经网络进行了改进。采用包含更新门与重置门的Bi-GRU算法使模型具有处理时间序列数据的能力,并利用叶子生长策略及直方图算法改进了GBDT算法,使其具有更高的执行效率。通过将算法数据部署在Spark云计算集群,有效提升了算法的训练速度。实验结果表明,所设计算法并行化后的运行时间与部署节点数量成反比,而RMSE及MAPE两项指标优于其他同类型算法,相比LSTM分别降低了1.5%和0.093%,证明了该算法的预测精度较为理想。同时,该算法的运行时间较短,说明其收敛度良好,故可应用于电网空间负荷预测系统中。

新能源接入电网后的配网区域裕度评估技术研究与应用

提出了一种新能源入网裕度评估与安全校核方法,旨在提高新能源入网评估效率和系统的安全运行水平。在收集的基础数据基础上,构建了考虑机组启停时间、机组出力限值、旋转备用容量、二次调频容量等约束的新能源入网裕度评估模型,依据该模型得到机组运行计划和最大接入容量;然后结合随机采样技术和机组运行计划,构造含校正控制的最优潮流模型,并将新能源出力预测场景逐一代入模型中进行校验,再根据校验结果,利用分步逼近的策略逐步收缩安装容量的上下界,直至满足收敛条件,并最终获得新能源的最大安全接入容量,为分布式新能源有序接入、网源协同规划提供指导。

基于光伏发电工程的电力系统长期规划模型研究

基于源网荷储的技术经济参数、基准年数据和情景设置三个数据源,建立了基于光伏发电工程的电力系统长期规划模型,并通过对模型进行优化,得出了一种针对光伏发电的规划方案。结果表明该规划方案具有显著的经济效益和环保效益,为实现可持续发展提供了有力保障。

分布式电网中数据备份与恢复系统研究

相比于传统电网,分布式电网存在着易受外界的影响,系统发电随机性强、波动程度大等问题,因此对分布式电网运行状态的监控和管理是保证分布式电网稳定运行的前提。而在分布式电网信息管理的过程中,数据的备份与恢复是技术的关键。根据分布式电网运行数据的基本特性,采用Moss(Microsoft Office Share Point Server)构建了分布式数据备份平台,并利用相关模型设计了存储器负载均衡原则,可有效地提高系统的应用价值。

基于电力用户负荷特性曲线的聚类分析模型设计

现有ME-Wheel模型不能在限定时间内对用户的耗电行为进行定向分析。为解决上述问题,设计基于电力用户负荷特性曲线的聚类分析模型。在电力负荷特性曲线网格中,通过计算用户负载特征参数、确定约束载荷施加量的方式完成基于电力负荷特性曲线的用户耗电特征分析。在此基础上,针对电力用户负荷原始数据矩阵中的数据参量进行标准化处理,达到完善模型应用流程的目的,实现基于电力用户负荷特性曲线聚类分析模型的搭建。实验结果表明:与现有ME-Wheel模型相比,应用基于电力用户负荷特性曲线的聚类分析模型后,单位时间内用户耗电行为分析完整度得到大幅提升。

东北电网广域动态测量系统

随着我国电网互联规模的不断扩大,负荷模型对系统仿真计算结果的影响已不容忽视。为了在仿真计算中选择合适的负荷模型,东北电网按照准确、可靠、安全、实用的原则,结合相量测量技术和通信、计算机技术的最新发展情况,组建了广域动态测量系统,采用分析中心站、子站体系结构捕捉电力系统在扰动情况下的动态过程及行为特征。该系统在东北网调配置了功能强大的分析中心站,选用了3个不同厂家的PMU装置,已覆盖12个主要厂站。该系统经受了长时间的多种考验,记录了实际电网大量动态过程,不但为仿真计算研究准备了校核数据,而且为电网安全稳定运行提供了全新的动态监测手段。

基于CIM/E文件的电网全景建模技术研究

针对电网进行全景建模需求不断增长的问题,对多个电力自动化专业系统和数据集成技术展开研究,提出一种创建电网全景模型的解决方案。通过电力自动化专业系统提供的模型描述规范语言(common information model,CIM/E)文件中获取子模型数据,利用数据提取、转换和加载(extraction-transformation-loading,ETL)技术将子模型数据抽取、转换并集成到统一的电网全景模型中,解决了直接访问各应用系统数据库会暴露数据库设计及对数据库性能产生影响的问题。

上海电网需求侧负荷模式的组合识别模型

区别于传统按行业分类的需求侧负荷分析方法,利用自组织映射神经网络、K-means、模糊C均值、ID3决策树等数学工具构建了基于聚类、分类技术与决策树结构分析的负荷模式组合识别模型,并对上海电网需求侧负荷进行了特征指标计算、类别判断与挖掘、聚类评判、分类知识解释等综合分析。根据上海电网14个行业357个用户的日负荷数据集进行算例分析,指出了上海电网需求侧负荷类型、行业分布、关键指标等模式特点,验证了该模型的正确性、有效性与工程适用性。

湖南电网负荷数据分布特征的研究

研究湖南电网2000～2008年的整点负荷数据分布的集中趋势和离散程度,了解负荷在时间和空间上的分布,并分析有序用电、特殊天气等因素对负荷数据分布特征的影响,为预测负荷未来的变化趋势提供了依据。

基于PSASP在线数据的电网潮流稳定计算分析

介绍PSASP在线计算分析系统的主要模块、功能和优点,分析利用PSASP在线数据对河北省南部电网某500 kV变电站220 kV部分全停故障的潮流稳定计算,经比较得出PSASP计算结果与BPA计算结果基本一致,验证了利用PSASP在线数据进行潮流稳定计算的正确性。

基于商业智能的电网负荷预测模型的构建研究

根据对电网负荷预测业务的分析,采用探索型数据分析方法对电力企业数据仓库中的数据进行训练建模,构建出电网负荷预测模型。模型应用情况表明:应用该模型后电力企业负荷预测较传统预测方法准确率明显提高,电力企业预测技术水平相应提高,同时,应用该模型还有助于电力企业有计划地进行用电管理,确保电力企业决策分析可行性。

云计算负荷分布控制平台的设计与实现

电网环境复杂,需要对其进行分布控制。而分布式平台的功能往往较为分散,以往设计出的负荷分布控制平台控制能力较弱,电网无法对其产生高效响应。因此,设计能够合理兼顾电网响应能力和控制能力的负荷分布控制平台。该平台利用Hadoop云计算实现平台对电网负荷的有效控制。当电网设备对平台发起控制请求,Hadoop云计算将调用负荷采集模块和负荷控制模块,对电网负荷进行控制。负荷采集模块从用户或电网设备中采集负荷数据,并对所采集到的负荷数据进行处理,得到问题负荷数据。负荷控制模块通过对问题负荷数据进行分析,为用户和电网设备提供最终控制指令。平台为用户提供低级应用软件和高级控制软件,并给出负荷问题设备控制流程图。实验结果表明,所设计平台对负荷具有较强的控制能力,且电网对平台的响应效果较好。

电力负荷数据典型特征提取

随着智能电网的发展,用户类别日趋多样化,电力用户行为特征的研究显得尤为重要。首先对原始数据进行降维和分解,接着进行聚类分析,提取典型用户的日负荷曲线,最后对某地区不同用户的电力负荷曲线进行试点和应用。研究结果表明,该聚类分析方法准确率高,可提取出四类典型负荷曲线,为电力公司提供个性化、精准性的售电服务提供了理论依据。

用于电力数据管理分析的负荷预测与异常检测

构建了一个电力数据管理分析系统,并设计了电力负荷预测算法和异常数据检测算法问题。首先,针对BP神经网络在预测电力负荷存在的因初始权值与阈值设置影响估计精度的问题,提出利用粒子群优化BP神经网络网络参数,提高了预测算法的收敛速度与预测精度;然后,针对电力数据异常检测算法效率较低的问题,提出了基于改进谱聚类的异常数据检测算法,提升了电力异常数据检测效率;最后,通过实际电力数据对算法进行了测试,验证了所提算法的有效性。