统计综合法电力系统负荷建模平台的开发

针对统计综合法负荷建模工程实用化程度低的现状,开发一个统计综合法电力系统负荷建模平台。该平台由前台操作界面和后台服务器两大部分组成,对负荷特性数据进行分析、管理和应用。前台操作界面采用Visual C++6.0开发环境,应用模块整合技术,各功能模块既相互独立又相互关联。采用SQL Serv-er2000开发工具构建的数据库系统作为后台服务器。该平台操作简单,运行可靠,适用性强,扩展性好,能够方便建立各行业、各变电站的综合负荷模型,对统计综合法电力系统负荷建模具有实际工程意义,已在实际系统投入运行。

基于广义状态分析的水电站群长期优化调度

针对水库群优化调度这一典型的多维非线性规划问题,基于逐步优化算法(progressive optimality algorithm,POA)和逐步逼近策略(dynamic programming successive approximation,DPSA)的时间和空间降维优势,同时考虑到POA-DPSA方法输出伪最优解的可能性,引入广义时间和广义空间状态概念,对陷入伪最优解下的状态变量进行变阶段联合调整,提高了算法的全局寻优性能。同时,为保证算法的高效求解,在保持广义状态内部一致性的前提下,提出一种等约束滑行策略对各子阶段状态量进行调整。经典4库和10座水库群及湖南沅水流域优化调度结果表明,改进算法能有效提高水电站群联合发电效益,且寻优效率高,为水电站群优化调度工程应用提供新的方法。

基于云模型的水库调度函数拟合方法研究

针对水库线性调度函数拟合误差较大及模糊集等方法可能出现过拟合现象的不足,引入云模型将样本数据转换为可准确反映样本数据分布的定性概念,再通过数据挖掘算法得到水库调度模式,并建立云模型规则发生器拟合得到调度函数,最后以江垭电站为例,对比云模型规则与模糊集规则和线性调度函数,证明了该算法的有效性,可用于指导实际水库调度。

密度梯度聚类算法在负荷动特性聚类中的应用

文中提出将基于数据挖掘原理的密度梯度聚类算法应用于电力系统负荷动特性的聚类。通过计算实测响应空间各样本间的密度分布,得到原始聚类中心,再利用类与类之间边界点的分布情况进行合并,从而达到负荷动特性分类。聚类中心在分类过程中产生,以此聚类中心作为该类的等效样本,对其进行参数辨识即可得到同类负荷特性的通用负荷模型。分类和综合在同一过程中完成,具有快速简便的优点。对某一变电站现场采集的负荷特性数据进行聚类应用,结果表明该方法具有良好的聚类效果。

基于云模型的典型水文年选取研究

典型水文年的选取是水文特性分析的重要环节,也是水电站调度管理的基础性研究工作。为避免传统频率法计算过程中人为确定分类标准的主观性,引入云模型理论,利用云变换方法提取径流时间序列不确定性概念,并采用一种考虑幅度系数影响的概念跃升方法进行云综合,实现了对径流数据定性概念的自动划分。实例仿真表明,该方法所提取的概念中心与传统频率法得到的理论值相近,且基于云模型的概念表示能同时体现概念的随机性和模糊性,从而能更准确地描述流域水文丰枯特性。

分散性负荷构成特性数据集总系统

完整的电力系统负荷构成特性数据是实现电力系统综合负荷之统计综合建模的基本前提。传统的负荷特性调查统计方法,时间和人力投入大且难以保证数据的完整性、准确性和时效性。以Intranet/Internet为应用环境,运用动态网页JSP(Java Server Page)技术和可视化VC++编译环境并结合使用Office组件数据库Access,设计了一个集数据统计、数据动态交互和数据管理功能于一体的分散性负荷构成特性数据集总系统。该系统技术先进,设计和实现简便,适应性强,实用性好,为大型区域电网综合负荷建模建立了良好的技术支持平台。

基于特征分量组合的多小水电地区日负荷预测

随着小水电大规模并网,其无序发电对电网造成的冲击越加不可忽视,提高小水电负荷预测的准确率对掌握小水电的发电情况及电网调度有着重要意义。将小水电预测日的负荷解耦为基值和标幺值两部分进行预测,并引入云模型方法对基值的偏差进行拟合。同时,针对标幺化后的负荷曲线,采用集成经验模态获取其特征分量,并通过对相似日和日前负荷曲线的特征向量进行交叉组合以快速获得预测日的标幺曲线。通过对湖南某富小水电地区进行实例分析,验证了本预测方法的有效性。