一种改进的SVM短期电力系统负荷预测方法

针对电力市场环境下短期电力系统负荷预测准确、高效的要求,提出了一种改进的支持向量机短期负荷预测方法。利用主成分降维获取日负荷数据的特征因子,通过灰色关联分析建立负荷特征因子与影响因素之间的关联关系。构建不同日之间影响因素的加权差异度值,将倒数作为权重系数引入支持向量机模型,建立了一种考虑影响因素权值特征的SVM负荷预测模型。仿真结果表明,改进的SVM模型在一个月内负荷预测的平均预测准确率约为97.01%,日均相对误差在0.32%~3.57%范围内波动。该模型的负荷预测准确率和稳定性均优于常规的SVM模型与LS-SVM模型。

基于电压灵敏度矩阵特征值模态形状的电压控制区域识别

为提高电网电压控制区域识别的准确性和快速性,提出基于电压灵敏度矩阵特征值模态形状的电网电压控制区域新识别方法。该方法首先通过电网潮流方程获得电压灵敏度矩阵,并计算该矩阵的特征值、特征向量。然后,将特征值按模值升序排列,并从最小模值特征值开始,计算特征对应的模态形状。最后,当最小模量、最低识别节点数百分比和最多所用特征值个数等三项约束同时满足时,完成电网电压控制区域的准确、快速识别。在IEEE 14节点系统上验证了所提电压控制区域识别方法的有效性。测试结果表明,所提方法能够在保证电压控制区域的识别准确性的基础上大幅度提升对电压控制区域识别的运算速度。

基于电气量和开关量数据的电网故障监测方法研究

为了提高复杂电网故障监测的精度和可靠性,采用电气量和开关量数据对电网故障进行监测。通过故障信息系统获得电流信号数据,对获得的电流信号数据进行小波变换得到小波故障度、小波奇异度和小波能量度,同时通过SCADA(Supervisory Control And Data Acquisition)系统获得开关量数据,通过搭建Petri网模型得到模糊故障度。采用D-S证据理论将多源数据进行融合,最终达到对复杂电网故障监测的目的。以河南省某局部电网系统为例,采用电气量和开关量数据进行电网故障监测,结果表明该方法能够有效提高复杂电网故障监测的精度,具有一定的工程应用价值。