基于行业聚类电量曲线分解的中期负荷预测

来源 :电力建设 | 被引量 : 0次 | 上传用户:keithforever
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统电量序列分解方法难以有效结合地区行业发展趋势分析,为此文章提出一种基于行业发展趋势的行业聚类电量曲线分解中期负荷预测模型.首先,采用动态时间规整算法计算行业电量周期性,从而分类发展趋势有无变化的行业;其次,通过k-means算法按照用电特性相似聚类预分类行业,并通过季节分解算法分解聚类行业电量序列;最后,针对各电量子序列建立支持向量回归模型,并以江西省某市电量数据作算例分析.算例分析结果表明,文章方法可以分离不同用电特性的行业电量,有助于分析当地行业经济发展状况,并提高地区中期负荷预测准确性.
其他文献
为全面分析和评价动车组板卡的可靠性,文章提出一种基于热应力的可靠性评估试验方法.经过寿命分析,确定了动车组板卡性能衰减的主要影响因素为热应力;通过设计加速应力试验,缩短试验周期,研究了板卡性能变化的趋势;采用阿伦尼斯模型法计算加速因子,可对板卡的输出性能衰减可靠性进行预估.
为了解决某城际动车组正线运行时司机显示器无网压、主断路器自动跳开故障,文章分析了高压检测电路的原理及熔断器的工作特性,确定了故障的原因,并提出了相应的优化方案.试验验证和运用考核结果显示,优化后的动车组有效降低了过分相时高压电压互感器单个绕组中的涌流,提高了高压检测电路的可靠性.
HXD2B型机车6A系统通过RS485通信接收TAX2箱中的监控信息,能够有效记录机车运行中的事件.针对运行中偶发性出现监控信息丢失的故障,文章通过分析6A系统监控信息的传输方式,结合现场处理经验,查找出监控信息丢失故障产生的原因,并提出优化方法来确保6A系统中监控信息的正常接收.
为提高城市轨道交通列车维修管理水平,文章以上海地铁列车为例介绍了双重预防体系在列车检修中的应用,通过将风险分级管控和隐患治理闭环管理引入列车维护管理中,实现了列车风险的全寿命周期管理,降低了列车各类设施设备的故障次数和风险等级.实践表明,应用双重预防体系可对地铁列车风险进行有效管控,保证列车的安全运营.
针对长沙地铁电客车变频空调漏电保护模块频繁跳闸问题,文章介绍了漏电保护器的工作原理,分析了主电路各部件、漏电流高频分量、脉动直流等对漏电流的影响,确定故障原因并提出取消预充电模块上的对地电容及其接地线的解决措施,提高了空调设备运行的稳定性.
铅酸蓄电池在实际运用过程中存在一系列问题和隐患,需要大量的人力进行检修和维护.文章通过分析蓄电池维护现状、工作原理及故障种类,提出一种地铁车辆蓄电池在线监测系统,详细阐述了该系统的组成、功能特点,以及数据采集处理方式.该系统已通过贵阳轨道交通2号线项目验证,运行情况良好.
针对现有配电网可靠性评估方法无法整体评估到低压,对配电终端类型考虑不全面的问题,提出一种考虑多种终端配置的中低压可靠性协同评估方法.首先,从评估对象、评估指标以及评估框架三方面说明中低压配电网可靠性协同评估的基本思路;其次,结合馈线分区理念,考虑各类终端对供电可靠性的影响,建立基于多模块智能终端设备配置的故障查找与影响分析逻辑;再次,结合所提故障分析逻辑,提出不同电压等级协同分析的中低压蒙特卡洛可靠性评估方法;最后,以IEEE RBTS BUS-2系统为例,对不同场景下的系统可靠性水平进行了对比分析,验证
在暂态功角稳定评估和暂态电压稳定评估的相关研究中,通常分别构建独立的评估模型,这阻碍了不同任务间的信息共享,浪费了计算和存储资源.考虑不同评估任务间往往存在相似性和差异性,为更好地实现二者同时评估,文章提出了一种基于混合门控循环单元(gated recurrent unit,GRU)子层的多任务暂态稳定评估模型.由于电力系统暂态过程具有明显的时序特性,模型采用GRU子层高效地提取量测数据中的时序特征;并在模型结构中引入门控机制以自动调节各个子层在构建不同评估任务特征表示时的占比,不仅促进了不同任务间的信息
分布式电源规模化接入,使配电网拓扑结构和组成元素越来越复杂,传统矩阵算法由于馈线开关处故障电流方向难以确定已不再适用于配电网相间故障定位.为有效将复杂配电网的拓扑结构简化,基于深度优先原则对配电网进行解耦,使其变成由若干个树干状结构组成的网络;针对复杂配电网故障定位矩阵算法计算量大、步骤复杂的难题,提出了一种新的复杂配电网故障定位矩阵算法,与传统矩阵算法相比,该方法对配电网T型区段及末梢区段故障的定位更加精确.最后,通过典型园区配电网模型与改进的IEEE 33系统案例,验证了所提方法既能实现配电网的故障定
对用户开展精细化用电行为画像及分类,是电力企业精准掌握用户用电规律、提升服务水平和市场竞争力的关键因素之一.针对当前电力用户分类研究中用户用电行为画像结果片面、集成学习负荷分类研究中的基分类器冗余问题及负荷类别不平衡问题,提出一种基于用电行为数字特征画像的电力用户两阶段分类算法.第一阶段,提出一种结合谱聚类和集成强基分类器的用户日负荷曲线分类算法:首先,针对集成学习基分类器学习能力弱的不足,提出一种基于改进长短期记忆网络(long short-term memory,LSTM)的强基分类器;其次,针对基分