新型电力系统形势下基于负荷特性的负荷预测研究

电力负荷预测是电网规划工作的基础,随着对电力系统进行精益化管理要求的提出,特别是在电网规划中, 多元负荷预测成为重要的研究课题,对负荷在空间及时间上的分布预测提出了更高的要求.目前,用电形式更加多样化,除了常规负荷外,电动汽车、５G基站及港口岸电等新兴负荷发展也十分迅猛,传统的负荷预测已不能满足规划需求.现在通过负荷特性分析得到典型用户曲线,常规负荷曲线叠加新兴负荷曲线等于总负荷曲线.     

考虑需求响应的温度敏感用户夏季短期负荷预测方法

在新常态下为了降低生产成本,用户会参与需求响应进行错峰和避峰。传统负荷预测模型对用户负荷特性变化不敏感,对一些突变信息难以准确预测。针对此问题,考虑温度敏感用户参与需求响应,提出了夏季短期负荷预测方法。该方法采用小波变换和局部离群因子方法对负荷数据预处理,基于模糊C均值聚类和径向基函数网络相结合的方法识别预测日的负荷特性,采用线性回归模型对预测日的负荷特性相同的历史负荷数据进行负荷预测,根据降温负荷的基准值和温度变化值评估出降温负荷值,最后综合得出预测日的负荷。对3类温度敏感的纺织行业大用户进行算例分析,验证了所提方法的可行性和有效性。     

贵阳市南部中心区负荷预测

负荷预测是城市电网规划中的基础工作，其精度的高低直接影响着电网规划质量的优劣。本文通过对历史年负荷数据的分析，运用相关电网规划软件对贵阳市南部城市中心区的负荷进行了预测，基础年为2006年，规划年为2010年。     

空调系统夏季负荷动态计算

现行夏季空调负荷计算方法中没有考虑新风状态的变化，计算所得新风负荷为一定值，这种方法无法求得空调系统设备的动态负荷，不利于空调设备合理选型和节能运行。本文提出了一种考虑新风状态及新风负荷变化的空调系统夏季负荷动态分析计算方法。     

面向规模化空调负荷的聚合调控过程研究

近年来,我国电力需求持续增长。为进一步深化电力负荷管理,切实做好迎峰度夏（冬）能源电力保供工作,对深挖空调负荷的调控潜力、完善空调负荷聚合调控机制提出了更高的要求。首先,从物理建模、数据建模两个角度综述空调负荷预测模型和聚合模型,分析不同模型的适用性,并提出适合面向大规模空调负荷的多级聚合模型。然后,围绕调控模型和调控策略讨论现有优化调控进展。最后,结合国内发展现状从算法融合、双碳战略要求、负荷聚合系统高效运行等方面提出发展建议。     

上海市市区供电局季节性负荷分析

从上海市市区供电范围内电力负荷变化趋势、季节怀负荷变化的来源以及气温对季节性负荷的影响等方面,系统地分析了该供电范围内１９９２￣１９９８年期间季节性负荷的特征。通过分析可以发现,近７年来,上海市市区供电内的季节性负荷正在急剧增大,季节性负荷问题已经成为供电局必须解决的紧迫课题。     

负荷特性分析方法的研究

以行业的月度电量为基础分别获取行业的季节性和非季性的负荷特性曲线，并利用其分析行业和会社会的自然增长及季节性负荷的相互关系。此外，对迎峰度夏采取的各项措施可以通过全社会负荷特性曲线的构筑来进行直观的分析。     

利用特殊日期测定各类用电负荷的方法

准确掌握一个地区内各类用电负荷的构成和变化规律,对于做好本地区的负荷预测、用电分析、负荷管理等工作非常重要。在实际情况中,可以发现通过一般统计方法获取各类负荷构成数据的途径并不具备可行性和实用性。总结了一些利用特殊日期负荷变化来测定各类用电负荷大小的方法,并结合廊坊市的实际情况对这些方法的操作过程和分析结果进行了具体论述。     

江苏电网负荷结构分析

负荷的差异及其比例的变化造成了负荷曲线及负荷特性指标的变化,通过对不同季节不同时段全省各类用电负荷的解析,了解行业及居民用电负荷的构成及其季节性变化,有利于深入进行负荷特性变化分析.从而判断负荷特性变化趋势,为改善负荷特性提高电力系统运行效益提供决策依据.     

南宁市夏季用电负荷特性分析

以2007-2009年的电力负荷统计数据为依据,分析南宁市区夏季用电负荷特性的变化趋势,找出夏季负荷的主要增长点.通过对夏季气温与负荷情况的详细分析,得出影响南宁负荷及负荷特性变化的主要因素,进一步揭示了夏季强降雨对负荷水平影响的规律性,从而提出了一些电力负荷发展的建议.     

基于电力系统负荷变动速率的美国得州ERCOT短期负荷预测

基于大量历史负荷数据,研究负荷数据曲线的变化性,并提出了负荷变动速率(RLF)与速率影响因子(IFR)概念。通过对ERCOT数据的分析,总结得出了得克萨斯州用电特点和相同时段内RLF的相似性。依据对RLF的历史数据统计分析,得出经验RLF值,并结合用电负荷的实时数据对短期负荷做出修正与准确预测。该方法可以应用在短期负荷预测系统及对区域中长期用电负荷变化规律的总结上。     

基于负荷分解的日最大负荷预测方法研究

提出了1种基于负荷分解的日最大负荷预测算法,即将负荷分解为正常负荷分量和天气敏感负荷分量,用结合指数趋势和周期趋势的组合模型预测正常负荷分量．用神经网络法预测天气敏感负荷分量。同时,在分析最大负荷和人体舒适度相关性的基础上,在预测中用人体舒适度替代了常规气象因子。预测结果表明,该方法可以取得较为满意的预测效果。     

基于DTW的多状态负荷的非侵入式负荷分解

非侵入式负荷监测（NILM）是大数据和人工智能的重要应用领域,能够显著提升电网的智能化水平和节能效果。长期以来在NILM中采用稳态特征进行负荷分解时,优点是可识别功率近似的负荷,但是不能处理多状态负荷。为此,采用滑动时间窗作为事件探测算法,提出一种基于动态时间规整（DTW）的多状态特征的NILM模型。该模型首先对多状态负荷进行特征提取,并建立多状态特征的稳态波形模板库;然后利用滑动时间窗算法提取待分解负荷的稳态波形特征,将提取的稳态波形运用DTW算法与稳态波形模板库中的负荷特征计算最小距离进行辨识。该方法能够显著提升稳态条件下多状态负荷的辨识效果。最后采用公共数据集REDD进行测试验证,证明了所提方法的有效性。     

On influence of load modelling for undervoltage load sheddingstudies

This paper explores the influence of load models on decisions of undervoltage load shedding in power systems. A controlled load rejection can be used as an emergency countermeasure to avoid widespread blackout when system voltages are unstable. In this paper, dynamic simulations of a small power system using both static and dynamic load models are presented. When using a static load model, the system includes an explicit model of a transformer with load tap changer. The aim is to demonstrate how different load models influence the analysis and calculation of the amount of load needed to be shed to stabilise the system voltage     

大波动地区级系统短期负荷预测方法研究

提出了针对容量较小、负荷波动较大的地区级电力系统适用的短期负荷预测方法,共分为四个步骤：①原始数据的预处理,②用模糊系统预测预测日的峰谷值,③用人工神经网络预测预测日的24h负荷值,④根据第②③步的结果用专家系统决定最终的负荷预测值。利用本文提出的方法对福建永安电力系统1999年1月至2000年6月的数据进行预测,结果证明了方法的快速性和准确性。     

计及负荷预测误差的可中断负荷优化管理

综合考虑了在可中断负荷管理中存在的电力公司与用户信息不对称性、用户潜在的违约概率以及负荷预测误差等问题,创建了计及负荷预测误差的可中断负荷优化管理模型.该模型应用委托一代理理论来解决信息不对称问题,采用模糊概率理论求解包含违约惩罚的中断补偿,分析了负荷预测误差修正对电力公司支出的影响.算例证明,该模型能够激励用户上报真实的中断类型以获得最大补偿;促使用户减小违约概率从而增加其所获补偿;同时,引入负荷预测误差修正之后,可以减少电力公司的支出,有利于电力公司降低由负荷预测误差带来的市场风险.     

电网负荷采用最大3d平均负荷指标的探讨

分析了采用最大3d平均负荷指标对电网运行的经济性和必要性.随着国内电力供需矛盾趋缓,采用最大3d平均负荷作为电网最大负荷的时机已趋成熟,应参照日本等国的经验,尽早采纳该方法.     

基于负荷曲线修复的夏季空调负荷计算

夏季空调负荷的估算能为制定高峰时段的负荷调控政策和措施提供科学依据。提出了基于峰谷差率的负荷曲线修复方法和基于指定日的集中空调负荷估算方法．并根据浙江省2002～2004年的96点负荷数据．估算了浙江省2004年的夏季最大空调负荷和集中空调负荷。调研分析结果证明了所提出方法的可行性和有效性。     

大波动地区级系统短期负荷预测方法研究

提出了针对容量较小、负荷波动较大的地区级电力系统适用的短期负荷预测方法 ,共分为四个步骤 :①原始数据的预处理 ,②用模糊系统预测预测日的峰谷值 ,③用人工神经网络预测预测日的 2 4h负荷值 ,④根据第②③步的结果用专家系统决定最终的负荷预测值。利用本文提出的方法对福建永安电力系统 1999年 1月至 2 0 0 0年 6月的数据进行预测 ,结果证明了方法的快速性和准确性。