基于灰色马尔科夫预测模型的中长期电力负荷预测

中长期负荷预测在电网发展规划编制中占有重要地位,而其关键是数学模型的建立。本文建立了基于马尔科夫修正的灰色负荷预测模型,利用灰色预测模型对未来负荷进行预测,对预测结果采用马尔可夫链预测方法进行改进,提高其预测的准确性。采用灰色马尔科夫模型对某市用电需求负荷建立预测模型,预测了2006至2008年的用电负荷,与实际用电负荷进行对比,结果验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

马尔科夫理论在中长期负荷预测中的应用

针对灰色预测模型对随机波动性较大的数据序列拟合较差、预测精度较低的情况,提出了一种基于马尔科夫灰色残差修正的预测模型,该模型考虑到马尔科夫理论中转移概率可以反映随机因素的影响、适用于随机波动较大的动态过程的特点,将其与灰色预测模型进行有机结合.文中一方面利用马尔科夫链对电力负荷的未来残差值进行修正;另一方面运用马尔科夫...     

基于改进灰色马尔科夫预测法的中长期负荷预测

提出了一种提高对可能发生较大畸变序列的负荷预测精度的方法。由于电力负荷受天气、节日、经济等较多因素影响,在时间序列上表现为非平稳的随机过程,在某些年份负荷值可能会出现较大畸变,导致模型预测精度下降。分三步对畸变较大的数据样本进行预测以及误差分析,首先建立灰色预测模型,然后利用残差进行模型修正以增加序列波动性,而后用改进的马尔科夫链进行误差修正以提高精度。采用某市1998年至2013年最大负荷作为样本数据验证算法有效性,算例结果表明:与传统灰色系统预测模型相比,此模型有更高的拟合精度和预测精度。此方法的优势在于:在相同样本情况下,拟合程度高并且可以明显修正畸变数据带来的误差。     

能源互联环境下考虑需求响应的区域电网短期负荷预测

在区域能源互联系统中,需求响应改变了电力用户的常规用电习惯,增加了预测环境的不确定因素。针对这种特定的环境,提出一种考虑需求响应的区域电网短期负荷预测方法来满足企业对预测精度的需求,该方法通过依次构建数据处理模型、负荷预测模型和误差预测模型实现了预测精度的提升。更具体地,针对历史数据样本集,采用灰色关联分析法处理气象数据以获取输入预测模型的相似日特征变量;针对电力负荷预测,建立了长短期记忆网络模型,利用其特殊的门结构选择性地控制输入变量对模型参数的影响,从而改善了模型的预测性能;针对误差数据样本集,采用了动态模式分解技术来挖掘误差数据的潜在价值,并利用其数据驱动特性刻画了误差时间序列的趋势变化特征,实现了良好的误差预测。最后,结合实际的电网数据,对比验证了所提方法的有效性和优越性。     

基于灰色马尔科夫链预测模型的换热站供水温度预测

研究目的是为了对换热站供水温度进行有效的预测,从而为换热站供水温度控制提供一定思路.该文采用灰色马尔科夫链预测模型对一天中前12个h的一次供水温度建模,得出后12个h一次供水温度的数值,并与真实值进行比较.比较结果显示利用灰色马尔科夫链预测模型得出的预测值与真实值有较小的误差,能提供给换热站可信度较高的预测温度数据,具有较高的研究价值.     

基于马尔科夫修正的电力系统超短期负荷灰色预测

针对目前超短期负荷预测在拐点处预测误差较大,提出了根据时间序列相似的拐点预测方法。算法首先运用平滑处理方法对历史数据预处理,得出负荷序列的总体趋势,再运用灰色理论模型预测负荷变化平稳时段的负荷。介绍了运用马尔科夫链统计方法对随机部分的修正。     

基于递归等权组合模型的中长期电力负荷预测

针对电力负荷预测中单一模型不能充分利用数据信息和对其内在规律考虑不完全的问题,文中采用基于递归等权的组合预测模型,通过灰色关联度法对多个单一模型进行筛选,并确定参与组合的模型。再由递归等权法实现了对参与组合的各单一模型的变权重处理,有效地考虑各单一模型的预测好坏的变化。最后,通过对某地区最大负荷进行预测,对比单一模型与递归等权组合预测模型的预测误差。结果表明,递归等权组合预测模型比各单一预测模型的误差都小,从而验证了该模型能有效提高电力系统负荷预测能力,其精度高、结果可靠。     

基于灰色Verhulst和灰色马尔科夫的电力负荷预测组合模型

本文提出了电力系统中长期负荷预测的线性组合模型,即基于灰色Verhulst和灰色马尔科夫的组合模型。针对中长期负荷日趋饱和的特点,采用具有S型预测曲线的灰色Verhulst模型进行预测;针对灰色模型预测随机波动较大的负荷时拟合性较差的缺点,采用马尔科夫理论对灰色模型进行修正,弥补了灰色模型固有缺陷,提高其预测精度。通过线性组合法将灰色Verhulst模型与灰色马尔科夫模型相结合,规避了单一算法模型产生较大误差的风险,进一步提高了预测准确性。算例表明,该组合模型精度较高,具有实用性与可行性。     

基于灰色关联指标筛选的BP神经网络中长期电力负荷滚动预测马尔可夫残差修正模型研究

针对中长期电力负荷预测样本量小、多因素影响的特点,利用灰色关联度筛选影响因素,建立基于BP神经网络算法的负荷预测模型,通过多因素变量及历史负荷变量序列进行滚动预测,得到的预测值明显优于单一预测方法,并通过马尔可夫过程对预测残差进行修正,使预测精度得到较大提高,研究实证表明,这种预测方法具有进行推广应用的价值.     

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。     

采用马尔可夫链—多场景技术的交直流主动配电网优化调度

针对含有柔性直流装置的交直流混合主动配电网,构建基于场景分析的随机优化调度模型。计及时间轴线上各点误差相关性,利用基于马尔可夫链的多场景技术模拟风电、光伏与负荷随时间变化的间歇性和波动性;通过模糊C均值聚类思想进行场景削减得到典型场景。提出多时间尺度的协调优化调度策略:长时间尺度计及不确定性,以电网期望成本最小为目标,优化联络线出力和柔性直流装置出力;短时间尺度调整可控单元,使两级优化结果偏差最小。算例验证了采用马尔可夫链的多场景抽样能有效描述原始问题的不确定性,修正随时间推移逐渐增大的预测偏差,减轻短时间尺度调度压力;验证了所述调度策略能有效应对间歇式能源的不确定波动,提高分布式能源消纳能力。     

改进的电量灰色预测方法实证对比研究

伴随电力工业的快速发展,科学的中长期电力电量预测成为一项非常重要的基础性工作。在研究传统中长期灰色预测模型的基础上,介绍了2种背景值重构方法以及基于马尔可夫链的处理手段,对模型的构造环节进行改进;然后引入拟合精度指标和预测精度指标,从不同角度检验模型的优劣;最后根据中国实际电量数据,分2种情景进行了定量横向对比,验证了改进模型的有效性。     

不确定性中长期电力需求预测方法探讨

鉴于经济发展及国家政策制定实施中存在大量不确定因素,引入模糊理论构建了模糊马尔科夫链状预测模型。通过对用电量观测数据进行模糊划分,解决了马氏理论中状态难以精确划分的难题,形成了用电量增长率的模糊状态隶属函数,并利用转移概率修正值计算出待预测时刻变量对各模糊状态的隶属程度,实现了对未来电力需求增长规律的预测分析。结果表明,本模型不仅能够提供预测分布区间,同时还保证了较高的预测准确度,是一种值得深入探讨的中长期电力需求预测方法。     

负荷聚合商模式下考虑需求响应的超短期负荷预测

为更好地管理用户侧需求响应资源,减小超短期负荷预测误差,提出了一种在负荷聚合商模式下考虑需求响应的超短期负荷预测方法。首先,分析负荷聚合商的需求响应机制,考虑用户用能习惯、自建光伏、储能行为以及电热耦合,分别对每一类需求响应资源建立优化模型,并通过模糊参数表达用户参与需求响应的不确定性,以改善优化模型;调用CPLEX求解器求解得到综合各类资源后的需求响应信号。然后,在考虑历史负荷数据的基础上引入该需求响应信号,建立迭代预测的长短期记忆网络模型。算例通过3种预测场景的对比,验证了计及需求响应信号能够有效减小预测误差,且考虑需求响应不确定性能够进一步提高预测精度。     

Neural network load forecasting with weather ensemble predictions

In recent years, a large amount of literature has evolved on the use of artificial neural networks (ANNs) for electric load forecasting. ANNs are particularly appealing because of their ability to model an unspecified nonlinear relationship between load and weather variables. Weather forecasts are a key input when the ANN is used for forecasting. This paper investigates the use of weather ensemble predictions in the application of ANNs to load forecasting for lead times from one to ten days ahead. A weather ensemble prediction consists of multiple scenarios for a weather variable. We use these scenarios to produce multiple scenarios for load. The results show that the average of the load scenarios is a more accurate load forecast than that produced using traditional weather forecasts. We use the load scenarios to estimate the uncertainty in the ANN load forecast. This compares favorably with estimates based solely on historical load forecast errors.     

Long-Term Load Forecasting Using Grey System Theory

Supply and demand in power system planning and operation is required to be balanced. An operational reserve for protection against faults or accidental demands also is required. Therefore load forecasting is one of the most important fields and various load forecasting methods have been applied. In this paper the grey system theory which mats uncertain information is applied to the long-term load forecasting from three aspects: the point prediction; the interval prediction; and the topological forecasting. In the point prediction, the annual total demand is predicted, in the interval prediction, the annual peak demand is predicted, and in the topological forecasting, the date where a yearly maximum peak demand would occur is predicted. The grey dynamic model (abbreviated as GM model) is adopted as the predicted model. The GM model is a differential equation model which is different from most forecasting models. The GM model is quite powerful when combined with the preliminary transformation called the accumulated generating operation (AGO). This paper proposes a new method for the long-term load-forecasting problems involving uncertainty. The predicted results have been found to be very satisfactory. The grey system theory is a new tool which is very efficient for load forecasting.     

基于电力现货市场需求响应模式研究

随着电力现货市场化的深入推进,对电网供电服务能力也提出了更高的要求,基于智能电网和泛在电力物联网的建设,能够有效的支持互动用户服务和需求响应,以提升客户的服务水平和灵活感知能力。近年来,需求侧管理技术的不断改进,用户的需求响应行为使负荷有可能成为一种相对可控的资源,但国内需求响应尚未与电力市场建设融合,一定程度上制约了需求响应的发展。针对此,首先研究美国PJM的需求响应模式;然后结合浙江电力市场发展现状和国家政策,提出可参考的需求响应的商业模式;在此基础上,设想基于互联网的未来需求响应应用平台建设。     

基于灰色关联与模糊聚类分析的负荷预处理方法

电力负荷曲线反映了在一定时间间隔内用户侧消耗的电能,包含了电力系统运行调度与可靠性等重要信息。然而信道错误、仪表故障、设备停运等随机因素导致负荷曲线包含异常数据与缺失值。文中提出一种基于灰色关联分析和模糊聚类(GRA-FCM)的负荷预处理模型。首先通过灰色关联分析确定与待检测日关联度较大的相似样本集,然后采用模糊聚类算法与聚类有效指标得到典型特征曲线,最后对辨识的异常数据进行修正。将所提模型应用于某城市电网SCADA系统负荷预处理中,表明所提模型有很高的准确性和实用性。     

基于主从博弈和混合需求响应的能量枢纽多时间尺度优化调度策略

针对综合能源系统中多市场主体利益诉求不同以及源、荷不确定性造成的系统波动问题,提出了基于主从博弈和混合需求响应的能源枢纽（EH）多时间尺度优化调度策略。为有效评估多能负荷柔性特性,将建筑热传递模型与生活热水储存模型集成到EH模型中,建立了完善的综合需求响应模型。针对EH内利益诉求多元化的问题,基于Stackelberg博弈理论,构建了EH日前主从博弈优化调度模型。考虑到日前源、荷预测误差对EH优化运行的影响,提出了考虑激励型综合需求响应的EH日内短时间尺度优化策略,形成了日前与日内的闭环反馈优化。仿真结果表明考虑多种综合需求响应策略和主从博弈的EH多时间尺度优化调度策略,不仅可以降低系统运行成本,维护供需双方利益诉求,而且可以提升系统平抑源、荷波动的能力,实现EH经济、稳定运行。