计及经济因素的混合模型电量预测研究

精确的电量预测是进行电网规划和建设的重要依据。为解决月度用电量预测方法思路单一、预测模型通用性不强、预测精度低等问题,通过对区域用电量与经济的历史数据研究分析,提出了一种计及经济因素影响的混合模型月度用电量预测方法。该方法将回归分析法和指数平滑法这两种预测方法相结合,建立电量预测模型,取得了较高的预测精度;最后,将本模型运用于浙江嘉兴地区月用电量预测,结果表明,该模型预测平均绝对百分误差为2. 31%,从而验证了该模型的有效性与通用性。     

基于智能加权混合模型的新型电力系统电量预测方法

随着电力系统的转型升级,新型电力系统的能源供应和消费发生了巨大的转变,因此对电量预测提出了更高的要求。月度电量的准确预测为新型电力系统的优化调度和电力市场的营销计划提供可靠的依据。在深入挖掘历史电量数据、综合分析月度电量特征及相关因素影响的基础上,结合Prophet算法和KELM神经网络算法各自的优势,提出了一种考虑气温、经济水平和节假日的月度电量组合预测方法。首先基于月度电量数据建立了Prophet预测模型,并进行了参数调优过程;其次利用KELM神经网络建立了基于历史电量、气温、GDP、节假日信息的预测模型,并通过参数调优确定最佳预测模型;最后,以加权组合的方式,建立月度电量组合预测模型。通过算例分析,比较了组合算法和其他算法的预测误差和预测效果,表明了本文所提组合模型在预测精度方面有所提升,验证了预测算法的有效性。     

基于隐马尔科夫修正的光伏中长期电量预测及调度计划应用

构建高精度的光伏中长期可用电量预测模型,对电力市场调度模式下的月度计划制定具有重要意义。为此,首先建立了基于差分自回归移动平均模型的光伏发电可用电量预测统计模型,实现了横向逐月移动的未来年际预测;然后,考虑光资源月度的差异性和同季节的平稳性,提出了基于隐马尔科夫模型的光伏发电可用电量预测修正方法,实现了纵向同月递推的差异月度预测修正。基于新疆电网某地区光伏运行数据,对方法的有效性进行了验证,结果表明所提出方法预测精度较高。最后,通过在新疆新能源月度计划控制系统中进行应用,实现了月度计划和日前计划动态滚动跟踪相结合的调度计划模式,满足了调度生产运行的需求。     

计及偏差电量考核机制的人工神经网络售电量预测模型

售电量预测的精度决定了售电公司的运营收益。传统售电量预测方法存在未计及偏差电量考核机制的差异、缺少时序相关性与长程依赖性等问题。为此,提出一种计及偏差电量考核机制的人工神经网络售电量预测模型。首先,根据购售电交易时序特点重构特征向量。其次,建立基于季节分解的加权模型(SDW)与双向长短期记忆神经网络(Bi-LSTM)分别对年度双边协商月度分解售电量和月度集中竞价售电量进行预测,基于月度偏差考核规则定义非对称损失函数(ALF),关联反向传播过程与整体收益,使网络输出趋向收益最大化。最后,通过数据集进行算例仿真并比较各项性能指标,验证了该模型相比于传统预测模型经济实用性强,准确度高且稳定。     

计及经济因素的随机森林电量预测

精确的电量预测是电网投资和电力平衡的重要依据。为解决以历史用电量数据作为电量预测的唯一依据,在模型迭代过程中的原始信息少,预测模型通用性差、预测精度低等问题,通过对地区月用电量与经济因素进行研究分析,采用随机森林算法对经济因素和月用电量进行针对性建模预测。通过实际算例仿真验证表明,该模型预测MAPE(平均绝对百分误差)为2.34%,预测精度高并且通用性强。     

基于数据序列分辨率压缩尺度优化的月度电量预测方法

准确的月度电量预测是指导电力部门安排运行计划和保障售电公司盈利能力的关键基础。针对基于人工智能算法电量预测模型在训练过程中存在样本分辨率选择不当导致预测精度降低的问题,提出了一种历史数据序列分辨率压缩尺度优化方法。首先将数据分辨率压缩尺度选择建模成一个优化问题。然后通过数据驱动方式进行求解。最后再利用长短期记忆(Long Short-term Memory, LSTM)神经网络实现月度电量预测,从而较好地实现了数据分辨率和电量预测步长之间的合理平衡以提升电量预测精度。利用美国PJM电力市场的历史电量数据对所提方法进行验证。仿真结果表明,较不进行分辨率压缩尺度选择所提方法具有更高的预测精度,同时LSTM网络在结合该方法时表现出了最佳的预测性能。     

基于修正业扩容量曲线的月度电量预测方法

业扩报装容量与用户用电水平具有紧密的联系。本文建立了基于修正业扩容量曲线的月度电量预测方法,使电力企业能够根据用户业扩报装情况准确预测出用户个体以及行业整体的用电趋势。首先,对用户个体的存量电量和各次业扩所产生的电量分量进行分离,并采用生长曲线模型对各电量分量的过渡过程进行拟合;其后,提取得到用户的用电特性指标,并据此对行业整体的月度净用电容量曲线进行修正;最后,对行业月度电量曲线进行季节调整,并针对电量趋势项与修正后的净用电容量以及其他相关因素建立预测模型,进而得到行业月度电量预测值。实例分析表明,修正容量曲线能够有效地降低预测误差,验证了预测方法的有效性和准确性。     

遗传算法在中长期电量最优组合预测中的应用

为综合考虑多种电量影响因素,以提高中长期电量预测的精度,引入了最优组合模型,在多种预测模型组合中,以各预测模型的组合权重作为优化变量,由于优化组合模型约束条件所构成的解的空间具有非凸的特点,导致常规线性优化算法无法直接求解最优的组合权重,为此,采用了遗传算法计算各预测模型的组合权重,预测了某地区2010年各月的负荷电量。     

考虑数据周期性及趋势性特征的长期电力负荷组合预测方法

为解决长期电力负荷预测精度不足及模型适用性不强等问题,考虑将区域经济发展、社会发展等多项宏观指标与区域用电负荷的时间序列数据进行因素耦合。利用BP神经网络与差分整合移动平均自回归方法(ARIMA)整合改进预测模型,提高年度负荷预测模型的趋势预测能力。采用函数型非参数方法预测月度负荷数据中周期性负荷数据,将年度负荷预测与月度负荷预测相结合以提高模型整体预测精度。最后通过灰色预测等模型数据比对及MAPE误差分析方法验证,考虑数据周期性与趋势性组合的模型方法预测精度显著提升,适用于区域电力负荷的长期性预测。     

基于K⁃L信息量和ARIMA误差修正的月度电量预测

为考虑多因素对电量的影响及提高月电量预测准确率,提出基于K-L信息量法和ARIMA误差修正的月度电量预测方法.在筛选相关性强的指标基础上,利用相关分析法对影响指标与电量进行回归建模,计算拟合误差并构建新的非平稳时间序列,结合ARIMA模型对此序列进行修正,进而获得准度性更佳的月度电量预测值,具有较高的应用价值.     

电力特性与电力市场

利用一般均衡理论论证了由于电力特性的存在,无法保证电力物品一定可以通过市场机制实现资源的帕累托有效配置,但存在伪均衡.然后对电力供需的长期均衡进行了分析,分析表明,理论上在满足一定的条件下,电力商品通过市场机制能够实现长期均衡.最后说明了电力市场必须通过制度与市场规则设计消除或减缓电力特性对市场机制在资源配置效率方面的影响.     

电力市场环境下电力交易风险管理研究综述

分析了电力市场中存在的风险。针对电力交易风险,结合金融风险管理技术提出了电力市场进行风险管理的框架,从风险控制和风险评估两大方面,分风险规避、组合优化和风险度量3个部分对其在电力交易上的应用进行归类分析,并对近期国内外研究的主要成果和进展进行了综述。通过对现有研究的分析,提出了电力交易风险管理未来研究的方向。     

电水壶

与传统水壶相比,电水壶除了方便快捷,节省能源外,还有外型设计精美大方,结构简单,加热迅速,操作简便,安全卫生,使用寿命较长等优点,是时下流行的小家电,它贴近生活,符合现代人生活节奏,是一种新型的厨房用具。     

Harmonizing Electricity Markets with the Physics of Electricity

Because of the unique physical characteristics of electricity, including an interconnected network, no storage, real-time balancing and long lead times, it is important not to assume that “electric markets should work because other markets work.” Electric markets require close attention and continuing fine-tuning to assure that market problems are quickly identified, contained, and remedied.