文中以660 MW燃煤发电机组为研究对象,提出了一种改进的基于历史数据匹配预测算法(Improve History Matching and Forecasting algorithm,IHMF)的机组短期负荷预测模型。IHMF算法利用日负荷的相似性特征,通过加权欧氏距离法同时对负荷...文中以660 MW燃煤发电机组为研究对象,提出了一种改进的基于历史数据匹配预测算法(Improve History Matching and Forecasting algorithm,IHMF)的机组短期负荷预测模型。IHMF算法利用日负荷的相似性特征,通过加权欧氏距离法同时对负荷差分序列和原始负荷序列进行相似性匹配,基于归一化后的和最小原则获得最相似日的负荷序列。算例测试表明:IHMF算法180 min内最大预测误差为6.875%,远低于HMF算法最大预测误差12.704%。此外,IHMF负荷预测模型在较长时间的连续状态下能够较好地预测出未来负荷的变化。文中所提的IHMF负荷预测模型可有效应用于电站实际生产,方便运行人员依据负荷预测结果提前制定机组运行计划与生产方案。展开更多
智能电网的安全运行高度依赖信息环节功能所提供的强大技术保障,致使电网在运行过程中易受到恶性数据注入等网络攻击的威胁,其中空间隐蔽型恶性数据注入攻击是最普遍的一种。为保证该类恶性数据注入攻击在电网运行中能被高效实时检测处...智能电网的安全运行高度依赖信息环节功能所提供的强大技术保障,致使电网在运行过程中易受到恶性数据注入等网络攻击的威胁,其中空间隐蔽型恶性数据注入攻击是最普遍的一种。为保证该类恶性数据注入攻击在电网运行中能被高效实时检测处理,提出一套面向监视控制与数据采集(supervisory control and data acquisition,SCADA)和相量测量单元(phasor measurement unit,PMU)混合量测的智能电网恶性数据在线防御流程。首先通过历史状态量获取与状态预测实现状态量挖掘,再进行SCADA仪表与PMU量测量的恶性数据检测、剔除与修正。此外,该文提出一种适用于混合量测系统的多重匹配状态预测方法,其预测结果作为状态参考用以打破恶性数据隐蔽性。IEEE-14和IEEE-118节点测试系统仿真结果验证了所提方法预测准确性及在线检测空间隐蔽型恶性数据的有效性。展开更多
文摘文中以660 MW燃煤发电机组为研究对象,提出了一种改进的基于历史数据匹配预测算法(Improve History Matching and Forecasting algorithm,IHMF)的机组短期负荷预测模型。IHMF算法利用日负荷的相似性特征,通过加权欧氏距离法同时对负荷差分序列和原始负荷序列进行相似性匹配,基于归一化后的和最小原则获得最相似日的负荷序列。算例测试表明:IHMF算法180 min内最大预测误差为6.875%,远低于HMF算法最大预测误差12.704%。此外,IHMF负荷预测模型在较长时间的连续状态下能够较好地预测出未来负荷的变化。文中所提的IHMF负荷预测模型可有效应用于电站实际生产,方便运行人员依据负荷预测结果提前制定机组运行计划与生产方案。
文摘智能电网的安全运行高度依赖信息环节功能所提供的强大技术保障,致使电网在运行过程中易受到恶性数据注入等网络攻击的威胁,其中空间隐蔽型恶性数据注入攻击是最普遍的一种。为保证该类恶性数据注入攻击在电网运行中能被高效实时检测处理,提出一套面向监视控制与数据采集(supervisory control and data acquisition,SCADA)和相量测量单元(phasor measurement unit,PMU)混合量测的智能电网恶性数据在线防御流程。首先通过历史状态量获取与状态预测实现状态量挖掘,再进行SCADA仪表与PMU量测量的恶性数据检测、剔除与修正。此外,该文提出一种适用于混合量测系统的多重匹配状态预测方法,其预测结果作为状态参考用以打破恶性数据隐蔽性。IEEE-14和IEEE-118节点测试系统仿真结果验证了所提方法预测准确性及在线检测空间隐蔽型恶性数据的有效性。
