基于超短期负荷预测的智能备自投在线投退系统

基于超短期负荷预测的智能备自投在线投退系统

论文摘要

随着电力系统的发展和电网规模不断扩大,电网结构日趋复杂。电力系统的调度和控制也变得越来越复杂。传统的按调度员的经验或完全人工干预的调度和控制措施已经不能使电网优质、高效地运行,这就要求电网向智能化方向发展,即智能电网,其特征是信息化、数字化、智能化、互动化,具有自愈的功能。在变电站内配置备自投装置是保证供电可靠性的一种重要方法。与主网不同,呈辐射状的地区电网为了保证供电的可靠性,一般装设许多备用电源自动投入装置(简称备自投,BATS—busbar automatic transfer switch)。备自投作为配电网中广泛应用的二次设备,对于保证地区电网的供电可靠性及安全性起到了十分重要的作用。它能否正确、快速的开合也是电力系统安全运行的一项非常重要的课题。对于备自投的逻辑控制人们已经进行了较为深入的研究,并且取得了可喜的成绩,备自投的可靠性能已经值得肯定。但是,随着电网规模不断扩大,智能电网在我国的发展,对于备自投的投退提出了更高的要求。在现在的地区配电网中,已经能够准确无误的实现备自投的快速动作确保供电,为人民的生活带来了很多积极的影响。然而现在存在这样一种现象很少有人进行研究:备自投动作以后,把负荷转移到备用电源侧,这就有可能造成备用电源侧过载等安全性问题,导致故障的进一步扩大。因此根据本地区电网结构,正常运行方式和用电负荷的特点进行超短期负荷预测,来分析备自投动作后电网的安全性,进而制定出相应的备自投控制策略,实现备自投实时在线投退。本文提出的:基于超短期负荷预测的智能备自投在线投退系统就是在保护电网安全、供电可靠性的基础上进行在线的备自投投退。文中分析了地区电网备自投投退的影响因素及控制策略并且提出在DF8003系统基础上,利用其中的高级应用(PAS)和负荷预测等模块,开发出新的模块——基于超短期负荷预测的智能备自投在线投退系统。DF8003系统采用层次结构,具有强大的扩展、支持系统间开放互联的能力。开发出能够做到预防性的判断、潮流计算、智能备自投集一身的基于超短期负荷预测的智能备自投在线投退系统的模块,并且实现模块与整个系统进行无缝连接。结合山东某地区电网对备自投的应用情况进行了仿真,通过本文提出的方法能够提前判断何时可进行备自投的在线投退。实际运行表明该方法得出的安全分析结果能够较好地符合地区电网运行的实际情况,表明了此方法的有效性和实用性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题的目的与背景
  • 1.2 国内外的研究现状及分析
  • 1.3 本文的主要研究内容
  • 第二章 电力系统负荷预测
  • 2.1 电力系统负荷预测概述
  • 2.1.1 电力系统负荷预测种类
  • 2.1.2 影响电力系统负荷预测的准确性因素
  • 2.1.3 负荷数据的处理
  • 2.2 超短期负荷预测
  • 2.2.1 超短期负荷预测的基本模型
  • 2.2.2 基于线性外推法的超短期负荷预测
  • 第三章 备用电源自动投入装置
  • 3.1 备自投的原理及意义
  • 3.2 地区电网备自投分析
  • 3.2.1 备自投的分类
  • 3.2.2 备自投的方向性
  • 3.3 地区电网备自投投退的影响因素
  • 3.3.1 备自投动作的基本要求
  • 3.3.2 备用电源侧设备的热稳定性
  • 3.3.3 设备过载联切负荷装置
  • 3.3.4 电网稳定问题
  • 3.3.4.1 电网的暂态稳定
  • 3.3.4.2 电网的静态电压稳定
  • 3.3.5 考虑变压器油温对备自投的影响
  • 3.3.6 地方小电厂的退出对备自投的影响
  • 3.4 基于N-1准则的备自投投退控制策略的改进
  • 3.4.1 整体思路
  • 3.4.1.1 图形拓扑分析
  • 3.4.1.2 潮流计算
  • 3.4.2 与考虑备自投的地区电网静态安全分析的区别
  • 3.5 备自投动作组合分析
  • 3.5.1 备自投的动作组合
  • 3.5.2 备自投组合最优搜寻算法
  • 第四章 基于超短期负荷预测的智能备自投在线投退系统在软件上的实现
  • 4.1 DF8003系统概述
  • 4.1.1 DF8003系统总体结构
  • 4.1.2 DF8003系统的特点
  • 4.2 模块功能
  • 4.2.1 功能概述
  • 4.2.2 数据结构
  • 4.2.2.1 负荷数据模型
  • 4.2.2.2 备自投数据模型
  • 4.2.2.3 数据库设计
  • 4.2.3 数据输入
  • 4.2.4 图形界面
  • 4.2.5 备自投投退控制分析
  • 4.2.6 结果输出
  • 4.3 算法举例
  • 第五章 结论
  • 参考文献
  • 致谢
  • 学位论文评阅及答辩情况表
  • 相关论文文献

    • [1].基于混沌类电磁算法优化支持向量机的短期负荷预测[J]. 计算技术与自动化 2019(04)
    • [2].做好短期负荷预测 保证电网安全经济运行[J]. 农村电工 2020(05)
    • [3].基于参数迁移的节假日短期负荷预测方法[J]. 电气自动化 2020(04)
    • [4].并行多模型融合的混合神经网络超短期负荷预测[J]. 电力建设 2020(10)
    • [5].应对海量数据的超短期负荷预测在实时电力市场的应用研究[J]. 电力大数据 2019(12)
    • [6].动态相似与静态相似相结合的短期负荷预测方法[J]. 电力系统保护与控制 2018(15)
    • [7].基于参数优化的超短期负荷预测调整策略[J]. 电子测试 2016(23)
    • [8].基于朴素贝叶斯和支持向量机的短期负荷预测[J]. 电力安全技术 2016(12)
    • [9].基于气象信息因素修正的灰色短期负荷预测研究[J]. 自动化应用 2016(12)
    • [10].基于支持向量机方法的短期负荷预测研究[J]. 自动化应用 2016(12)
    • [11].分类管理方法在短期负荷预测工作中的应用[J]. 农村电工 2017(04)
    • [12].基于分形特性修正气象相似日的节假日短期负荷预测方法[J]. 电网技术 2017(06)
    • [13].基于改进人体舒适指数的微电网超短期负荷预测[J]. 广东电力 2017(04)
    • [14].有功运行模式下的无功短期负荷预测[J]. 电子技术与软件工程 2016(06)
    • [15].实时电价条件下的短期负荷预测研究[J]. 自动化与仪器仪表 2016(05)
    • [16].电力系统超短期负荷预测方法及应用[J]. 硅谷 2014(20)
    • [17].基于云计算的扩展短期负荷预测方法的研究[J]. 科技视界 2014(36)
    • [18].电业超短期负荷预测仿真研究[J]. 计算机仿真 2015(07)
    • [19].基于时间序列法超短期负荷预测改进方法的研究[J]. 辽宁工业大学学报(自然科学版) 2015(05)
    • [20].智能组合模型在短期负荷预测中的应用[J]. 电子技术 2020(07)
    • [21].开放售电环境下用户短期负荷预测方法[J]. 电工电能新技术 2020(01)
    • [22].基于多负荷模式和分时段的河源电网短期负荷预测[J]. 自动化应用 2020(01)
    • [23].基于云计算的智能电网短期负荷预测[J]. 电世界 2019(11)
    • [24].县域电网负荷特性分析与短期负荷预测研究[J]. 华北电力技术 2017(05)
    • [25].深度神经网络在电网短期负荷预测中的应用[J]. 中国科技信息 2017(12)
    • [26].采用稳健回声状态网络的超短期负荷预测方法[J]. 计算机工程与应用 2016(04)
    • [27].县级电网短期负荷预测管理的若干措施[J]. 企业改革与管理 2015(22)
    • [28].论对于短期负荷预测的方法及其应用[J]. 电子技术与软件工程 2014(19)
    • [29].如何提高短期负荷预测精度的探讨[J]. 佛山科学技术学院学报(自然科学版) 2012(05)
    • [30].考虑人体舒适度的扩展短期负荷预测新方法[J]. 电力系统及其自动化学报 2011(03)

    标签:;  ;  ;  

    基于超短期负荷预测的智能备自投在线投退系统
    下载Doc文档

    猜你喜欢