基于负荷预测的多中心内点法配电网无功优化研究

发布时间：2021-03-23 11:44

　　随着经济的快速发展,用户对电能需求的量也越来越大,这对电力系统的稳定可靠提出了越来越高的要求。为了维持电力系统的稳定可靠运行,需对电力系统调节,动态无功优化作为一种有效的手段得到越来越受到重视,另一方面,电力系统负荷预测是动态无功优化的一个基础,其预测的准确与否直接关系到电力系统动态无功优化的效果。基于此,本文对配电网的无功优化展开研究,提出了基于负荷预测的多中心内点法的配电网动态无功优化方法,具体的研究内容如下:首先,本文对研究内容的相关背景及研究的意义进行介绍;然后分别介绍了国内外的短期负荷预测技术和国内外的静态无功优化技术和动态无功优化技术的研究情况。另外对预测算法在短期负荷预测中的应用做了相关的基本介绍。其次,本文介绍了时间序列算法和支持向量机（SVM）算法这两个算法的原理及相关适用条件。基于短期负荷预测的相关特征,采取两种算法的优点,建立了基于时间序列算法和SVM算法相混合的算法来对电力系统短期负荷进行预测。利用该算法对无功负荷进行预测,并采用均方根相对误差RMSRE来评估预测结果,通过相关的仿真,并与传统的方法进行比较,仿真结果显示本文方法具有预测精度高、适应性强等特点。然... 

【文章来源】：湖北民族大学湖北省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

预测值与真实值曲线对比图

湖北民族大学硕士学位论文17表2-22017年8月22日各时段预测值与真实值对照表(普通模型)Table.2-2Comparisontableofforecastandrealvaluesforeachperiodon15August2017(generalmodel)日期时段真实值预测值误差标准差2017/8/22143.18019943.2463.0.0661010.106601240.6561839.90440.75178339.14423838.19320.951038438.21252838.8715.0.658972538.06325938.356.0.292741639.55592337.37812.177823742.34731440.85451.492814844.90643643.92880.977636947.30398346.80680.4971381049.60122649.8551.0.2538741151.6943452.5791.0.884761253.63614954.8317.1.1955511355.70441856.8867.1.1822821457.65356558.8361.1.1825351559.17665960.7639.1.5872411660.06527460.8998.0.8345261760.75047761.5087.0.7582231860.85722760.14050.4001631959.91985659.88150.0383562058.01908458.4332.0.4141162157.0347157.5363.0.501592256.51797556.7818.0.2638252352.75969752.7420.0176972448.50746647.89050.616966图2-2预测值与真实值曲线对比图Figure.2-2Comparisonofpredictedandtruecurves

【参考文献】：
期刊论文
[1]基于模糊C均值聚类算法和最小二乘支持向量机的母线负荷预测研究[J]. 蒋燕,吴洋,栾毅,周彬彬,赵珍玉,雷旭东,刘丽新.  电气自动化. 2019(03)
[2]公司召开2019年第二季度工作会议[J]. 方杰,赵勇.  华北电业. 2019(04)
[3]主动配电网综合能量管理系统设计与应用[J]. 鲁文,李卫星,杜红卫,张磐.  电力系统自动化. 2016(08)
[4]能源互联网背景下新能源电力系统运营模式及关键技术初探[J]. 曾鸣,杨雍琦,李源非,曾博,程俊,白学祥.  中国电机工程学报. 2016(03)
[5]面向低碳目标的电力系统节能与经济运行评价系统[J]. 吴鸿亮,杜尔顺,门锟,杨柳,苏亮,卢斯煜,罗欣.  电网技术. 2015(05)
[6]电网无功负荷预测方法研究[J]. 代鑫波,崔勇,姬德森.  水电能源科学. 2015(04)
[7]考虑电压稳定约束的无功补偿优化配置[J]. 程振龙,唐晓骏,任惠,罗红梅,钟以林,何向刚.  电力系统及其自动化学报. 2015(04)
[8]一种具有中点电位平衡可降低损耗的三电平空间矢量调制方法[J]. 刘斌,黄凯伦,伍家驹,李俊.  电工技术学报. 2015(04)
[9]大规模电网的动态无功优化算法[J]. 赖永生,刘明波,陈燕梅.  电力系统及其自动化学报. 2012(05)
[10]基于细菌群落趋药性优化的最小二乘支持向量机短期负荷预测方法[J]. 曾鸣,吕春泉,田廓,薛松.  中国电机工程学报. 2011(34)

博士论文
[1]电力市场环境下无功定价及无功优化模型研究[D]. 崔勇.华北电力大学 2014

硕士论文
[1]基于灰色理论的区域配网无功预测分析研究[D]. 时剑.广东工业大学 2014
[2]基于禁忌搜索算法的配电网无功优化[D]. 余涛.南昌大学 2012
[3]电力系统故障诊断应用技术研究[D]. 毛晓东.哈尔滨工程大学 2009
[4]基于GIS的配电网无功优化的研究与应用[D]. 王建杰.河北农业大学 2007
[5]基于自适应免疫算法和预测—校正内点法的无功优化规划[D]. 李鸿路.天津大学 2007
[6]基于时间序列的数据挖掘方法在电力负荷预测中的应用研究[D]. 张特来.辽宁工程技术大学 2006
[7]模拟退火算法的研究及其应用[D]. 冯玉蓉.昆明理工大学 2005
[8]基于模糊控制的电压无功综合控制器研究[D]. 王斌.西北大学 2002



本文编号：3095729