电力预测常见的算法

Ⅰ 配电网的五大算法是什么

(1)关联表矩阵表示法，联表矩阵，设备编号来分析设备的连接关系，得到网络的拓扑。其中建立了两个表矩阵，N行13列的结点描述矩阵和M行16列的支路描述矩阵。
(2)网基矩阵表示法：该方法是基于图论的表示方法。其基本思想是：配电网络是一个变结构的网络，网络由结点和弧构成。
(3)结点消去法：该方法即通过消去中间节点，降低邻接矩阵的阶数，减少计算量和计算冗余度，提高计算速度。并且祥泰电气提示这种算法的基本思想是忽略掉中间结点，只分析对拓扑结构具有重要影响作用的结点之间的连通状态。
(4)树搜索法：在树搜索中，将母线看作图的顶点，将支路看作是图的边。通常对配电网来说，开关变位造成网络结构发生重大变化的情况是很少发生的。
(5)离散处理法：电力系统既含连续动态，也含离散动态。开关状态变化引起电力系统网络结构变化，是一种典型的离散事件动态过程。

Ⅱ 负荷预测的预测方法

电力负荷预测分为经典预测方法和现代预测方法。 趋势外推法
就是根据负荷的变化趋势对未来负荷情况作出预测。电力负荷虽然具有随机性和不确定性，但在一定条件下，仍存在着明显的变化趋势，例如农业用电，在气候条件变化较小的冬季，日用电量相对稳定，表现为较平稳的变化趋势。这种变化趋势可为线性或非线性，周期性或非周期性等等。
时间序列法
时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析岁搭郑处理，确定其基本特征和变化规律，预测未来负荷。枝碰
时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归(AR)、动平均(MA)、自回归-动平均(ARMA)、累计式自回归-动平均(ARIMA)、传递函数(TF)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。
回归分析法
回归分析法就是根据负荷过去的历史资料，建立可以分析的数学模型，对未来的负荷进行预测。利用数理统计中的回归分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现预测。 20世纪80年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等。
灰色数学理论
灰色数学理论是把负荷序列看作一真实的系统输出，它是众多影响因子的综合作用结果。这些众多因子的未知性和不确定性，成为系统的灰色特性。灰色系统理论把负荷序列通过生成变换，使其变化为有规律的生成数列再建模，用于负荷预测乎颂。
专家系统方法
专家系统方法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测。
神经网络理论
神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。
模糊负荷预测
模糊负荷预测是近几年比较热门的研究方向。
模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。 (1)表格查寻法：
表格法是一种相对简单明了的算法。这个方法的基本思想是从已知输入--输出数据对中产生模糊规则，形成一个模糊规则库，最终的模糊逻辑系统将从组合模糊规则库中产生。
这是一种简单易行的易于理解的算法，因为它是个顺序生成过程，无需反复学习，因此，这个方法同样具有模糊系统优于神经网络系统的一大优点，即构造起来既简单又快速。
(2)基于神经网络集成的高木-关野模糊预测算法：
它是利用神经网络来求得条件部输入变量的联合隶属函数。结论部的函数f(X)也可以用神经网络来表示。神经网络均采用前向型的BP网络。
(3)改进的模糊神经网络模型的算法：
模糊神经网络即全局逼近器。模糊系统与神经网络似乎有着天然的联系，模糊神经网络在本质上是模糊系统的实现，就是将常规的神经网络(如前向反馈神经网络，HoPfield神经网络)赋予模糊输入信号和模糊权。
对于复杂的系统建模，已经有了许多方法，并已取得良好的应用效果。但主要缺点是模型精度不高，训练时间太长。此种方法的模型物理意义明显，精度高，收敛快，属于改进型算法。
(4)反向传播学习算法：
模糊逻辑系统应用主要在于它能够作为非线性系统的模型，包括含有人工操作员的非线性系统的模型。因此，从函数逼近意义上考虑，研究模糊逻辑系统的非线性映射能力显得非常重要。函数逼近就是模糊逻辑系统可以在任意精度上，一致逼近任何定义在一个致密集上的非线性函数，其优势在于它有能够系统而有效地利用语言信息的能力。万能逼近定理表明一定存在这样一个可以在任意精度逼近任意给定函数的高斯型模糊逻辑系统。反向传播BP学习算法用来确定高斯型模糊逻辑系统的参数，经过辨识的模型能够很好的逼近真实系统，进而达到提高预测精度的目的。

Ⅲ 电力系统抗差状态估计的算法包括

电力系统抗差状态估计的算法包括：M估计、GM估计、高崩溃污染率估计等，这些方法可称虚斗宽为电力系统抗差状态估计经典方法。

电力系统：电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。

为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。

电力系统状态估计按方式可分为静态状态估计和动态状态估计两种类型。

动态状态估计能实时提供系统运行状态的预测值和估计值，为实现电网实时调度、安全评估和预测控制等在线功能提供有效的数据保障，能更好地描述电力系统 的本质，因此在近年来受到了广泛关注。但由于电力系统动态状态估计一直停留在理论阶段，其工程价值还有待考究。

获取电压和角度只是潮流计算的功能之一，除此之外，还有如下常用功能：

1、运行方式校核。通常需要对日前的发电计划，根据预测负荷进行潮流计算，核验是否有安全越限。与此类似的电网规划和网络重构等，也都需要潮流计算进行校核。

2、合环电流计算。部分电力公差亮司要求潮流计算还应具备合环电流计算的功销悔能，以便于进行合环操作指导。

因此可以看出，这2个功能是状态估计无法完成的。

Ⅳ 电力系统常用的有哪些算法

个人所知，潮流计算常用方法：赛德尔法，高斯-赛德尔法，牛顿-拉夫逊法，P-Q分解法；
还有静态WARD等值法（外部节点的等值），直流潮流法（扰汪缺用于计算有功分布，电网规划，等等。。。缓辩
动态稳陵穗定常用特征值法。