期刊文献+
共找到110篇文章
< 1 2 6 >
每页显示 20 50 100
用PSO优化BP神经网络的母线负荷预测方法 被引量:17
1
作者 彭信淞 贺辉 +3 位作者 姚建刚 钟立军 梁文举 王建 《电力系统及其自动化学报》 CSCD 北大核心 2010年第5期146-151,共6页
针对母线负荷基数小、易突变、母线间差异大等特点,提出一种粒子群算法优化神经网络的多层前馈神经网络的母线负荷预测方法。该方法综合了粒子群优化算法的全局随机搜索最优解和梯度下降局部细致搜索优势的特点,使其陷入局部最小,用母... 针对母线负荷基数小、易突变、母线间差异大等特点,提出一种粒子群算法优化神经网络的多层前馈神经网络的母线负荷预测方法。该方法综合了粒子群优化算法的全局随机搜索最优解和梯度下降局部细致搜索优势的特点,使其陷入局部最小,用母线负荷的初始值作为粒子向量的值,优化了误差反向传播神经网络的权值和阈值,达到提高预测精度和改善泛化性的目的。用该方法对湖南地区的110 kV和220 kV的母线负荷进行实验分析,结果验证了该方法的有效性和优越性。 展开更多
关键词 母线负荷 预测 粒子群算法 BP网络
下载PDF
基于6σ设计的插电混合动力客车的能量管理策略
2
作者 赖辉平 侯亮 +1 位作者 王少杰 刘强生 《汽车安全与节能学报》 CAS CSCD 北大核心 2022年第2期358-367,共10页
为提高城市插电式混合动力客车(PHEB)对随机质量、不同道路坡度、不同工况的适应性,本文提出了一种基于6σ设计的PHEB能量管理策略设计方法。将随机载客量作为噪声因子;离线过程采用6σ设计和等效燃油消耗控制策略(ECMS),获得能够对抗... 为提高城市插电式混合动力客车(PHEB)对随机质量、不同道路坡度、不同工况的适应性,本文提出了一种基于6σ设计的PHEB能量管理策略设计方法。将随机载客量作为噪声因子;离线过程采用6σ设计和等效燃油消耗控制策略(ECMS),获得能够对抗随机载荷变化的鲁棒控制参数;在线过程采用K最邻近法(KNN)行驶工况在线识别模型,实现复杂道路下的自适应控制。结果表明:该方法与基于规则的控制策略相比,100 km油耗平均减少了2.64 L。因此,该方法提高了混合动力城市公交客车的在不同工况环境下的适应性。 展开更多
关键词 插电混动动力客车(PHEB) 载客量 6σ设计(DFSS) 等效燃油消耗控制策略(ECMS)
下载PDF
基于PSR和DBN的超短期母线净负荷预测 被引量:10
3
作者 石天 梅飞 +3 位作者 陆继翔 陆进军 郑建勇 张宸宇 《电力工程技术》 2020年第1期178-183,共6页
随着电网优化调度的精细化、智能化和计及电力系统安全性与经济性的电网高级应用的广泛采用及分布式能源的大量接入,母线负荷预测的精度要求不断提高而负荷的不确定性和非线性特征进一步增强。针对上述问题,文中提出一种基于相空间重构(... 随着电网优化调度的精细化、智能化和计及电力系统安全性与经济性的电网高级应用的广泛采用及分布式能源的大量接入,母线负荷预测的精度要求不断提高而负荷的不确定性和非线性特征进一步增强。针对上述问题,文中提出一种基于相空间重构(PSR)和深度信念网络(DBN)的超短期母线负荷预测模型,首先采用C-C法对净负荷时间序列进行PSR,然后利用DBN对重构后的数据进行拟合并得出负荷的预测值。文中利用某市变电站实测负荷数据检验了该超短期母线负荷预测模型的有效性,证明该模型在分布式电源渗透率较高且母线负荷波动较大的情况下仍然有较高的预测精度。 展开更多
关键词 负荷预测 母线净荷预测 深度信念网络 相空间重构 深度学习
下载PDF
基于XGBoost与Stacking模型融合的短期母线负荷预测 被引量:48
4
作者 刘波 秦川 +3 位作者 鞠平 赵静波 陈彦翔 赵健 《电力自动化设备》 EI CSCD 北大核心 2020年第3期147-153,共7页
母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测... 母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数。通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性。 展开更多
关键词 母线负荷 XGBoost 元模型 Stacking模型融合 粒子群优化算法
下载PDF
基于改进灰色模型与综合气象因素的母线负荷预测 被引量:45
5
作者 廖峰 刘清良 +3 位作者 贺辉 程义明 徐聪颖 姚建刚 《电网技术》 EI CSCD 北大核心 2011年第10期183-188,共6页
针对母线负荷与系统负荷的差异——母线负荷基数小、易受气象要素变化影响等,为了充分考虑气象要素、日类型、小电源等因素对母线负荷预测的影响,提出了一种利用指数加权法来处理原始数据的改进灰色模型。以预测日的日类型与综合气象要... 针对母线负荷与系统负荷的差异——母线负荷基数小、易受气象要素变化影响等,为了充分考虑气象要素、日类型、小电源等因素对母线负荷预测的影响,提出了一种利用指数加权法来处理原始数据的改进灰色模型。以预测日的日类型与综合气象要素为依据,将其模糊化为日特征向量,采用灰色关联度来选择最优相似日,作为改进灰色模型的原始序列进行预测,以提高预测精度。通过对某省某地若干个不同负荷类型的220 kV母线负荷进行预测分析,验证了此方法是实用、有效的。 展开更多
关键词 改进灰色模型 综合气象要素 相似日 母线负荷 灰色关联度
下载PDF
基于多源数据和模型融合的超短期母线负荷预测方法 被引量:33
6
作者 范士雄 刘幸蔚 +2 位作者 於益军 张伟 李立新 《电网技术》 EI CSCD 北大核心 2021年第1期243-250,共8页
母线负荷预测对于电网调度运行的安全性和在线分析决策的准确性具有重要的意义。为了进一步提高母线负荷预测精度,提出了一种基于多源数据和模型融合的超短期母线负荷预测方法。结合当前电力大数据,首先将历史负荷数据、日期信息以及天... 母线负荷预测对于电网调度运行的安全性和在线分析决策的准确性具有重要的意义。为了进一步提高母线负荷预测精度,提出了一种基于多源数据和模型融合的超短期母线负荷预测方法。结合当前电力大数据,首先将历史负荷数据、日期信息以及天气信息等多类型数据作为预测模型的输入特征,并建立基于BP-ANN(back propagation)神经网络和CNN(convolutional neural network)神经网络融合的预测模型。然后采用BP-ANN提取数值类型和类别类型数据的特征向量,与CNN提取图像型数据的特征向量进行融合,通过多层BP-ANN神经网络进行超短期母线负荷的预测。最后,采用我国某地区220kV变电站高压侧的有功负荷历史数据和该地区天气信息进行实例分析。实验结果分析表明,所提方法能够充分有效利用多源数据和模型融合的特点进行超短期母线负荷预测,相较于BP-ANN和CNN单独模型预测具有更高的负荷预测精度。 展开更多
关键词 母线负荷 BP神经网络 模型融合 超短期负荷预测 卷积神经网络 特征融合
下载PDF
基于LSSVM和马尔可夫链的母线负荷短期预测 被引量:25
7
作者 李光珍 刘文颖 《电力系统保护与控制》 EI CSCD 北大核心 2010年第11期55-59,66,共6页
提出了一种母线负荷短期预测混合算法。采用最小二乘支持向量回归方法(LSSVM)进行短期母线负荷预测,并提出一种广义网格搜索算法对模型参数进行优化;由历史预测误差组成误差序列,将历史预测误差序列看作是一个符合马尔可夫过程的时间序... 提出了一种母线负荷短期预测混合算法。采用最小二乘支持向量回归方法(LSSVM)进行短期母线负荷预测,并提出一种广义网格搜索算法对模型参数进行优化;由历史预测误差组成误差序列,将历史预测误差序列看作是一个符合马尔可夫过程的时间序列,采用马尔可夫链方法对未来的预测误差进行估计,采用误差估计结果对上一步LSSVM的预测结果进行修正,得出最终预测结果。经算例分析证明,所提方法能显著提高预测精度。 展开更多
关键词 母线负荷 母线负荷预测 最小二乘支持向量机 广义网格搜索算法 马尔可夫链
下载PDF
基于CNN-LSTM分位数回归的母线负荷日前区间预测 被引量:16
8
作者 唐戈 余一平 +1 位作者 秦川 鞠平 《电力工程技术》 北大核心 2021年第4期123-129,共7页
针对部分工业类母线负荷波动较大,传统点预测方法难以准确预测的问题,文中提出一种基于卷积神经网络(CNN)与长短期记忆网络分位数回归(QRLSTM)组合的母线负荷日前区间预测模型。首先,针对工业类负荷功率的高频波动,采用去噪自编码器对... 针对部分工业类母线负荷波动较大,传统点预测方法难以准确预测的问题,文中提出一种基于卷积神经网络(CNN)与长短期记忆网络分位数回归(QRLSTM)组合的母线负荷日前区间预测模型。首先,针对工业类负荷功率的高频波动,采用去噪自编码器对历史负荷数据进行降噪处理;然后,利用基于时间分布层封装的一维CNN网络进行负荷特征提取和压缩,以提升整个模型的学习效率;最后,建立含有注意力机制的QRLSTM模型进行特征学习,得到不同分位数下的负荷区间预测结果。对工业类和居民商业类2种典型的220 kV母线负荷进行了负荷日前区间预测测试,并与常规的分位数回归方法进行了对比。结果表明,文中方法获得的预测结果总体上区间覆盖率更大、区间平均宽度和区间累计偏差均更小,预测效果更好。 展开更多
关键词 母线负荷 日前区间预测 卷积神经网络 长短记忆神经网络分位数回归 注意力机制
下载PDF
低秩矩阵分解在母线坏数据辨识与修复中的应用 被引量:12
9
作者 王毅 李鼎睿 康重庆 《电网技术》 EI CSCD 北大核心 2017年第6期1972-1979,共8页
母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方... 母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。 展开更多
关键词 母线负荷 低秩矩阵分解 坏数据辨识 坏数据修复 负荷预测
下载PDF
计及分布式光伏电源出力影响的母线净负荷预测 被引量:10
10
作者 朱赫炎 张明理 +3 位作者 郭笑林 于长永 李一然 沈辰 《电测与仪表》 北大核心 2020年第12期69-74,104,共7页
母线负荷波动性强、易受用户用电行为的影响,接入分布式光伏电源(Distribution Generator,DG)后,其出力波动会进一步增加母线净负荷不确定性。针对此问题,提出以随机森林(Random Forest,RF)作为预测器,分别预测光伏DG出力与母线负荷的... 母线负荷波动性强、易受用户用电行为的影响,接入分布式光伏电源(Distribution Generator,DG)后,其出力波动会进一步增加母线净负荷不确定性。针对此问题,提出以随机森林(Random Forest,RF)作为预测器,分别预测光伏DG出力与母线负荷的母线净负荷预测新方法。文章构建含气象与社会信息等因素在内的高维原始特征集合,并以原始特征集合分别构建光伏DG出力与母线负荷RF预测器。在RF训练过程中,以PI值分析原始特征集合各特征重要度并排序;以不同维度特征子集RF模型预测准确率作为决策变量,采用前向特征选择法,确定最优特征子集,并构建最优预测器;最后,以母线负荷预测值减去光伏DG出力获得母线净负荷预测值。以某地区实际含光伏电源母线数据开展实验,验证了新方法的有效性与先进性。 展开更多
关键词 母线负荷 光伏出力 母线净负荷 随机森林 PI值
下载PDF
母线负荷异常数据复杂不确定性检测与基于综合云的修正模型 被引量:12
11
作者 尹星露 肖先勇 孙晓璐 《电力自动化设备》 EI CSCD 北大核心 2015年第6期117-122,共6页
母线负荷数据异常具有复杂不确定性,是进行母线负荷预测、确定电网运行方式和安全校核等必须解决的重要课题。用聚类分析法确定待测日负荷的相似集,基于母线负荷纵向分布规律和横向连续性,提出异常数据复杂不确定性检测方法;研究母线负... 母线负荷数据异常具有复杂不确定性,是进行母线负荷预测、确定电网运行方式和安全校核等必须解决的重要课题。用聚类分析法确定待测日负荷的相似集,基于母线负荷纵向分布规律和横向连续性,提出异常数据复杂不确定性检测方法;研究母线负荷数据的期望、熵和超熵等数学特征,提出基于综合云的异常数据修正模型。以所提方法对某电网110 k V母线负荷数据进行了分析和预测,结果证明了该方法的可行性、正确性和有效性。 展开更多
关键词 母线负荷 负荷预测 异常数据 相似集 不确定性分析 数学特征 检测与修正方法 综合云模型 聚类算法
下载PDF
基于层次聚类和极限学习机的母线短期负荷预测 被引量:11
12
作者 颜宏文 盛成功 《计算机应用》 CSCD 北大核心 2018年第8期2437-2441,共5页
利用传统方法预测母线负荷时,通常选取离待测日相近的一段时间作为历史相似日进行模型训练,没有考虑其天气情况、星期类型、节假日等因素的影响,相似日与待测日特征相差较大。为解决以上问题,提出一种基于层次聚类(HC)和极限学习机(ELM... 利用传统方法预测母线负荷时,通常选取离待测日相近的一段时间作为历史相似日进行模型训练,没有考虑其天气情况、星期类型、节假日等因素的影响,相似日与待测日特征相差较大。为解决以上问题,提出一种基于层次聚类(HC)和极限学习机(ELM)的母线负荷预测算法。首先使用层次聚类法将母线历史日负荷进行聚类,然后对层次聚类得出的聚类结果建立决策树,其次根据待测日的温度、湿度、星期和节假日类型等日属性在决策树中匹配出训练极限学习机预测模型的历史日负荷,最后建立极限学习机预测模型,对待测日母线日负荷进行预测。对两条不同母线的负荷进行了预测,与传统单一的极限学习机相比,所提算法的平均绝对百分比误差(MAPE)分别降低了1.4和0.8个百分点。实验结果表明,所提算法预测母线负荷具有更高的预测精度和稳定性。 展开更多
关键词 母线负荷 短期预测 层次聚类 决策树 极限学习机
下载PDF
基于SSA-Bi-LSTM神经网络的母线负荷预测方法 被引量:9
13
作者 胡如乐 陈逸枞 +3 位作者 张大海 张沛 王舒杨 喻芸 《广东电力》 2022年第2期19-26,共8页
为了提高母线负荷预测精度,针对长短期记忆(long short term memory,LSTM)神经网络在母线负荷预测时存在对负荷规律提取不足导致精度下降、超参数设置依赖经验等问题,首先构建LSTM神经网络的变体网络———双向长短期记忆(Bi-directiona... 为了提高母线负荷预测精度,针对长短期记忆(long short term memory,LSTM)神经网络在母线负荷预测时存在对负荷规律提取不足导致精度下降、超参数设置依赖经验等问题,首先构建LSTM神经网络的变体网络———双向长短期记忆(Bi-directional LSTM,Bi-LSTM)神经网络,捕获时间序列未来可用的信息。然后采用麻雀搜索算法(sparrow search algorithm,SSA)搜索最优超参数,得到最优学习率、隐层神经元数目和迭代次数等。以实际10kV母线数据对SSA-Bi-LSTM神经网络模型进行验证,并与Bi-LSTM神经网络和BP神经网络进行对比,结果表明SSA-Bi-LSTM神经网络模型的预测效果更佳。 展开更多
关键词 母线负荷 双向长短期记忆神经网络 负荷预测 麻雀搜索算法 长短期记忆神经网络
下载PDF
CANopen总线协议在多节点控制系统中的应用 被引量:8
14
作者 王喆 郭婧 +1 位作者 史宇辉 焦旸 《火炮发射与控制学报》 北大核心 2020年第3期18-22,共5页
本套控制系统是某武器系统的重要组成部分,其设计的好坏直接影响到武器系统的先进性。针对该系统具有高速度、高精度、多自由度、多总线节点等特点,采用了基于CAN总线的CANopen协议构建了系统通信总线。通过对节点通信报文测试和控制系... 本套控制系统是某武器系统的重要组成部分,其设计的好坏直接影响到武器系统的先进性。针对该系统具有高速度、高精度、多自由度、多总线节点等特点,采用了基于CAN总线的CANopen协议构建了系统通信总线。通过对节点通信报文测试和控制系统时序分析计算得出CANopen协议下的总线负载,并验证了CANopen协议在多节点控制系统应用中的优越性,结合系统控制方案详细介绍CANopen总线协议在多节点伺服控制系统中的应用。 展开更多
关键词 武器系统 总线 CANOPEN 多节点 总线负载
下载PDF
基于模型有效度的地区电网母线负荷组合预测与系统实现 被引量:8
15
作者 孙晓璐 肖先勇 +1 位作者 尹星露 黄静 《电力自动化设备》 EI CSCD 北大核心 2014年第12期106-110,共5页
地区电网母线负荷预测是确定运行方式、进行安全校核的基础,也是智能电网建设的重要内容。组合预测是解决母线负荷分散性和不确定性的有效手段,其关键在于预测模型的选择和组合策略的确定。从地区电网母线负荷的特点出发,引入预测模型... 地区电网母线负荷预测是确定运行方式、进行安全校核的基础,也是智能电网建设的重要内容。组合预测是解决母线负荷分散性和不确定性的有效手段,其关键在于预测模型的选择和组合策略的确定。从地区电网母线负荷的特点出发,引入预测模型有效度概念,提出基于关联度的组合模型集确定方法和模型有效度灰色预测方法,利用组合模型有效度的归一化系数建立组合预测模型,并基于C#平台开发地区电网母线负荷预测系统。该系统在某地区电网的应用证明了所提方法的正确性和有效性。 展开更多
关键词 地区电网 母线负荷 分散性 不确定性 负荷预测 模型有效度 组合模型集 灰色理论 模型
下载PDF
基于双向长短时记忆网络的母线负荷分解方法 被引量:7
16
作者 钱甜甜 王珂 +1 位作者 徐立中 石飞 《电力工程技术》 2020年第6期104-109,共6页
目前在负荷分解领域的研究多以家庭住宅的总负荷分解为电器级别的负荷为主,对于中高电压等级的母线负荷分解研究较少,为解决这一问题,提出基于双向长短时记忆网络(Bi-LSTM)的中高电压等级母线负荷分解算法。首先在长短时记忆(LSTM)的基... 目前在负荷分解领域的研究多以家庭住宅的总负荷分解为电器级别的负荷为主,对于中高电压等级的母线负荷分解研究较少,为解决这一问题,提出基于双向长短时记忆网络(Bi-LSTM)的中高电压等级母线负荷分解算法。首先在长短时记忆(LSTM)的基础上构建了Bi-LSTM;其次以母线负荷和其对应的外部信息源(如日期类型、天气等)作为Bi-LSTM的输入量,母线负荷的各下属建筑负荷作为输出量,对Bi-LSTM进行训练;最后以网络分解的母线负荷构成值与实际值间的平均相对误差作为评价指标。实验结果表明该方法可有效对构成成分未知的母线负荷进行分解。 展开更多
关键词 母线负荷 负荷分解 人工智能 深度学习 双向长短时记忆网络
下载PDF
LIN总线的动态调度算法设计与应用 被引量:6
17
作者 张新丰 杨殿阁 +2 位作者 陆良 薛雯 连小珉 《农业机械学报》 EI CAS CSCD 北大核心 2009年第3期21-25,共5页
提出了一种用于设计LIN网络消息时序的动态调度算法。针对LIN网络主从式的通信模式,提出了逆向负载率和正向负载率,用于分析系统的可调度性,然后基于基本时间片和系统矩阵,将正向消息作为事件型消息,将逆向消息作为周期型消息进行动态... 提出了一种用于设计LIN网络消息时序的动态调度算法。针对LIN网络主从式的通信模式,提出了逆向负载率和正向负载率,用于分析系统的可调度性,然后基于基本时间片和系统矩阵,将正向消息作为事件型消息,将逆向消息作为周期型消息进行动态调度。该算法使得在逆向负载率较小的情况下,正向转发消息的时效性大大提高;网关设计更加灵活,能适应不同的正向消息到达率,在使用CAN/LIN混合网络传输时,网关将具有更加良好的实时性和通用性。对该方法进行了验证,并利用该方法设计了4个LIN网络。 展开更多
关键词 车辆 车载LIN总线 动态调度 负载率 系统矩阵
下载PDF
基于因子分析的母线负荷异常数据辨识方法 被引量:6
18
作者 文旭 王浩 +5 位作者 黄刚 颜伟 张爱枫 赵国富 刘高群 曾星星 《重庆大学学报》 CSCD 北大核心 2021年第8期91-102,共12页
针对现有母线负荷数据异常辨识方法适应性差、辨识精度不高的问题,基于母线负荷数据现状剖析异常数据的基本特征,分析因子分析的理论及其应用于母线负荷异常数据辨识的原理,提出了基于因子分析的母线负荷异常数据辨识方法。该方法引入... 针对现有母线负荷数据异常辨识方法适应性差、辨识精度不高的问题,基于母线负荷数据现状剖析异常数据的基本特征,分析因子分析的理论及其应用于母线负荷异常数据辨识的原理,提出了基于因子分析的母线负荷异常数据辨识方法。该方法引入因子分析将母线负荷曲线分解为表征曲线正常时序变化规律的基本分量和表征曲线数据异常或随机波动特征的随机分量;同时基于负荷曲线随机分量给出了异常数据辨识的3σ判定准则。最后,以重庆某供电公司算例验证了所提方法较现有方法更具合理性、有效性。 展开更多
关键词 电力系统 因子分析 母线负荷 异常辨识
下载PDF
应对大功率缺额的母线电压型需求响应控制 被引量:6
19
作者 刘建涛 王珂 +1 位作者 丁哲通 赵奇 《电力系统及其自动化学报》 CSCD 北大核心 2020年第3期143-150,共8页
为应对电网大功率缺额引发的频率跌落,充分发挥负荷侧资源的调节潜力,提出了一种主动电压控制与自动电压控制AVC(automatic voltage control)相互协调的控制策略,通过对母线电压的主动调整,改变负荷有功大小,实现提高电网稳定性的目的... 为应对电网大功率缺额引发的频率跌落,充分发挥负荷侧资源的调节潜力,提出了一种主动电压控制与自动电压控制AVC(automatic voltage control)相互协调的控制策略,通过对母线电压的主动调整,改变负荷有功大小,实现提高电网稳定性的目的。首先,基于母线负荷主动响应潜力和历史数据下母线负荷的电压响应特性,结合有载变压器的接线、档位等物理状况,通过回归分析建立了负荷潜力模型和响应特性模型;其次,对大功率缺额场景及AVC系统下主动电压控制的协同原则进行了阐述,在此基础上,综合优化给出了主动电压控制中确定变压器控制优先级的方法;最后,通过IEEE10机39节点系统进行了仿真验证。仿真结果表明,母线负荷能够有效削减部分负荷功率,帮助电网应对大功率缺额问题。 展开更多
关键词 大功率缺额 母线电压 主动电压控制 电压型需求响应 自动电压控制 协调控制
下载PDF
基于差值思想的母线分布式光伏辨识方法 被引量:5
20
作者 史昕 姚建国 +3 位作者 李亚平 王珂 胡晓静 冯恒 《电力系统自动化》 EI CSCD 北大核心 2020年第18期81-89,共9页
利用不同自然日负荷间的相似性与差异性,提出一种基于负荷曲线间差值的母线分布式光伏无监督辨识方法。首先,采用模糊C-均值算法,根据外部环境因素将各自然日分为不同集合及子集。然后,求取子集间的平均集中式光伏出力差值曲线和平均净... 利用不同自然日负荷间的相似性与差异性,提出一种基于负荷曲线间差值的母线分布式光伏无监督辨识方法。首先,采用模糊C-均值算法,根据外部环境因素将各自然日分为不同集合及子集。然后,求取子集间的平均集中式光伏出力差值曲线和平均净负荷差值曲线,利用相关性分析和集合经验模态分解进行差值曲线的筛选和滤波。最后,利用两差值曲线幅值之比和光伏模型求解母线分布式光伏安装情况及各时段出力,算例结果验证了所提方法的有效性。 展开更多
关键词 分布式光伏辨识 母线负荷 模糊C-均值 集合经验模态分解 差值曲线
下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部