半月刊

ISSN 1000-1026

CN 32-1180/TP

+高级检索 English
  • 新能源电力系统预测技术
    全 选
    显示方式: |
    • 基于深度信念网络的短期负荷预测方法

      2018, 42(5):133-139. DOI: 10.7500/AEPS20170826002

      摘要 (3286) HTML (0) PDF 1.28 M (2739) 评论 (0) 收藏

      摘要:电力系统信息化的发展及配电网中分布式电源和电动汽车的大量接入,增加了用电模式的复杂性,对负荷预测的精确度和稳定性提出了更高的要求。提出了一种基于深度信念网络的短期负荷预测方法。该方法包括深度信念网络的构建、模型参数的逐层预训练和微调,以及模型的应用等步骤。在模型参数预训练过程中,采用高斯—伯努利受限玻尔兹曼机(GB-RBM)作为堆叠组成深度信念网络的第1个模块,使其能够更有效地处理对负荷有影响的多类型实值输入数据;并采用无监督训练和有监督训练相结合的部分有监督训练算法进行预训练;利用列文伯格—马夸尔特(LM)优化算法微调预训练阶段得到的网络参数,使其更快收敛于最优解。最后,以实际负荷数据进行算例分析,结果表明,在训练样本较大且负荷影响因素复杂的情况下,所提方法具有更高的预测精度。

    • 基于风速云模型相似日的短期风电功率预测方法

      2018, 42(6):53-59. DOI: 10.7500/AEPS20170605001

      摘要 (2188) HTML (0) PDF 1.32 M (1432) 评论 (0) 收藏

      摘要:风电功率预测是解决风电不确定性影响的重要基础和必要手段,高比例风电并网条件下对每个时刻点的预测精度要求都将更为严格。训练样本是影响预测精度的关键因素之一,但由于实际天气系统的复杂多样性和类属模糊性,定向选择与调度时段内风况相似的训练样本对预测精度至关重要。因此,提出了基于云模型定向选取风速相似日数据作为训练样本的短期风电功率预测方法,能够对指定时段内风速随机性和模糊性特征进行学习和建模,通过对历史数据的定向筛选和精细化利用提升预测精度。首先,以日为单位建立历史风速的云模型数据库;然后,建立云模型相似度量化指标,用于判断与待预测时段风速云模型最为相似的历史数据序列,以此为训练样本建立短期风电功率预测模型。在实际预测中,每日根据天气预报信息滚动更新训练样本和预测模型,提高预测精度。最后,选择中国北方某风电场运行数据进行实例分析,结果证明了所提方法能够提高风电功率预测精度,具有一定的工程实用价值。

    • 计及元胞发展程度的空间负荷预测方法

      2018, 42(1):61-67. DOI: 10.7500/AEPS20170328001

      摘要 (2351) HTML (0) PDF 3.82 M (1242) 评论 (0) 收藏

      摘要:针对分类负荷在不同元胞内发展程度不同导致元胞负荷分布不均衡,从而影响空间负荷预测结果精度的问题,提出一种计及元胞发展程度的空间负荷预测方法。首先建立电力地理信息系统(GIS),在电力GIS中生成元胞,并整合基础信息,其中包括用地信息、10 kV馈线的供电范围及分类负荷数据。其次求出总分类负荷密度的饱和值,再结合生长曲线揭示总分类负荷密度的发展规律。然后找到当前年各元胞内分类负荷密度在总分类负荷发展规律曲线上的位置,即为各元胞内分类负荷密度的发展程度。最后根据当前年元胞内各分类负荷密度的发展程度,结合总分类负荷密度发展规律曲线,确定目标年各元胞内分类负荷密度,再乘以元胞中每类负荷所对应的面积实现对元胞负荷值的预测。实例分析表明了该方法的正确性和有效性。

    • 基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测

      2018, 42(20):67-72. DOI: 10.7500/AEPS20180125004

      摘要 (1582) HTML (0) PDF 1.38 M (1120) 评论 (0) 收藏

      摘要:针对短期负荷预测的精度问题,文中提出基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法。在传统的灰色关联分析方法基础上,引入以距离相似性和形状相近性相关联的综合灰色关联度选取更高相似度的相似日。为缩小训练样本的差异程度,提高预测精度,利用相似日集合中的样本来训练蝙蝠优化的反向传播(BP)神经网络预测模型。以中国南方某城市的历史数据作为实际算例,将文中提出的基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法与单纯的BP神经网络法、蝙蝠优化BP神经网络法、传统灰色关联与蝙蝠优化的BP神经网络组合法的预测结果相比,结果表明文中方法的预测精度较高。

    • 电动汽车充放电负荷预测研究综述

      2019, 43(10):177-191. DOI: 10.7500/AEPS20180814001

      摘要 (1364) HTML (0) PDF 1.51 M (1312) 评论 (0) 收藏

      摘要:随着电动汽车的持续推广以及充电设施的建设和逐步普及,电动汽车将得到越来越多的应用,而电动汽车充电负荷时空分布预测是分析电动汽车接入电网相关研究的基础。首先,分别从车辆性能、充电设施、用户行为习惯等微观层面,以及政策、环境、市场经济等宏观层面总结影响电动汽车充电负荷的关键因素;其次,对电动汽车充电负荷时间分布、空间分布预测方法的发展进行了系统阐述,分析了用户行为不确定性处理技术,同时概括了现有研究中一些新技术的应用情况,并针对电动汽车参与放电潜力评估的研究现状进行了介绍;最后,总结了现有研究方法中存在的不足和改进方向。

    • 基于协整—格兰杰因果检验和季节分解的中期负荷预测

      2019, 43(1):73-80. DOI: 10.7500/AEPS20180629013

      摘要 (1171) HTML (0) PDF 1.42 M (1285) 评论 (0) 收藏

      摘要:近年来,随着国民经济的转型,中国的经济结构发生了较大的变化,仅仅依靠电力负荷历史数据进行负荷电量预测会造成较大的误差。为解决传统负荷预测方法对于经济、气象等因素考虑不足的问题,提出了一种可以计及经济与气象等因素影响的中期负荷电量预测方法。首先利用季节分解将历史月度用电量分解为长期趋势及循环分量、季节分量以及不规则分量;并以计量经济学中的协整检验以及格兰杰因果检验分析经济因素与用电量长期趋势及循环分量的关系,确定影响该部分电量预测的关键性指标;基于电量、气象以及经济数据,对各个分量利用支持向量机分别进行预测并综合得到月度电量总量预测值;最后通过算例分析了方法的有效性与可行性。

    • 超短期光伏出力区间预测算法及其应用

      2019, 43(3):10-16. DOI: 10.7500/AEPS20180322001

      摘要 (1518) HTML (0) PDF 1.37 M (1712) 评论 (0) 收藏

      摘要:光伏出力预测能为电力系统经济安全运行提供重要依据,传统预测方法多为确定性点预测,其结果一般有不同程度的误差,概率性区间预测方法能有效描述光伏出力的不确定性因而逐步受到重视。针对超短期光伏出力区间预测问题,提出一种基于粒子群优化与边界估值理论的预测模型,用于光伏出力区间预测。通过利用粒子群算法对边界估值理论的输出权值进行优化,能够直接、快速地寻找最优的预测区间上下限,从而克服传统区间预测方案中计算量大与需要数据分布假设的限制,实现对超短期光伏出力的区间预测。最后,基于澳大利亚昆士兰大学光伏电站实例仿真验证模型,评估不同置信水平下模型的区间预测性能,并与传统的点预测方案进行对比,结果表明,所提出模型能生成高质量的超短期光伏出力区间预测,能够为光电并网安全稳定运行提供更好的决策支持。

    • 考虑日周期性影响的光伏功率爬坡事件非精确概率预测

      2019, 43(20):31-38. DOI: 10.7500/AEPS20190131003

      摘要 (564) HTML (0) PDF 1.33 M (797) 评论 (0) 收藏

      摘要:光伏功率爬坡事件的可靠预测对电力系统运行决策至关重要。针对现有光伏发电功率爬坡事件预测存在误报与漏报的问题,提出了一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法。首先,定义了新的光伏爬坡特征量,以有效剔除光伏发电功率中的日趋势性变化。进而,为了避免光伏爬坡样本数据有限可能引发的预测误差,通过结构学习构建了最优信度网络,对光伏功率爬坡事件进行非精确概率预测;其中,信度网络节点关联的非精确条件概率由多状态随机变量的非精确狄利克雷模型统计得到。最后,根据给定气象条件,推理计算各爬坡状态发生的概率区间。基于某光伏电站数据的算例仿真验证了所述方法的有效性,表明所提方法可有效捕捉光伏发电功率变动中由气象条件引发的突变事件。