一种考虑机组分组及有功平衡的电网恢复分区方法

    公开(公告)号:CN113452021B

    公开(公告)日:2022-06-03

    申请号:CN202110759659.5

    申请日:2021-07-06

    申请人: 武汉大学

    摘要: 本发明提出了一种考虑机组分组及有功平衡的电网恢复分区方法。本发明对待分区恢复的电网构建电网拓扑图,基于谱聚类算法构建电网恢复分区目标函数;建立机组节点的分组优化模型,以每个分组内部署一套黑启动电源为约束条件,考虑分组内机组出力及待启动机组成功率构建目标函数,利用遗传算法求解得到机组最佳分组结果;采用Must‑link和Cannot‑link约束隶属同一分组子集的机组节点,同时考虑分区有功平衡影响,在切图权重中引入线路传输功率,从而建立考虑机组分组及有功平衡的电网恢复分区模型;采用K‑means算法求解得到电网恢复分区方案。本发明减小分区结果受到黑启动电源分布是否合理的影响,且能有效降低分区内的不平衡功率,提高分区并行恢复的可靠性。

    一种基于负荷分解和优化双向长短期记忆网络的负荷组合预测方法

    公开(公告)号:CN113836823A

    公开(公告)日:2021-12-24

    申请号:CN202111268308.0

    申请日:2021-10-29

    申请人: 武汉大学

    摘要: 本发明提出一种基于负荷分解与优化双向长短期记忆网络的负荷组合预测方法。该方法利用变分模态分解将负荷序列分解为一组相对平稳的子序列分量,以减少不同趋势信息间的相互影响,针对各子序列分别构建基于双向长短期记忆神经网络的时序预测模型,利用贝叶斯理论对网络相关超参数进行优化并判断该序列是否使用长短期记忆网络,以提高单个模型的预测精度;最后,叠加各子序列预测结果得到负荷预测值。该方法利用变分模态分解对负荷进行平稳化分解处理后进行预测使得预测结果更加稳定,贝叶斯优化理论解决了不同时序序列对双向长短期记忆网络的适用性和初始参数设置不当导致预测结果精度不高的问题,具有精确的预测结果,可应用于电力系统短期负荷预测。