基于单值聚类分析的区域居民概率负荷预测研究

随着市场竞争的加剧、基础设施的老化以及可再生能源整合的要求,概率负荷预测由于其丰富的结果表现形式在能源系统规划和运营中变得越来越重要.为提高区域居民概率负荷预测的精确性,文章将聚类分析作为概率负荷预测的预处理环节,构建基于单值聚类分析的区域居民概率负荷预测框架.通过探索多种概率负荷预测方法在不同聚类分组下总负荷预测精度...     

多元负荷条件下的电力需求预测

微电网作为公用电网的有益补充,位于负荷末端,可以在电网末端起到提高用户供电可靠性,加强电网供电能力的作用,其规划设计必须紧密联系负荷情况确定。目前电网末端的负荷逐渐趋向于多元化,已不再仅仅为简单的电力负荷,逐渐向多元负荷的耦合性转化。探讨了在多元负荷情况下进行微电网负荷预测。阐述了现有负荷预测的方法,选择负荷密度法作为基础负荷预测方法,并以上海浦东为例进行了负荷特性调研,作为负荷密度法预测负荷的基础,然后针对微电网系统中较多出现的分布式电源及较大范围下可能出现的电动汽车的负荷进行了建模分析。其中,风电与光伏采取了数据拟合的方法求取了±95%概率下的出力;电动汽车利用蒙特卡洛模拟法分析了无序充放电及有序充放电情况下对微电网的负荷预测影响。     

基于需求相关性分组预测的主动配电网分布式电源规划方法

为了有效地提高分布式能源的利用率,增加主动配电网供电的可靠性和经济性,提出了一种基于负荷预测的分布式能源和储能系统联合选址定容规划方法。采用需求相关性分组-多时间点方法对负荷进行预测;综合考虑线路损耗、储能系统调峰和新能源发电成本对局域配电系统影响,以功率平衡为约束条件建立了多目标优化模型;采用改进的遗传算法进行多目标优化求解;基于IEEE-RTS 24总线系统对配电网进行规划。结果表明,文章所提出的规划方法能够合理配置分布式系统容量,保证电网经济运行,为主动配电网规划和扩容提供依据和方法。     

基于混沌时间序列的地区电网负荷预测

通过采用改进的C-C方法计算得出电网日负荷的最优时延和最佳嵌入维数,从而进行相空间重构,并通过计算最大Lyapunov指数,指出该时间序列的混沌特性。然后采用基于奇异值分解的Volterra方法对某地区电网负荷进行预测。预测结果显示,该方法的预测效果较好,具有较高的预测精度,并能够反映电网未来负荷的变化趋势。     

融合小波分解的Lasso光伏净负荷预测方法

为实现碳达峰、碳中和的目标,有必要对光伏净负荷进行预测,辅助电网根据不同用户的用电需求进行智能分配用电。文章提出了一种小波分解结合Lasso回归模型的预测模型,其中小波分解将时间序列数据的时频域进行对调,聚焦到数据的细节,更适合描述光伏净负荷的内在特性,而在Lasso回归模型中引入该方法将原始数据映射到合适的高维特征空间,使得Lasso回归模型应用于非线性的光伏净负荷数据。在实验验证中首先根据已有的10个台区的光伏净负荷数据进行分析,然后通过这些光伏净负荷数据使用预测模型进行训练和预测,实验结果表明该预测模型具有较高的准确性。     

基于特征排序与深度学习的母线负荷预测方法

负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求,母线负荷预测是解决这一问题的关键途径。文章提出了基于特征排序与深度学习的母线负荷预测模型。首先,针对各区域母线负荷差异性较大的现状,使用随机森林算法对预测目标影响较大因素进行排序,选择特征贡献度较高的特征属性;其次,在模型训练阶段选择了深度置信网络,学习并跟踪母线负荷变化趋势;最后,采用北京电网某条110 kV母线负荷进行实例验证。结果表明,文章所建立的预测模型具有良好的预测精度和稳定度。     

基于支持向量机的某地区电网短期电力负荷预测

摘要： 负荷预测是电力系统安全经济运行的前提。随着电力系统的市场化和能源互联网的研究与发展,高质量的负荷预测显得愈发重要。分析了影响负荷预测的因素,对数据进行收集及挖掘,采用了基于支持向量机负荷预测算法对区域负荷进行短期预测,并进一步开展了针对城区的精细化负荷预测研究。结合某地区案例,对该算法进行验证,结果表明,该算法预测结果优越,相对误差率较小。     

考虑分布式电源接入的电网源荷时序随机波动特性概率潮流计算

鉴于分布式电源的时序随机波动特性和负荷需求侧的电能质量是分布式电源接入系统的重要影响因素,从风光典型分布式电源和负荷需求的时序波动性出发,建立了综合考虑源荷时序特性的概率潮流计算模型。利用基于模糊特征聚类的概率潮流算法对IEEE 14节点系统进行计算,对比分析负荷需求侧对系统电压波动的影响情况。结果表明,所采用方法能够全面合理地模拟分布式电源接入时电网随机波动过程。     

考虑分布式电源规模化接入的区域电网日电量预测北大核心CSCD

文章结合分布式电源出力与历史负荷数据,提出了一种基于集成学习框架Adaboost,以最小二乘支持向量机为Adaboost算法基学习器的区域电网日电量预测方法。通过建立LLSVM-Adaboost预测模型对分布式电源规模化接入后的区域电网的日电量进行有效预测。Adaboost集成策略对LLSVM基学习器进行加权组合,根据每个LLSVM基学习器的预测误差计算权重,并进行基学习器权值分配和重组,大大提升了模型的泛化能力和预测精度。利用文章所提算法,使用冀北电网实际数据,针对分布式电源规模化接入的典型日电量情况验证了该算法的有效性,具有较好的预测效果。     

配电网负荷预测应用研究

负荷预测是配电网规划和运行的重要组成部分,负荷预测的准确性影响着配电网规划和运行的科学合理性。针对负荷预测工作中预测模型选择和预测流程确定等方面存在的问题,分析了负荷预测的分类情况以及各类负荷预测之间的关系,并在此基础上结合不同规划区域的发展定位和数据特征等因素,给出了不同规划区域的负荷预测思路和流程,从而为负荷预测的实际工作提供参考和借鉴作用。     

基于高阶BP神经网络的日最大负荷预测

随着社会的发展,人们的日常生活和工作生产越来越依赖于电力系统.精准的电力负荷预测是电网安全、稳定运行的重要保障.为减小节假日在日最大负荷预测过程中的影响,提出了法定节假日对日最大负荷的影响及日类型量化处理方法,并采用一种改进的BP(back propagation)神经网络——高阶BP神经网络进行连续多天最大负荷预测.实验算例结果表明:该数据处理和预测方法能有效地减小节假日对负荷预测的影响,提高了预测精度,并有较强的工程实践价值和应用前景.     

计及光伏与风电资源的低压电网综合饱和负荷预测

含光伏与风电的低压电网的综合饱和负荷预测须计及负荷以及光伏与风力发电。文章针对负荷采用修正指数Logistic模型求解算法进行饱和负荷预测。将光伏与风电最大发电容量视作饱和值,采用最小二乘法拟合发电量Logistic饱和曲线;基于拟合优度选取合适的拟合点以实现改进参数估计;计及当前区域光伏与风电投资增长率,引入权重系数,合理评估光伏与风电的饱和时间。计及光伏和风电的综合饱和负荷的预测结果,有助于量化区域低压电网供电需求,合理规划选择输配电容量。     

基于能量预测的光伏微网储能系统控制策略

以光伏微网储能系统为研究对象,提出一种融入光伏发电与负荷预测技术的储能系统模糊控制策略。该方案考虑了光伏输出功率随天气条件变化的随机性,建立了光伏短期功率预测最小二乘支持向量机(LSSVM)模型;考虑电力负荷影响因素的多样性与不确定性,基于灰色关联度(GRA)建立了电力负荷LS-SVM预测模型;考虑建立在偏远地区的微网系统,因分布式电源上网造成电能质量下降和电能传输过程的浪费,建立储能系统模糊控制策略,以确定电能最优分配及就地消纳,以保证系统能源利用效率。根据算例分析表明,该控制方案不仅可准确预测光伏微网能量,而且可提高储能系统运行效率,降低电能传输过程中线路损耗以及对电网电能质量的影响。     

基于人群搜索算法的电网短期用电负荷预测研究

针对传统预测方法缺少对未知变量的分析,导致预测效果较差的问题,提出了基于人群搜索算法的电网短期用电负荷预测研究。将电力系统负荷时间序列进行分解,获取负荷时间序列的高低频分量,并对电网短期用电负荷特性展开分析。借助人工智能研究成果,研究人群搜索算法原理,充分考虑电网短期用电负荷受到温度因素影响,选取输入变量,并以此构建人群搜索算法预测模型。通过设计预测流程以及对未知变量分析,实现对电网短期用电负荷预测。通过实验结果可知,采用该预测方法具有良好预测效果,为保障电网稳定运行提供依据。     

基于小波分解技术和随机森林算法的负荷概率预测

当前负荷概率预测受到越来越多研究人员的关注,其中多阶段预测系统已经证明了其在提高负荷概率预测整体性能方面的有效性.在使用分位数回归森林和随机森林建立概率预测之前,采用4种基于小波分解的方法预处理负荷时间序列,通过不同的模型对变换得到的负荷分量进行预测,以提高预测精度并减少计算工作量.以2014年全球能源预测竞赛期间公布的实际数据为例进行了数值仿真分析,并与多个基准进行了比较,证明了所提方法的有效性.     

杭州地区春节电力负荷特性的分析

根据杭州地区每日96点负荷数据和气象资料,研究分析了春节期间用电负荷曲线的形状、走势和特点,综合考虑气象、历史负荷等对春节负荷变化的影响,采用了一种简便的负荷预测方法.该方法通过选取气象条件相似的双休日来预测春节日最大负荷,然后根据负荷特性分析的结果计算出各时段的负荷值.该方法工作量较小,预测精度较高.2007年杭州春节期间负荷的预测结果表明,这是一种行之有效的方法.     

含高比例分布式光伏的母线负荷预测方法

高比例分布式光伏的大规模接入对母线辖区的负荷预测产生了较大影响,导致母线辖区内负荷偏离用户用电负荷的真实状况。文章考虑了高比例分布式电源对负荷形态的影响,提出了基于互信息与混合模型的母线辖区内负荷预测模型,对分布式电源相关输入因子采用互信息系数进行相关性分析,并通过由XGBoost算法与极限学习机算法组成的混合模型对数据进行训练。最后,使用某地母线辖区内负荷数据进行实例验证,结果表明,考虑分布式电源接入后的母线辖区负荷预测精度高于常规预测方法,文中所建立的预测模型具有良好的预测精度。     

能源互联网背景下电网负荷预测设计

能源互联网的提出与发展,决定了电力系统的核心地位。作为电力系统及其自动化的重要研究方向之一,电力系统负荷预测必须符合当前能源互联网的战略布局调整。选取四川省西昌市作为电网负荷预测研究对象,采用灰色数学理论,建立了该地区电网负荷预测数学模型,并应用实例详细介绍了数学模型精度分析、预测值与实际值之间的误差分析以及未来几年内该地区的负荷预测结果。仿真分析结果表明本算法具有较好地预测精度,对该地区电网负荷规划具有一定的辅助指导作用。     

新型负荷接入环境下的配电网分布式电源规划

随着电动汽车以及储能技术的不断成熟,电动汽车及储能设备等新型负荷的不确定性给分布式电源接入配电网的规划工作带来了新的挑战。基于机会约束,建立了一种考虑新型负荷特性的配电网分布式电源规划模型,该模型既包括电动汽车与储能设备等新型负荷,也包括分布式风电、光伏发电等典型分布式电源,并应用概率潮流和遗传算法对模型进行求解。对IEEE33节点测试系统的测试结果表明,接入新型负荷后系统不确定性增强、总体收益有所下降,验证了所建立的电源规划模型处理负荷及分布式电源不确定性问题的可行性。     

分布式能源站冷负荷预测及制冷系统选型的探讨

通过规划能源站冷电联供系统冷负荷预测及制冷机选型研究,详细分析各类建筑物的冷负荷计算方法,合理经济地配置电制冷和溴化锂制冷机的选型设计,为规划分布式冷电联供系统制冷机设计提供技术参考。