基于因子隐马尔可夫模型的负荷分解方法及灵敏度分析

作     者：陈思运 高峰 刘烃 翟桥柱 管晓宏 CHEN Siyun GAO Feng LIU Ting ZHAI Qiaozhu GUAN Xiaohong

作者机构：机械制造系统工程国家重点实验室(西安交通大学)陕西省西安市710049 智能网络与网络安全教育部重点实验室(西安交通大学)陕西省西安市710049 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2016年第40卷第21期

页      面：128-136页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(61473218) 国家重点研发计划资助项目(2016YFB0901904) 

主　　题：隐马尔可夫模型 因子隐马尔可夫模型 负荷分解 灵敏度分析 

摘      要：负荷分解是智能电网的关键技术,对负荷预测、需求侧管理及电网安全有重要意义。传统负荷分解方法的准确率受限于负荷特征的维度、采样频率和负荷的稳定性。文中提出了基于因子隐马尔可夫模型的负荷分解方法,利用该模型对负荷进行建模,对Viterbi算法进行了扩展并求解负荷状态,进而基于整数规划实现对总负荷的最优分配。该方法对负荷数据的稳定性和采样频率不敏感,可适用于家居和工业电力用户。同时,深入研究了Viterbi算法求解最优状态与观测扰动之间的影响关系,并进一步得到最优状态对于当前观测的允许扰动范围,这对负荷分解最优状态的可靠性评估有重要意义。