摘要：电力用户的负荷分类为电力系统和电力部门的系统规划、负荷预测、分时电价等研究提供了基本的指导工作。利用基于变分模态分解(variational mode decomposition,VMD)和模糊C均值聚类算法(fuzzy C-means,FCM)实现电力负荷的分类研究,针对FCM中欧氏距离的特征权重唯一的问题,利用基于特征加权的模糊聚类方法,提出基于特征加权的VMD-FCM聚类算法。根据电网实测负荷数据,VMD算法可对数据的固有模态有效分解,结合FCM算法引入的权重系数,显著提高了算法收敛速度和聚类准确度。对聚类结果分析表明:所提VMD-FCM聚类方法能够有效区分不同负荷类型,具有实际应用价值,从而为电力系统的设计规划提供指导作用。

摘要：为了对日趋海量的负荷数据进行有效地分类处理,提出一种采用深度学习和多维模糊C均值聚类的负荷分类方法。采用深度学习中的卷积自编码器CAEs堆叠形成深度卷积自编码网络,通过训练实现对输入的典型日负荷曲线集进行特征分层提取和降维处理。计及低维特征序列的数值维度和趋势维度,将数值序列的欧氏距离与趋势序列的改进动态时间弯曲距离相结合为多维相似性距离,作为新的相似性指标,提出一种多维模糊C均值聚类算法,用以对特征序列进行聚类分析。算例分析结果表明,所提出的方法在数据特征提取降维、负荷分类有效性、稳定性及聚类效率等方面具有较大优势,可为需求侧管理项目选择、电价制定、负荷管理优化等提供有效参考。

摘要：随着经济发展方式的逐步转变和产业结构的升级,配电网中的负荷种类的多样性和复杂性逐渐增加,按原有的负荷分类方式得到的负荷特性往往不具有统一性,在不同负荷优化组合技术中难以根据原有分类依据进行分析。着重提出了基于特性指标法的负荷分类,并对每一类负荷的特性进行分析。分类结果表明,基于特性指标法的负荷分类,同一类型负荷特性的相似度高,各类负荷特性曲线更具有代表性,为电网规划后期的不同负荷优化组合技术应用打下基础,提高了优化模型的准确性。

摘要：常规的配网线损自动检测方法主要通过线损轨迹矩阵确定线损变化分量,易受线损数据波动影响,导致线损检测偏差过高,因此需要基于负荷分类设计一种全新的配网线损自动检测方法。即建立属性集,校核配网线损数据质量,再利用负荷分类法自动测算配网线损率,从而实现配网线损自动检测。实验结果表明,设计的基于负荷分类的配网线损自动检测方法的检测偏差较小,检测效果较好,具有准确性,有一定的应用价值,为优化配电网结构作出了一定的贡献。

摘要：为降低低压台区线损率出现的目标误差,营造稳定、安全的线损处理环境,设计了一种考虑负荷分类状态的低压台区线损率计算方法。选取有源低压台区线损影响因子,在标定的范围之内,设计线损多负荷归一计算流程,执行线损小波神经网络(Wavelet Neural Network,WNN)负荷分类环境,构建线损计算模型,采用K-Means负荷聚类法实现线损率计算。测试结果表明:所设计的负荷分类台区线损计算方法得出的线损目标误差均可控制在1.5%以下,表明此种计算方法的误差小,覆盖范围更为广泛,具有实际的应用价值。

摘要：对于传统系统普遍存在的检测精准度低问题,提出了基于负荷分类的台区线损数据快速检测系统设计。根据影响线损电流、电压、负荷曲线、电气设备、电力规划与电网安全的指标来说明数据来源,依据台区线损计算原理,对系统总体结构进行设计。以工作主站为硬件核心,设计C/S分布式处理服务器,保证用户界面完整性。采用模块组合方式,根据不同用户对终端系统进行配置,以32位单片机为主设计客户终端,保证检测可靠性。设计通用分组无线服务网通信电路,利用RS232接口与主机相连接,以此对软件进行现场维护。将系统软件划分为存储层、处理层和表示层,可实现系统终端参数维护,根据台区线损计算范围,确定线路分段数与电阻值。通过计算台区总线损,获取线损精准数据,由此实现线损数据快速检测。由实验结果可知,该系统最高检测精准度可达到95%,为台区稳定供电提供支持。

摘要：通过分析300 MW级压缩空气储能电站的主系统配置情况,分析了压缩空气系统、储换热系统和膨胀发电系统配套辅机站用电的设置和负荷分类,研究了在事故紧急停机时辅机的保安电源需求,提出了适用于300 MW级压缩空气储能电站的辅机站用电供电方案,可为以后的工程站用电系统设计提供参考。

摘要：介绍对昆明城市电力网的高级宾馆、综合商场、写字楼等大负荷区进行分类负荷调查的方法及利用数理统计原理对调查数据处理的结果，并与国内其他城市设计时采用的综合用电指标进行了比较，为在规划设计阶段正确计算大负荷区的负荷值以确定经济合理的供电方案提供了科学依据。

摘要：经典线损率测算方法因理论计算过于粗糙,无法精准获取测算结果,为此,提出基于负荷分类的低压台区线损率自动测算方法。运用负荷分类方法校核线损数据质量,在将线损数据按照比例缩放进行线损率归一化处理,考虑到所接负荷类型不同,采用等值归化算法剔除多余样本,在此基础上,依据低压台区线损率自动测算流程实现线损率自动测算。由此,完成基于负荷分类的低压台区线损率自动测算方法的设计。在仿真实验中,选取5类样本作为实验参数,实验结果表明,所提方法的相对误差在5%以内,与真实值更接近,精准度更高,并且在可接受的范围内。

摘要：负荷分类可为电力系统和电力部门的系统规划、负荷预测、分时电价等研究提供支持。文章基于模拟退火算法(SA)、遗传算法(GA)和模糊C均值聚类算法(FCM)实现了电力负荷的分类研究,其中根据电网实测负荷数据将SAGA算法快速地收敛为全局最优解,并结合FCM算法引入的权重系数显著提高了算法的收敛速度和聚类的准确度。分析表明,文章提出的SAGA-FCM聚类方法能够有效区分不同负荷类型,具有实际应用价值,可为电力系统的设计规划提供参考。