《電網安全預警管理中的負荷預測研究及套用》是依託蘭州大學，由王建州擔任項目負責人的面上項目。
基本介紹
- 中文名：電網安全預警管理中的負荷預測研究及套用
- 依託單位：蘭州大學
- 項目負責人：王建州
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
電力系統安全預警管理，特別是安全預警管理中的異常負荷預測模型的研究是公認的世界性難題，長期以來，異常負荷預測與分析的研究一直滯後於電力工業的發展。本研究工作從兩個方面進行，理論上進行預測理論與方法及多維異常數據檢測、挖掘算法的研究；套用上進行負荷預測的研究，期望提出有效防止電網崩潰的異常負荷預測模型。具體的研究內容如下：（1）進行預測理論與方法的研究；（2）提出能套用到多維電力數據檢測且免遭禁止效應的多維異常數據挖掘的新方法；（3）建立有效、實用的防止電網崩潰的異常負荷預測模型；（4）建立高揚程農灌衝擊負荷預測模型，並定量評估農灌衝擊負荷對所接入電力系統的影響；（5）根據負荷建模預測結果制定電網安全預警管理措施。本項目是預測理論與方法、數據挖掘與電網安全管理的交叉，它的完成不僅豐富了預測理論及信息數據處理技術，而且為電網安全運行提供了可靠的理論基礎。
結題摘要
本項目圍繞電網安全預警管理中的負荷預測研究及套用進行了深入的研究，在理論研究及套用研究中取得了一系列創新的研究成果：（一）在預測理論與方法的研究中我們著重進行了組合預測模型、混合預測模型及預測模型中的參數最佳化問題的研究，並取得了一系列實質性的研究成果：1、組合預測模型的研究：通過我們的研究發現目前還沒有一種預測方法能夠普遍適用於所有的時間序列預測，考慮到單個模型的局限性我們綜合對比了各種模型的優缺點，提出不同的組合預測模型。這些預測模型分大體上分為常數權重組合預測模型(Constant weight combining models)和變權重組合預測模型(Various weight combining models)；2、混合預測模型的研究及套用：考慮到輸入數據對預測模型精度也有很大的影響，我們提出了一系列基於輸入數據預處理的混合預測模型，這類模型側重於輸入數據的噪聲去除，缺失值的處理，高頻和低頻數據的處理等；3、預測模型中的參數最佳化的研究：我們所研究的預測模型中大多數都是帶有參變數，因此，模型的參數最佳化也變得尤為重要，傳統的最小二乘方法在參數最佳化系統中已經顯得力不從心。近年來，項目組著力於包括PSO，GA，CSO，SA，COA等在內的基於群智慧型算法的參數最佳化模型的研究及套用。 （二）異常數據檢測的研究：我們使用一種具有較強穩健性的多元回歸模型檢測異常數據，並且用加權最小二乘估計方法估計該回歸模型的係數，然後採用三次樣條插值方法對剔除的異常數據進行插值處理。（三）異常負荷預測模型的研究：針對電力負荷及衝擊負荷建模與預測的複雜性，我們採用了各種基於參數最佳化和混沌效應分析的混合模型對電力負荷進行建模預測。在研究中，我們結合了自適應共振理論和神經網路模型，提出了分散式 ART & HS-ARTMAP模型，並將 ART & HS-ARTMAP模型用於電力負荷的預測，結果顯示，相比於傳統的BP模型和單項的HS-ARTMAP模型，我們提出的模型有著良好的預測能力。 項目執行期間總計發表和錄用期刊論文46篇，其中SCI收錄45篇，SCI檢索論文中影響因子大於5的論文8篇、影響因子大於3的論文26篇。
