基于最大熵原理的中长期负荷预测综合模型的研究

中长期负荷受到许多不确定因素的影响,使得负荷呈现一定的随机性的特点。采用了信息理论中的最大熵原理来重新构建中长期负荷预测的综合模型,该模型把各种单一预测模型的预测结果以及历史预测误差分布作为约束条件,利用最大熵原理得到预测结果的分布。算例表明,新模型与传统的综合模型相比,提高了预测的精度,预测结果更合理、客观。     

基于最大熵原理的中长期负荷预测综合模型的研究

中长期负荷受到许多不确定因素的影响,使得负荷呈现一定的随机性的特点.采用了信息理论中的最大熵原理来重新构建中长期负荷预测的综合模型,该模型把各种单一预测模型的预测结果以及历史预测误差分布作为约束条件,利用最大熵原理得到预测结果的分布.算例表明,新模型与传统的综合模型相比,提高了预测的精度,预测结果更合理、客观.     

组合预测模型在电网负荷预测中的应用

应用单项预测模型进行电网负荷预测,已不能适应当前电网管理的要求。分析了应用单项人工神经网络模型进行短期负荷预测的局限性,提出了应用定权系数和变权系数组合预测模型进行短期负荷预测,并作了具体应用研究,证明其改善了应用单项人工神经网络模型对负荷变化的连续波动性体现不够的缺点。通过对广州电网的实际负荷进行仿真预测,得出预测模型和处理策略可以得到更加精确的结果。     

最小信息损失综合短期负荷预测(二):算法和算例

该文引入信息理论分析电力系统的负荷预测以及可再生能源出力预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷取值。针对MIL综合模型中概率分布的估计问题,文中应用了正态分布参数估计和Parzen窗估计2种不同的方法,给出了各自的算法和实现方案。算例部分通过用实际电网负荷数据和实际风力发电出力数据进行测试,研究了MIL综合模型结构与参数对预测结果的影响,并在与传统综合模型的比较中显示了新模型的优越性。     

山西电网年最大电力负荷和峰谷差的灰色预测及电网调峰的对策

本文应用灰色系统理论，建立了山西电网年最大电力负荷和峰谷差的灰色预测模型并计算出到2005年的年最大电力负荷和峰谷差的预测值。根据预测结果，针对解决电网调峰问题提出了相应的解决办法和措施。     

广西电网短期负荷预测及其数学模型

介绍一种适合广西电网短期负荷预测的数学模型。对广西电网普通日负荷预测采用时间序列分析预测模型 (每日 2 4个点 ,整点采集 )进行预测 ;对于非周期性变化 ,或周期性变化趋势不明显的年、月、日的最大负荷、最小负荷 ,周末、节假日整点负荷 ,采用灰色理论中的 GM(1,1)模型和 GM(1,1)改进模型来进行预测。在广西电网电力负荷预测应用中取得了较好的结果     

广西电网短期负荷预测及其数学模型

介绍一种适合广西电网短期负荷预测的数学模型,对广西电网普通日负荷预测采用时间序列分析预测模型（每日24个点,整点采集）进行预测,对于非周期性变化,或周期性变化趋势不明显的年,月,日的最大负荷,最小负荷,周末,节假日整点负荷,采用灰色理论中的GM（1,1）模型和GM（1,1）改进模型来进行预测。在广西电网电力负荷预测应用中取得了较好的结果。     

基于皮尔逊相关系数的电网夏季空调负荷预测研究

采用统计分析的方式研究地区电网夏季空调负荷的变化规律,综合考虑空调负荷的影响因素,构建了地区电网夏季空调负荷预测模型。该模型以地区电网负荷变化曲线为基础,实现了对空调负荷曲线的有效分离,随后采用Pearson相关系数考察各类影响因素与日最大空调降温负荷的相关性,通过比较日最大空调降温负荷与各类指标的相关系数,构造出一个能够体现最大空调负荷受本地区气象和社会经济影响较大的"经济气象综合指标",并利用回归分析提炼出空调降温负荷与综合指标的变化规律,最终实现夏季空调负荷的精准预测。基于某地区电网2006—2015年电力负荷及其相关数据,使用该模型预测2016年该地区电网夏季空调负荷,预测结果证明了模型的有效性。     

基于贝叶斯神经网络的电网超载负荷预测模型优化

电网负荷具有非线性的特点,可预测性较差。提出一种基于神经网络的电网负荷超载预测模型,设计了一个由输入层、隐含层以及输出层构成的网络模型,采用该模型对电网负荷超载进行预测,并基于贝叶斯定理训练该预测模型,对预测过程中的超载负荷不确定因素进行全面分析,采用求极大似然估计和迭代算法得到预测模型的最优参数,然后将各步迭代求解得到的神经网络输入当作随机变量输入,最后依据塑造的最佳预测模型得到最优电网负荷超载的预测结果。实验结果说明,所设计模型的预测结果同实际更接近,避免了不确定性对电网负荷超载预测的干扰,具有较高的预测准确度。     

基于模糊层次分析法的年最大电力负荷预测

针对电力负荷预测特点和人的判断所特有的模糊性,为了提高负荷预测精度,提出了基于模糊层次分析法的电力系统年最大负荷组合预测模型。此模型引入三角模糊数的一些基本理论,采用三角模糊数表征专家判断信息以充分考虑专家判断的模糊性;采用层次分析法对专家判断结果进行处理以得到方案层各方案的最优权重。该负荷预测模型综合考虑了影响电力负荷的多种不确定因素,并在综合不同模型预测结果的过程中引入专家经验。实际算例后校验平均百分比误差为2.039%。这表明该方法能有效提高负荷预测精度。     

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.     

考虑数据新鲜度和交叉熵的电动汽车短期充电负荷预测模型

研究了公交车充电站短期负荷预测方法,提出了一种基于数据新鲜度和交叉熵的组合预测模型。首先,对公交车充电站的负荷特性进行分析,发现日充电负荷具有波动大、周期性、与气象条件(温度、降雨等)密切相关的特点。其次,对组合预测模型在累积历史预测误差的过程中作了如下改进:1考虑充电负荷样本数据的时间特征和波动性特征,给出了基于灰色关联度的相似日选取方法;2考虑单一模型在预测过程中的精度和稳定度,基于交叉熵和正态分布概率密度函数建立组合预测模型,动态地调整权重系数;3充分考虑数据源的时间有效性,提出新鲜度函数的概念,改善了单一预测方法的概率密度分布函数,进而优化组合预测的权重系数,进一步提高组合模型预测精度。基于北京市某公交车充电站的历史充电数据构建训练样本和测试样本,通过与单一预测模型和其他组合模型的预测结果进行比较,证明了所提组合预测模型的有效性。     

基于条件熵的电力负荷组合预测模型

每个电力负荷预测模型各有特色,又有其局限性。针对单个模型的局限性,提出一个基于条件熵的组合预测模型,以便结合各个模型的优点,克服其不足。该模型用条件熵度量各个电力负荷预测模型的精度,条件熵越小,表明预测精度越高。然后对条件熵进行模糊评判,对条件熵小的模型赋予较大的权重,条件熵大的模型赋予较小的权重,以此建立一个电力负荷组合预测模型。实例应用表明,就6个误差指标而言,该文提出的组合模型可以进一步提高预测精度。     

基于模糊层次分析法的电力负荷组合预测

针对电力负荷预测特点和人判断所特有的模糊性,为提高负荷预测精度,提出了基于模糊层次分析法的电力负荷组合预测模型.此模型引入三角模糊数的一些基本理论,采用三角模糊数表征专家判断信息以充分考虑专家判断的模糊性,采用层次分析法对专家判断结果进行处理以得到方案层各方案的最优权重.该电力负荷预测层次分析模型综合考虑了影响电力负荷的多种不确定因素.实际算例表明,所述方法在综合不同模型预测结果的过程中考虑了专家经验,能有效提高负荷预测的精度.     

基于CEEMDAN-SE和DBN的短期电力负荷预测

为提高短期负荷预测精度,提出一种基于自适应噪声的完全集合经验模态分解(CEEMDAN)-样本熵(SE)和深度信念网络(DBN)的短期负荷组合预测模型。首先利用CEEMDAN-样本熵将原始负荷序列分解为多个特征互异的子序列,计算各子序列的样本熵,将熵值相近的子序列重组得到新序列,降低了原始非平稳序列对预测精度造成的影响并减小计算规模;随后综合考虑各新序列的周期特性和影响因素对每个新序列分别构建不同的DBN预测模型,利用DBN预测模型克服了浅层神经网络特征提取不充分及初始参数难确定的问题;最后将预测结果叠加得到最终预测值。仿真结果表明,该组合预测模型有效提高了预测精度。     

基于组合预测模型的长沙市长期负荷预测

在长沙经济发展预测的基础上，采用回归分析法、趋势外推法、灰色预测方法和弹性系数法等多种方法预测长沙城区2005-2020年的负荷需求，并结合这些方法，提出了基于误差权重因子的多种方法组合预测的思路，对长沙市的长期负荷需求进行了优化组合预测．对预测结果的分析表明，该预测方法是合理、有效的．     

考虑小区发展不均衡性和不确定性的多阶段空间负荷预测

为减少小区发展不均衡性和不确定性对空间负荷预测精度的影响,结合聚类分析与马尔科夫理论提出了一种多阶段空间负荷预测模型。首先,提取单位面积最大负荷、用电量、平均负荷百分比作为表征小区发展不均衡性的指标,利用k-means算法对小区聚类,确定各个发展阶段的负荷密度。其次,统计不同发展阶段间的转移概率,形成马尔科夫链的状态转移矩阵,揭示空间负荷变化规律,以处理小区发展不确定性。再次,利用业扩报装信息、分类饱和密度及状态转移向量建立近中远期负荷预测模型。实例验证表明,该模型能够切实有效地考虑经济发展的不确定性及用电水平的差异性,各阶段负荷预测结果均具有较高的可信度。     

电力需求的不确定性分析

电力需求预测与分析是电力系统规划与运行的基础工作。常规的电力需求预测结果一般是确定性的,忽视了预测结果本身的概率特性。引入不确定性的分析思想,实现概率化的预测和分析,对于实际工作具有重要意义。在剖析传统的电力需求分析方法的基础上,引入序列运算理论,形成一个全新的不确定性分析思路,并以电量类指标的预测为突破口,提出了序列化分析方法,可以充分考虑分析结果的概率特性,为电力系统的规划与运行提供直接的决策依据。文中以实例验证了所提出的分析方法的有效性。     

电力负荷非线性预测方法与研究方向探讨

进行精确的负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。传统的预测方法主要是运用经典的确定性理论,而电力需求受众多因素影响,具有复杂的非线性特征．运用经典的预测方法可能会抹杀负荷变化复杂性本质。为此,通过对影响电力负荷变化因素及电力市场非线性特征的分析．介绍了几种非线性预测方法的构成原理与特点,包括基于人工神经网络（ANN）、小波分析、模糊理论、灰色理论、分形理论和支持向量机的负荷预测,并对近年来各非线性预测方法及其组合预测的主要研究成果进行了总结与评述。同时根据国内外电力系统负荷预测的现状与经验。对未来的主要研究方向作了一些有益的探讨。