福建电网夏季降温负荷研究分析

基于福建电网历史负荷数据,采用全省整体分析和"子网累加"分析两种方法分析福建电网降温负荷。首先,通过典型降温负荷曲线的分析揭示降温负荷特性;然后,建立降温负荷与气温的敏感性回归模型得到降温负荷受气温影响的规律;最后,采用一元回归分析的方法测算年最大降温负荷。通过实例比较,表明"子网累加"分析方法在降温负荷的研究分析中具有较高可行性及准确性。     

调温负荷的估算方法及影响因素研究

调温负荷包括夏季降温负荷和冬季采暖负荷,已成为电网负荷屡创新高的主要原因。准确把握当地调温负荷特性及其变化趋势对于迎峰度夏工作的顺利完成具有重要意义。首先采用基准负荷比较法,估算了四川地区夏季及冬季典型月的调温负荷;其次通过相关性及敏感性分析,评估了主要影响因素的影响程度;最后综合灰色预测法及回归法,预测了未来四川地区调温负荷的变化趋势。结果表明,调温负荷与气温及空调保有量密切相关,且与后者相关性更高。电力消费观念发生改变,人们对高温和低温的耐受力下降。夏季降温负荷及冬季采暖负荷对气温的敏感性存在较大差异,对空调保有量的敏感性较为接近。随着城镇化率及空调保有量的逐年提升,预计2013年四川地区调温负荷仍维持在高水平。     

福建省年最大降温负荷测算分析与研究

对福建省2002~2005年的最大降温负荷进行了测算分析和研究。分析出福建省最大降温负荷主要发生在7~8月的工作日,工作日最大降温负荷高出休息日600 MW左右。工作日最大降温负荷的发生时间由以往的早高峰、午高峰向晚高峰转移,午高峰时的最大降温负荷平均是晚高峰最大降温负荷的80%左右。居民和第三产业的降温负荷占较大的比例。并分析出降温负荷同气象因素之间的关联关系,从而得到人们使用降温设备的一般规律。     

考虑气象信息的节假日负荷预测

因负荷成分与正常日有较大差异且样本较少,故节假日短期负荷预测精度往往不太理想.通过对节假日负荷特性的分析,考虑到节假日负荷影响主要受负荷自然增长及天气等因素的影响较大,文中采用相似日方法和模糊推理分别预测负荷曲线模式和负荷水平.通过对实际系统负荷进行预测,结果表明预测精度较高,尤其在气象出现较大变化的节假日能够得到较好的预测结果.     

基于大数据的负荷指标及同时率测算方法

随着科技的发展和国民经济水平的持续提高,各种用户类别的负荷特性都在不断发生变化,建立与各城市负荷水平相一致的负荷密度指标及同时率体系具有重要意义。提出基于大数据的负荷指标及负荷同时率测算方法,并应用配套开发的负荷数据分析系统,对北京市负荷指标及同时率进行初步测算,形成了饱和负荷预测指标推荐表。     

夏季日最大降温负荷的估算和预测方法

随着空调等降温设备的大量使用,降温负荷对电力系统安全经济运行的影响越来越显著。以广州市的历史负荷和气温数据为基础,分析了广州市夏季降温负荷与气温之间相关性。首先,考虑到夏季基准负荷逐日的增长量,提出利用灰色系统GM(1,1)模型预测出电网夏季的日基准负荷曲线,进而准确剥离出夏季的日降温负荷曲线,并分析了日降温负荷曲线的“W”型变化特征。其次,基于日最大降温负荷与日最高温度的相关性分析,建立了日最大降温负荷与日最高温度之间关系的分段回归模型,并对日最大降温负荷进行预测。最后考虑温度累积效应的影响,对分段回归模型进行了修正,进一步提高了预测精度,从而为准确预测电网夏季日高峰负荷提供依据。     

基于信息熵和变精度粗糙集优化的支持向量机降温负荷预测方法

降温负荷持续增长已成为中国南方夏季最大负荷屡创新高的重要原因。提出了一种基于信息熵和变精度粗糙集优化的不确定支持向量机方法,用于中长期降温负荷预测。方法通过挖掘数据中的相互关系去除冗余信息,从输入属性变量集中寻找核心变量。该方法利用基于信息熵改进的变精度粗糙集对支持向量机的条件属性进行约简,得到最小决策表,并将该最小决策表中对应的变量作为支持向量机预测模型的输入属性变量,进行年最大降温负荷预测。且随着预测年份的推移,该支持向量机预测模型的输入属性变量亦将随之滚动更新,能够为电网规划与运行人员提供不同预测时期降温负荷预测需重点关注的影响因子。最后,利用广东省实际数据对广东电网"十二五"和"十三五"年最大降温负荷进行预测,结果表明,所提的预测方法预测效果良好,预测精度稳定,对于中长期预测过程中的各种不确定因素的影响具有较好的鲁棒性,真正实现了中长期降温负荷的动态预测。     

山东电网夏季降温负荷特性及影响因素分析

采用基准负荷比较法对2011年山东全网及部分地市级电网夏季降温负荷进行统计分析,研究降温负荷特性区域差异的规律,对山东省多地市电网做横向对比研究,揭示最大降温负荷与区域性因素——宏观经济水平和城镇居民降温设备拥有量的相关性。研究表明：各区域电网降温负荷既有共性的规律,也存在较大的个体差异;宏观经济水平和城镇居民降温设备拥有量是影响区域差异的重要因素,可在一定程度上反映不同区域降温负荷特性的差异和变化规律,能够为各地区电网有针对性地制定需求侧管理措施提供有价值的参考、     

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。     

气温对地区负荷特性的影响分析

为了了解气温对负荷特性的影响,透过测算地区最大降温负荷,并根据实测的地区负荷和气温数据建立回归模型,对负荷与气温的相关性进行分析.运用最大负荷比较法和基准负荷比较法,定量测算出地区的最大降温负荷,计算结果表明:年最大降温负荷与年最大负荷关系紧密,即当气温上升到一定程度时,气温越高,负荷越高,降温负荷也越高;根据该地区的...     

电力系统短期负荷预测模型研究

给出电力系统短期负荷预测的两种模型——变差分析模型和年度分解模型。变差分析模型将负荷分解为基准值、年度变差、月份变差以及随机变差,通过对其分别估计便可得到负荷的预测值;年度分解法先通过预测年度负荷,再预测每月的负荷贡献率,即可得到负荷预测值。实例分析表明,这两种方法都是有效的、实用的     

基于神经网络的负荷组合预测模型研究

给出了电力系统负荷的变权系数组合预测模型,即基于神经网络的组合预测模型。该模型利用多种方法的预测结果与实际负荷数据的非线性关系,建立相应的神经网络模型。该网络为单输出的三层网络,其中输入层为各种预测方法的预测值,输出层为实际负荷值。文中用变动量因子和变学习率的BP算法对其训练,训练后的网络便具有预测能力。同时,文中对基于遗传算法的固定权系数组合预测模型进行了简要的介绍。对几个实际系统的年、月、时负荷预测表明,该模型具有很高的预测精度。     

计及元胞发展程度的空间负荷预测方法

针对分类负荷在不同元胞内发展程度不同导致元胞负荷分布不均衡,从而影响空间负荷预测结果精度的问题,提出一种计及元胞发展程度的空间负荷预测方法。首先建立电力地理信息系统(GIS),在电力GIS中生成元胞,并整合基础信息,其中包括用地信息、10kV馈线的供电范围及分类负荷数据。其次求出总分类负荷密度的饱和值,再结合生长曲线揭示总分类负荷密度的发展规律。然后找到当前年各元胞内分类负荷密度在总分类负荷发展规律曲线上的位置,即为各元胞内分类负荷密度的发展程度。最后根据当前年元胞内各分类负荷密度的发展程度,结合总分类负荷密度发展规律曲线,确定目标年各元胞内分类负荷密度,再乘以元胞中每类负荷所对应的面积实现对元胞负荷值的预测。实例分析表明了该方法的正确性和有效性。     

基于小波包分解与循环神经网络的综合能源系统短期负荷预测

文章提出了基于小波包分解(wavelet packet decomposition,WPD)与循环神经网络的电冷热综合能源短期负荷预测方法。利用能够突出负荷细节特征的小波包对电冷热负荷进行频段分解,分析每一频段中电冷热负荷的互相关性。为体现每一频段中电冷热负荷的互相关性对预测结果的影响,将频段中互相关性较强的负荷类型放入同一处理负荷自相关性的循环神经网络模型中进行预测;频段中互相关性较弱的负荷类型则单独进行预测。与直接将电冷热负荷放入同一个循环神经网络进行预测相比,以及与将电冷热负荷通过同一个反向传播神经网络进行预测相比,所提方法考虑了综合能源在不同频段内电冷热负荷的互相关性和电冷热负荷本身的自相关性,能够有效降低负荷预测的平均绝对百分比误差。     

南京电网负荷与气温敏感性分析

气候变化对负荷的影响在逐年增大,同时也影响着电力系统负荷预测的精度.对南京电网2011年全年的负荷水平进行了详细分析,根据日最高负荷和气温的相互关系,计算出南京夏季、冬季的空调负荷水平,得出了最高负荷与气温的敏感性系数,为提高南京电网负荷预测准确率提供了有效参考.     

基于Shapley值的电力负荷预测结果溯源分析方法

针对由于机器学习的黑盒特性导致负荷预测结果不可溯源的问题,提出一种基于Shapley值的电力负荷预测结果溯源分析方法.阐述利用机器学习技术构建负荷预测模型的一般形式和基本过程;基于负荷预测模型,利用合作博弈论中的Shapley值计算各类负荷影响因素对负荷预测结果的影响;对利用梯度提升决策树算法训练的负荷预测模型的预测结果进行溯源分析.实验结果表明,利用所提方法可以洞察负荷预测过程,从而实现负荷预测结果的溯源分析以及考虑复杂非线性的负荷影响因素分析,也可以在构建负荷预测模型时指导特征选择提升模型的泛化能力.     

电力系统多级负荷预测及其协调问题:（一）研究框架

基于对传统负荷预测中总需求与各子需求预测结果的不均衡现象的深入分析,揭示了电力系统负荷预测问题所具有的"多维多级"特点。在此基础上,提出了电力系统中多级负荷预测协调的科学问题,阐明了多级负荷预测和多级负荷预测协调的新理念。进一步分析了负荷预测模型的"量测"特性,并将多级预测协调与状态估计进行了类比,阐明了多级预测协调的理论基础。文中还探讨了多级负荷预测协调问题的类别及其各自的特点,提出了基本协调和关联协调模式,由此建立了多级预测协调问题的理论研究框架。希望该研究能够丰富和发展负荷预测理论,为广大预测人员提供一些参考。     

Application of fuzzy neural networks and artificial intelligence for load forecasting

An integrated evolving fuzzy neural network and simulated annealing (AIFNN) for load forecasting method is presented in this paper. First we used fuzzy hyper-rectangular composite neural networks (FHRCNNs) for the initial load forecasting. Then we used evolutionary programming (EP) and simulated annealing (SA) to find the optimal solution of the parameters of FHRCNNs (including parameters such as synaptic weights, biases, membership functions, sensitivity factor in membership functions and adjustable synaptic weights). We knew that the EP has a good capability for searching for globe optimal value, but a poor capability for searching for the local optimal value. And, the SA only had a good capability for searching for a local optimal value. Therefore, we combined both methods to obtain both advantages, and so improve the shortcoming of the traditional ANN training where the weights and biases are always trapped into a local optimum. Finally, we use the AIFNN to see if we could improve the solution quality, and if we actually could reduce the error of load forecasting. The proposed AIFNN load forecasting scheme was tested using data obtained from a sample study including 1 year, 1 month and 24 h time periods. The result demonstrated the accuracy of the proposed load forecasting scheme.     

基于改进DaNN的综合能源系统多能负荷预测

随着能源革命的推进及双碳目标的提出,综合能源系统越发受到广大研究者的重视,对综合能源系统进行高效的规划和控制离不开精准的多能负荷预测。基于上述需求,引入迁移学习理论,提出一种改进领域自适应神经网络（DaNN）负荷预测模型对综合能源系统中的冷、热、电负荷进行统一建模与预测。首先,通过历史数据分别构筑冷、热、电负荷特征图,随后输入改进DaNN的参数共享卷积层和全连接层;其次,基于冷、热、电负荷联合预测的特点改进传统神经网络的损失函数,加入最大均值差异指标,并优化训练模型;最后,通过3个各自独立的全连接层分别输出冷、热、电负荷的预测值。通过采用实际算例验证并与基准模型对比可知,所提改进DaNN模型能够有效提高综合能源多能负荷预测精度。     

气象敏感性负荷特性分析及预测

以电网迎峰度冬和迎峰度夏为背景,将电网负荷中的气象敏感负荷作为研究对象,对负荷预测气象指标进行分析,结合天气预报准确性分析,得出累积温度指标的适用性范围。分别采用基于累积温度指标的预测方法和基于综合气象指标的预测方法对气象敏感负荷进行预测,并针对大幅度升温/降温以及天气转化情况时对预测方法进行改进,提出在累积温平均温度变化超过2℃时,宜采用基于累积温度在平日预测时采用变化和平均温度变化加权指标进行负荷预测,在晴雨转换时采用修正后的综合气象指标预测法的综合气象敏感性负荷预测方法。实际算例和应用表明,该预测算法具有更高的准确度,为目前负荷预测提供一定依据。