系统安全运行约束下的动态环境经济调度

文章研究风电入网情况下系统安全运行的动态环境经济调度问题.基于风电预测误差,权衡效益和系统运行风险,建立了购买可中断负荷(interruptible load,IL)的经济调度优化模型.新模型的目标函数考虑了传统火电机组能耗成本、环境成本、阀点效应成本和可中断负荷补偿成本.系统运行约束上,采用条件风险价值(conditional value-at-risk,CVaR)刻画因风电间歇性和随机性导致的系统不安全运行风险,结合火电机组出力和多时间段爬坡限制建立了系统的安全运行约束.模型的求解上,采用罚函数方法、光滑化技术和样本平均方法相结合,提出了一类新的随机优化算法;IEEE-30节点系统测试了模型和算法的有效性.     

基于时序分解的自适应在线学习电力负荷预测算法研究

传统的机器学习方法无法捕捉到电力负荷需求的不确定性以及动态变化规律.本文将最新提出的隐马尔可夫模型在线学习算法应用于电力负荷预测研究,充分提取历史数据中的不确定性特征和动态变化规律,并结合分解算法,更精确利用数据中的动态变化特征,从而提高预测精度.算法基于隐马尔可夫概率预测模型,在获得新样本时对模型进行在线更新,适应最新数据;利用STL时序分解算法对负荷数据进行分解,使具有不同不确定性和动态变化规律的分量分离开,再分别使用在线学习算法对不同特征的分量进行预测,构造电力负荷预测组合算法.基于三个公开电力负荷数据集的测试结果表明,相比于单一的在线学习模型,本文提出的组合算法提高了预测精度,预测相对误差最高减少了27%.     

基于季节ARIMA模型的电力系统负荷短期预测

电力负荷是影响电网寿命和可靠度的一个重要因素,其月负荷变化具有明显的周期性.介绍了应用季节ARIMA模型进行电力负荷建模预测的理论和方法,将季节ARIMA模型应用于电力系统负荷短期预测,测试结果证明了方法的有效性.     

基于灾变灰预测的电力峰谷差异常的预测模型研究

电力负荷预测过程中,峰谷值波动是一种正常现象,当高峰期负荷急速攀升时,可能出现峰谷差异常问题(如异常值、随机误差项的异方差等),则会给电力企业带来麻烦和损失.为了对负荷峰谷差异常进行有效的预测,构建了一个基于灾变灰预测的电力峰谷差异常的预测模型,并结合实例说明了此模型的可行性和有效性.     

基于Chebyshev多项式的神经网络中长期负荷预测研究

高精度负荷预测在提高电力系统的安全性和经济性方面有着极其重要的意义,而现有的负荷预测方法因参数有限,难以完全反映其内在规律,因而导致预测结果不够准确.为此提出了一种基于Chebyshev多项式神经网络模型的预测方法.该方法使用递推最小二乘法训练神经网络权值系数,以获得高精度的参数估计,从而实现Chebyshev多项式神经网络模型对负荷量的最优拟合,再利用训练好的Chebyshev多项式神经网络模型实现中长期负荷预测.研究结果表明,该方法能较好模拟负荷变化规律,有效提高了负荷预测精度,在电力系统负荷预测中有较大的应用价值.     

考虑多能需求响应的电热互联系统协同调度优化模型

为应对中国严峻的弃风问题,讨论风电参与电采暖的运行优化策略,以协调满足电负荷和热负荷.首先,将风电场、蓄热式电锅炉和燃气轮机整合为电热互联系统,并考虑激励型需求响应和价格型需求响应对系统运行的优化效应.然后,选择最大化运行收益和和最小化运行风险作为目标函数,考虑风险不确定性的影响,构造电热互联系统(Electro-thermal interconnect system,EST)最优电热耦合调度模型;最后,通过对所提模型进行算例分析,结果表明:1)若决策者能够适当承受一定风险,利用风电满足终端用于热负荷,会极大提升风电并网空间,带来显著的增量经济效益;2)价格型需求响应能够平缓电热负荷需求曲线,促进风电并网的同时降低系统运行风险;3)激励型需求响应能为风电提供更多的备用服务,实现集中式和分散式协同互补供暖,取得最佳的系统运行结果.因此,所提电热互联系统调度运行模型有利于促进风电发电并网,能够为电热互联系统的最优运行提供决策支撑.     

基于稳健回归的电网高峰负荷预测模型应用

在分析高峰负荷特点的基础上,建立了基于稳健回归模型的高峰负荷预测方法。该方法具有较强的稳健性,适应异常情况下的样本数据,能保持较满意预测精度。通过对辽宁省2002年电网负荷数据的预测模拟,验证了本文高峰预测方法的有效性。     

自适应AR模型用于世界时序列的预测

世界时的预测可分为确定性成分的预测和随机性成分的预测两个部分。本文采用NEOS两年期间每天的UT1-UTC资料,用线性拟合外推和周期拟合外推方法预测世界时序列的确定性成分;用自适应AR模型的RLS递推算法预测世界时序列的随机性成分,综合两个部分的结果,获得较好的预测效果。步长为60d的预测精度达到0^s.0038。     

非线性回归校正模型在突变负荷预测中的研究及应用

非线性回归模型是中长期负荷预测的一种有效的方法,对常规变化趋势的负荷有很好的拟合性,但对有转折点的突变趋势或增长处于饱和阶段的负荷进行预测误差较大.通过对历史数据的最优分段,提出了非线性回归校正模型,可以很好地解决这个问题.实例表明,此模型在中长期负荷预测中是适用的,尤其对于有转折点的突变趋势,具有很高的预测精度.     

基于信度模型的超短期风电预测

信度理论是利用信度因子来保证调整后的保险费接近于真实的风险水平的一种工具.超短期风速预测可以为风电在线优化调度,储能系统实时抑制风电波动和电力系统EMS实时优化运行等方面提供决策依据,而信度模型具有能对数据量较小的样本建模,并且能够一次性预测该电厂所有风机的未来风速的特点.因此考虑将信度模型应用于预测未来超短期内的风速,并且采用系统聚类法对风机进行合理的分类,以此提高预测精度.     

基于熵值法的组合预测模型及其在高峰负荷预测中应用

组合预测可以综合利用各单一预测方法所提供的信息,是提高预测精度的有效途径.本文在指数平滑预测法及灰色预测方法的基础上建立组合预测模型,采用熵值法确定组合权系数,并对某电网高峰负荷进行了预测.实例表明,此模型具有很强的实用性和很高的预测精度.     

Stochastic ultimate load analysis:models and solution methods 1

The stochastic ultimate load analysis model used in the safety analysis of engineering structures can be treated as a special case of chance-constrained problems (CCP) which minimize a stochastic cost function subject to some probabilistic constraints. Some special cases (such as a deterministic cost function with probabilistic constraints or deterministic constraints with a random cost function) for ultimate load analysis have airady been investigated by various researchers. In this paper, a generai probabilistic approach to stochastic ultimate load analysis is given. In doing so, some approximation techniques are needed due to the fact that the problems at hand are too complicated to evaluate precisely. We propose two extensions of the SQP method in which the variables appear in the algorithms inexactly. These algorithms are shown to be globally convergent for all models and locally superlinearly convergent for some special cases     

基于LM算法的BP神经网络的电力负荷短期预测

通过对BP神经网络输入负荷值的归一化处理,同时采用Levenberg-Marquardt(LM)算法,建立了一个改进了的BP神经网络,同时用它来对电力系统进行短期负荷预测.LM算法有效地提高了BP神经网络的收敛速度和负荷的预测精度.仿真结果表明,改进了的BP神经网络具有很高的预测精度和较强的适用能力.     

A stochastic model for the daily coordination of pumped storage hydro plants and wind power plants

We propose a stochastic model for the daily operation scheduling of a generation system including pumped storage hydro plants and wind power plants, where the uncertainty is represented by the hourly wind power production. In order to assess the value of the stochastic modeling, we discuss two case studies: in the former the scenario tree is built so as to include both low and high wind power production scenarios, in the latter the scenario tree is built on historical wind speed data covering a time span of one and a half year. The Value of the Stochastic Solution, computed by a modified new procedure, shows that in scenarios with low wind power production the stochastic solution allows the producer to obtain a profit which is greater than the one associated to the deterministic solution. In-sample stability of the optimal function values for increasing number of scenarios is reported.     

等维递补灰色校正模型的研究及应用

灰色预测模型是中长期负荷预测的一种有效的方法,对E型规律发展的负荷有很好的拟合性,但对有转折点的S型增长趋势或增长处于饱和阶段的负荷进行预测误差较大。本文通过对历史数据的最优分段,提出了等维递补灰色校正模型,可以很好地解决这个问题。实例表明,此模型在中长期负荷预测中是适用的,尤其对于按S型曲线增长的情况,具有很高的预测精度。     

风电功率波动特性的概率分布模型研究

为保证电网安全稳定运行,在大规模风电并网运行控制过程中,准确构建风电出力波动特性的概率分布模型具有重要意义.基于数据驱动的方法,采用加权高斯混合概率分布模型来拟合大规模风电基地的波动特性,模型拟合参数可采用基于期望最大化(Expectation Maximization,EM)的极大似然估计算法来获得,并提出了拟合评价指标来与其它多种概率分布模型进行对比,结果验证了加权高斯混合概率模型的有效性和适用性.     

Plastic Structural Analysis Under Stochastic Uncertainty

Problems from limit load or shakedown analysis are based on the convex, linear or linearized yield/strength condition and the linear equilibrium equation for the generic stress vector. Having to take into account, in practice, stochastic variations of the model parameters (e.g., yield stresses, plastic capacities) and external loadings, the basic stochastic plastic analysis problem must be replaced by an appropriate deterministic substitute problem. Instead of calculating approximatively the probability of failure based on a certain choice of failure modes, here, a direct approach is presented based on the costs for missing carrying capacity and the failure costs (e.g., costs for damage, repair, compensation for weakness within the structure, etc.). Based on the basic mechanical survival conditions, the failure costs may be represented by the minimum value of a convex and often linear program. Several mathematical properties of this program are shown. Minimizing then the total expected costs subject to the remaining (simple) deterministic constraints, a stochastic optimization problem is obtained which may be represented by a “Stochastic Convex Program (SCP) with recourse”. Working with linearized yield/strength conditions, a “Stochastic Linear Program (SLP) with complete fixed recourse” is obtained. In case of a discretely distributed probability distribution or after the discretization of a more general probability distribution of the random structural parameters and loadings as well as certain random cost factors one has a linear program (LP) with a so-called “dual decomposition data” structure. For stochastic programs of this type many theoretical results and efficient numerical solution procedures (LP-solver) are available. The mathematical properties of theses substitute problems are considered. Furthermore approximate analytical formulas for the limit load factor are given.     

工业化、城镇化进程中电力需求分析及预测

随着工业化、城镇化进程的不断加快,我国电力需求量将持续上升。电力的充足供应是我国经济稳步发展的重要保证,故合理准确的对电力需求进行分析及预测具有重要的现实意义。基于此,分析我国电力需求现状,利用通径分析筛选电力消费需求的核心驱动因素。在模型选择的基础上,基于单变量(ETS、ARIMA模型)和多变量(情景分析)两个维度进行电力需求量分析及预测。结果表明:GDP每提高1%使得电力需求量提高0.5249%;工业化水平每提高1%使得电力需求量提高2.2146%,城镇化水平每提高1%使电力需求量相应提高1.0076%。“十二五”末中国电力消费需求量将近61425.96KW/h,2020年中国电力消费需求将近81410.10KW/h。