摘要：配电网线损为电力系统经济运行的重要指标之一,体现着配电网的规划设计和运营水平。文中完善10kV配电网极限线损概念,利用均方根电流法基于配电网入口端负荷约束等式和负载端最大负荷约束条件建立配电网极限线损数学模型,利用遗传算法求解目标函数,分析极限线损最大最小值变化区间及趋势,比较最小线损率情况下的各负荷节点最优功率值,从能耗的角度分析配电网规划的合理性及改进方向。研究表明,10kV配电网极限线损的最大最小值计算结果处于合理区间,该拓扑结构下的配电网线损处于极限线损区间内,对供电公司下达综合线损率指标提供了有力的理论支撑。

摘要：综合评估分布式电源(Distributed Generation, DG)的启动及运行特性是制定DG辅助电网黑启动方案的基础。构建了一套评价DG启动及运行特性的指标体系,综合考虑影响DG黑启动能力的因素,定义发电能力、高效性和可靠性三个评价准则;综合考虑表征DG运行特性的指标,定义稳定性、电能质量和经济性三个评价准则。同时提出了一种综合评价方法,结合层次分析法与变异系数法计算指标主、客观权重,实现对指标权重的合理设定;采用逼近理想解排序法计算评价对象与理想解的相对贴近度并排序,实现DG启动及运行特性综合评价排名。最后通过算例验证了所提评价指标与方法的有效性。

摘要：支持向量机是借助于凸优化技术的统计学习方法,与传统神经网络相比,泛化错误率低并且结果易于解释。将支持向量机用于负荷预测时,参数选择不准确会导致预测性能较差。提出一种基于蚱蜢优化算法的支持向量机短期负荷预测方法,以某地区负荷、天气等历史数据对SVM进行训练,并通过GOA优化选取支持向量机参数,然后以得到的最优参数建立GOA-SVM负荷预测模型。算例分析表明,GOA-SVM预测模型比GA-SVM和PSO-SVM模型有更好的收敛性能,且预测精度更高。

摘要：随着电力负荷监测在生产和生活中的广泛应用,非侵入式负荷识别技术得到发展,具有很好的发展前景。针对非侵入式家用电器负荷的行为识别存在识别特征量难以优化,识别算法收敛性差等问题,提出了一种基于特征匹配度的家居负荷的行为识别方法。将家用负荷开、关时的暂态波形和功率变化值作为特征量,运用DTW算法计算测试模板与参考模板之间的相似度,有效的识别出家庭用电的各项负荷数据,并且通过三种案例来模拟负荷的识别过程,验证了算法的可行性。

摘要：局部阴影条件下,光伏阵列的功率输出呈现多峰特性,传统的MPPT跟踪算法容易陷入局部极值点,无法准确地跟踪到最大功率点。粒子群优化算法可以有效解决多峰寻优问题,但是普通粒子群算法容易出现收敛速度慢、早熟现象。提出一种改进的粒子群遗传(IPSO-GA)算法,该算法的惯性权重与学习因子随着迭代次数不断发生变化,可以同时兼顾算法的局部搜索与全局寻优能力,并且引进遗传算法的交叉、变异操作以增加种群多样性。仿真结果表明,改进算法在多峰最大功率跟踪过程中,具有良好的跟踪速度与寻优精度。