APP下载

基于残差卷积神经网络的温度敏感负荷辨识方法研究

2021-09-25傅质馨温顺洁朱俊澎

电力需求侧管理 2021年5期
关键词:特征模型

傅质馨,温顺洁,朱俊澎,袁 越

(1.河海大学 能源与电气学院,南京 211100;2.河海大学 可再生能源发电技术教育部工程研究中心,南京 210098)

0 引言

负荷特性研究作为电力系统研究领域的一项重要内容,能有效地提高电网运行的经济性及科学性[1]。电力负荷特性受到多种随机因素的影响,具有一定的不确定性,气象因素对电力负荷的影响尤为显著[2]。从实际应用角度来看,温度的变化会使用户对电能的需求量大幅度变动,增大电网的峰谷差和最高用电负荷,影响电网的发电与调控,导致停电事故发生的可能性上升。因此对温度敏感负荷进行辨识至关重要,可以扩展到负荷模型的具体应用研究上。

温度因素对负荷特性的影响最为显著。文献[3]基于基准负荷比较法测算地区冬夏两季的空调负荷,通过二次多项式拟合,量化温度对冬夏两季空调负荷的影响。文献[4]利用线性和非线性回归分析方法对陕西地区夏季降温负荷与气温之间的关系进行定性定量分析研究,划分温度区间后得到夏季降温负荷与气温变化之间的幅值增减函数关系。文献[5]在将负荷进行标幺化处理的基础上,建立基于灵敏度的基础预测模型,计算由气象变化引起的冬季取暖负荷。

对负荷资源构成辨识方法,文献[6]基于差值思想,实现对母线分布式光伏的辨识。文献[7]建立卷积神经网络模型,结合支持向量机对变电站负荷进行分解,分解精度比常规单模型负荷分解方法提高10%,具有很大的优越性。……

登录APP查看全文

猜你喜欢

特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
线性代数的应用特征
一个相似模型的应用