電力預測常見的演算法

Ⅰ 配電網的五大演算法是什麼

(1)關聯表矩陣表示法，聯表矩陣，設備編號來分析設備的連接關系，得到網路的拓撲。其中建立了兩個表矩陣，N行13列的結點描述矩陣和M行16列的支路描述矩陣。
(2)網基矩陣表示法：該方法是基於圖論的表示方法。其基本思想是：配電網路是一個變結構的網路，網路由結點和弧構成。
(3)結點消去法：該方法即通過消去中間節點，降低鄰接矩陣的階數，減少計算量和計算冗餘度，提高計算速度。並且祥泰電氣提示這種演算法的基本思想是忽略掉中間結點，只分析對拓撲結構具有重要影響作用的結點之間的連通狀態。
(4)樹搜索法：在樹搜索中，將母線看作圖的頂點，將支路看作是圖的邊。通常對配電網來說，開關變位造成網路結構發生重大變化的情況是很少發生的。
(5)離散處理法：電力系統既含連續動態，也含離散動態。開關狀態變化引起電力系統網路結構變化，是一種典型的離散事件動態過程。

Ⅱ 負荷預測的預測方法

電力負荷預測分為經典預測方法和現代預測方法。 趨勢外推法
就是根據負荷的變化趨勢對未來負荷情況作出預測。電力負荷雖然具有隨機性和不確定性，但在一定條件下，仍存在著明顯的變化趨勢，例如農業用電，在氣候條件變化較小的冬季，日用電量相對穩定，表現為較平穩的變化趨勢。這種變化趨勢可為線性或非線性，周期性或非周期性等等。
時間序列法
時間序列法是一種最為常見的短期負荷預測方法，它是針對整個觀測序列呈現出的某種隨機過程的特性，去建立和估計產生實際序列的隨機過程的模型，然後用這些模型去進行預測。它利用了電力負荷變動的慣性特徵和時間上的延續性，通過對歷史數據時間序列的分析歲搭鄭處理，確定其基本特徵和變化規律，預測未來負荷。枝碰
時間序列預測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用於估計預測區間的大小。隨機型時間序列預測模型可以看作一個線性濾波器。根據線性濾波器的特性，時間序列可劃為自回歸(AR)、動平均(MA)、自回歸-動平均(ARMA)、累計式自回歸-動平均(ARIMA)、傳遞函數(TF)幾類模型，其負荷預測過程一般分為模型識別、模型參數估計、模型檢驗、負荷預測、精度檢驗預測值修正5個階段。
回歸分析法
回歸分析法就是根據負荷過去的歷史資料，建立可以分析的數學模型，對未來的負荷進行預測。利用數理統計中的回歸分析方法，通過對變數的觀測數據進行分析，確定變數之間的相互關系，從而實現預測。 20世紀80年代後期，一些基於新興學科理論的現代預測方法逐漸得到了成功應用。這其中主要有灰色數學理論、專家系統方法、神經網路理論、模糊預測理論等。
灰色數學理論
灰色數學理論是把負荷序列看作一真實的系統輸出，它是眾多影響因子的綜合作用結果。這些眾多因子的未知性和不確定性，成為系統的灰色特性。灰色系統理論把負荷序列通過生成變換，使其變化為有規律的生成數列再建模，用於負荷預測乎頌。
專家系統方法
專家系統方法是對於資料庫里存放的過去幾年的負荷數據和天氣數據等進行細致的分析，匯集有經驗的負荷預測人員的知識，提取有關規則。藉助專家系統，負荷預測人員能識別預測日所屬的類型，考慮天氣因素對負荷預測的影響，按照一定的推理進行負荷預測。
神經網路理論
神經網路理論是利用神經網路的學習功能，讓計算機學習包含在歷史負荷數據中的映射關系，再利用這種映射關系預測未來負荷。由於該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應用市場，但其缺點是學習收斂速度慢，可能收斂到局部最小點；並且知識表達困難，難以充分利用調度人員經驗中存在的模糊知識。
模糊負荷預測
模糊負荷預測是近幾年比較熱門的研究方向。
模糊控制是在所採用的控制方法上應用了模糊數學理論，使其進行確定性的工作，對一些無法構造數學模型的被控過程進行有效控制。模糊系統不管其是如何進行計算的，從輸入輸出的角度講它是一個非線性函數。模糊系統對於任意一個非線性連續函數，就是找出一類隸屬函數，一種推理規則，一個解模糊方法，使得設計出的模糊系統能夠任意逼近這個非線性函數。 (1)表格查尋法：
表格法是一種相對簡單明了的演算法。這個方法的基本思想是從已知輸入--輸出數據對中產生模糊規則，形成一個模糊規則庫，最終的模糊邏輯系統將從組合模糊規則庫中產生。
這是一種簡單易行的易於理解的演算法，因為它是個順序生成過程，無需反復學習，因此，這個方法同樣具有模糊系統優於神經網路系統的一大優點，即構造起來既簡單又快速。
(2)基於神經網路集成的高木-關野模糊預測演算法：
它是利用神經網路來求得條件部輸入變數的聯合隸屬函數。結論部的函數f(X)也可以用神經網路來表示。神經網路均採用前向型的BP網路。
(3)改進的模糊神經網路模型的演算法：
模糊神經網路即全局逼近器。模糊系統與神經網路似乎有著天然的聯系，模糊神經網路在本質上是模糊系統的實現，就是將常規的神經網路(如前向反饋神經網路，HoPfield神經網路)賦予模糊輸入信號和模糊權。
對於復雜的系統建模，已經有了許多方法，並已取得良好的應用效果。但主要缺點是模型精度不高，訓練時間太長。此種方法的模型物理意義明顯，精度高，收斂快，屬於改進型演算法。
(4)反向傳播學習演算法：
模糊邏輯系統應用主要在於它能夠作為非線性系統的模型，包括含有人工操作員的非線性系統的模型。因此，從函數逼近意義上考慮，研究模糊邏輯系統的非線性映射能力顯得非常重要。函數逼近就是模糊邏輯系統可以在任意精度上，一致逼近任何定義在一個緻密集上的非線性函數，其優勢在於它有能夠系統而有效地利用語言信息的能力。萬能逼近定理表明一定存在這樣一個可以在任意精度逼近任意給定函數的高斯型模糊邏輯系統。反向傳播BP學習演算法用來確定高斯型模糊邏輯系統的參數，經過辨識的模型能夠很好的逼近真實系統，進而達到提高預測精度的目的。

Ⅲ 電力系統抗差狀態估計的演算法包括

電力系統抗差狀態估計的演算法包括：M估計、GM估計、高崩潰污染率估計等，這些方法可稱虛斗寬為電力系統抗差狀態估計經典方法。

電力系統：電力系統是由發電廠、送變電線路、供配電所和用電等環節組成的電能生產與消費系統。它的功能是將自然界的一次能源通過發電動力裝置轉化成電能，再經輸電、變電和配電將電能供應到各用戶。

為實現這一功能，電力系統在各個環節和不同層次還具有相應的信息與控制系統，對電能的生產過程進行測量、調節、控制、保護、通信和調度，以保證用戶獲得安全、優質的電能。

電力系統狀態估計按方式可分為靜態狀態估計和動態狀態估計兩種類型。

動態狀態估計能實時提供系統運行狀態的預測值和估計值，為實現電網實時調度、安全評估和預測控制等在線功能提供有效的數據保障，能更好地描述電力系統 的本質，因此在近年來受到了廣泛關注。但由於電力系統動態狀態估計一直停留在理論階段，其工程價值還有待考究。

獲取電壓和角度只是潮流計算的功能之一，除此之外，還有如下常用功能：

1、運行方式校核。通常需要對日前的發電計劃，根據預測負荷進行潮流計算，核驗是否有安全越限。與此類似的電網規劃和網路重構等，也都需要潮流計算進行校核。

2、合環電流計算。部分電力公差亮司要求潮流計算還應具備合環電流計算的功銷悔能，以便於進行合環操作指導。

因此可以看出，這2個功能是狀態估計無法完成的。

Ⅳ 電力系統常用的有哪些演算法

個人所知，潮流計算常用方法：賽德爾法，高斯-賽德爾法，牛頓-拉夫遜法，P-Q分解法；
還有靜態WARD等值法（外部節點的等值），直流潮流法（擾汪缺用於計算有功分布，電網規劃，等等。。。緩辯
動態穩陵穗定常用特徵值法。