分区负荷预测智能软件的研究

把人工智能技术中的专家系统应用到电力系统中的分区电力负荷预测上，设计和调试好一套有关负荷特性参数的专家决策系统软件。它消除了以往分区负荷预测中有关负荷特性参数偏差很大的现象，从而有效地提高了分区负荷预测的准确性。     

基于空区推论的空间负荷预测分类分区实用法

目前对无历史数据的新老城区空间负荷预测,一般采用分类分区法,所有同类小区基于统一的分类负荷平均密度预测其负荷。针对这一不足,基于空区推论的思想对分类分区法进行了改进,提出现有面积（不含新城区）上的分类总负荷减去有历史负荷数据的老城区的负荷即得到无历史负荷数据的同类老城区的总负荷;同理,规划面积（含新城区）上的分类总负荷减去现有面积上的分类总负荷即得到同类新城区总负荷,再结合面积算得无历史数据的新老城区的平均负荷密度,进而预测其负荷分布。这样使得有、无历史数据的老城区和新城区采用不同的负荷预测思路以提高其预测精度。该方法几乎不增加收集原始数据的工作量或附加的数据较易获得。最后通过实例说明了该方法的实用性和有效性。     

基于多层神经网络SPDS的电力负荷预测

将神经网络SPDS（非梯度训练方法）应用于短期负荷预测,建立起学习样本集,并用它对神经网络进行训练,经验证,该SPDS预测法是一种有效的方法。     

基于系统动力学的分区负荷预测

应用系统动力学理论,结合汕头市“十五”电网规划,对汕头市各分区电量进行了预测。在分析分区预测特点的基础上建立了一个通用模型。通过对特殊情况的数据分析,对通用模型进行修正,建立特殊情况下的模型,并按照分区预测结果确定分配因子,将系统的总预测量分配到各分区。仿真结果表明了系统动力学方法在分区负荷预测中的有效性。     

考虑规划小区发展时序的空间负荷预测分类分区法

目前应用分类分区法进行空间负荷预测时,往往忽略新区的发展时序问题.针对这一不足,将投建年份不同的新区按照时序关系,依次在其相应的先前年份负荷拟合曲线上进行空区推论预测,得到对应投入年份的新区在规划年的负荷大小,由平均负荷密度进而预测其负荷分布.该方法相比于现有方法,在负荷密度预测中体现了小区发展的时序关系,有效提高了预...     

基于空间负荷预测的临夏城网远期饱和负荷预测方法研究

由于电力系统负荷的大小和多种因素有关,不同的条件衍生出了不同的预测方式,因此通过论述负荷预测的重要性及基本思路,根据每个行业的负荷密度指数调查结果,比较中国成熟地区的负荷密度指数,开展基于空间负荷预测的临夏城网远期饱和负荷预测,以提高远期负荷预测的准确性,具有较好的参考价值。     

基于结构化负荷模型的电力负荷概率区间预测

为了考虑电力负荷的不确定性,概率和区间预测成为电力负荷预测的重要方式之一.针对传统的负荷概率及区间预测方法没有考虑不同负荷成分的不确定性对电力负荷影响的问题,在分析电力负荷成分的基础上,基于结构化电力负荷模型提出一种电力负荷概率及区间预测方法.首先,对电力负荷的成分进行分析,针对不同负荷成分分别进行建模,构成结构化电力...     

冲击负荷的超短期区间预测方法及其应用

广东电网中部分220 kV站点负荷冲击特性强,存在短时大幅波动且预测困难的特点,严重影响了实时市场出清过程中断面安全校核的准确性,进而影响了出清结果执行过程中的安全性.提出了一种适用于冲击负荷站点的超短期区间负荷预测方法,该方法采用区间信息覆盖冲击负荷波动范围,且具备过滤极短时尖峰、降低预测区间结果保守度的能力,基于广东电网实测数据的算例分析,表明该方法对冲击负荷预测效果较好,可以有效提高实时市场出清对关联断面的调控效果.     

基于空间负荷预测的负荷预测软件

基于空间负荷预测的负荷预测软件采用VisualC++、SQLServer2000、ADO等通用工具开发。软件改进了区域电网预测方法和最大负荷指标选取方法,具有图形化操作界面和数据库管理功能,并结合大量负荷采样数据,生成了负荷特性曲线库。该软件应用于电力系统中,被证明了具有较高的预测精度,提高了电网规划的工作效率。     

空间负荷预测中不确定性因素的处理方法

城市的变化通常呈现平稳发展和跳跃发展两种态势,其间还夹杂着各种规模的城区改造。笔者对影响空间负荷预测（SLE）的不确定性因素进行了详细的分析和归类,并对传统的SLE模型进行了改造使之处理城市跳跃发展和城市改造等特殊情况,针对跳跃式发展模型,提出了“事件中心”的概念,并将空间负荷预测分解为基础分布和事件分布的叠加;针对大事件出现时间和位置的不确定性,提出了多方案预测法：针对城市改造模式,提出了小区改造准则,改进了用地最优分配模型,从而解决了城市改造中的不确定性问题。     

基于地理信息系统平台的配电网空间负荷预测

以往的负荷预测大多是基于时间坐标的,根据地域发展作出的空间和时间负荷预测理论无疑是一种新的进展,章对空间负荷预测的理论和模型进行了详细的描述,提出了基于地理信息系统（ＧＩＳ）平台的配用电网负荷预测步骤,并在方法的实用化方面作了尝试,结果表明,空间负荷预测能够满足配电网规划的要求。     

一种实用的超短期负荷预测曲线外推方法

超短期负荷预测对电网功率平衡控制具有重要作用。文中针对超短期负荷预测特点,提出一种基于曲线模式分析的曲线外推方法,并讨论了历史坏数据处理以及对当前负荷水平的特殊处理等实用性问题,以保证预测结果的稳定性。通过对几个实际系统的应用结果表明,该方法速度快,精度高,运行稳定可靠,同时具有较强的适应性。     

基于人工神经元网络及模型算法的空间负荷预测

改进了配电网的空间负荷预测方法,将其研究重点 放在对各类负荷的负荷密的预测上,在原始数据不充分的条件下,引入模糊隶属度分析和人工神经元网络中的聚类分析,对负荷进行分类和简化,从而得到环境因素相适应的负荷,预测取得了满意的效果。     

一种实用化的配电网超短期负荷预测方法

针对配电网复杂多变的特点,提出了用神经网络和最优化算法相结合进行配电网超短期负荷预测的研究方法。采用分时段的负荷预测方法,大大缩小了网络规模。在神经网络的训练中,采用变步长的BP算法,并实行远小近大加权均方的误差计算原则。运用了遗传算法和模拟退火两种最优化算法分别与神经网络算法相结合,并进行了比较。在遗传算法中首次引入了聚合度的概念。当两种算法结果相差不大时,用它们的平均值作为最后结果,进一步提高了预测精度,尤其是提高了重大节假日这一预测难点的精度。运用本算法编制了实用性软件,并对潍坊地区的真实负荷进行了预测,结果较好地满足了现场的要求。     

一种简化的电力系统负荷线性组合预测法

负荷是电力系统运行和规划的依据，精确的预测可提高系统运行的可靠性和经济性。作者将电力系统负荷预测的三种主要方法，即外推法、灰色预测法和人工神经网络法结合起来，建立了一种线性组合预测模型。在组合模型的权重系数求解中，首先对目标函数和等式约束使用拉格朗日乘子法来求解权重系数。当出现小子零的系数时，改为只使用误差矩阵的对角元素来计算，这种近似对预测精度影响较小，但简化了计算，且保证了组合系数大于零的条件。由于组合模型的总平均误差要小于各单一预测方法的平均误差，这就提高了预测精度，尤其组合模型的最大预测误差要小于单一模型的最大预测误差，从而降低了预测的风险性，实例证明这种组合模型具有较好的实用性。     

一种利用可加性模糊系统的短期负荷预测新方法

该文依据可加性模糊系统理论，提出了一种新的负荷预测方法，利用聚类方法与有监督学习相结合的训练方法，提高了系统的函数逼近能力。仿真结果表明，系统学习速度快、预测精度高，在短期负荷预测中获得相当满意的结果。     

负荷预报中负荷规律性评价方法的研究

负荷预报是一个历久不衰的研究课题,以往的研究主要集中于预报方法,而缺乏对负荷自身变化规律的分析和评价。这不仅导致了难以公允地评价负荷预报方法,也使运行部门对负荷预报所提出的精度要求缺乏客观依据,该文阐述了评价负荷规律性的必要性,并建立了相应的评价方法,文中分析了负荷历史数据,负荷预报以及预报误差之间的关系,构建了一种基于统计分析的负荷规律性评价方法。在此基础上,建立了预估负荷预报误差极限的分析方法,运用所提出的方法对负荷变化的规律性进行评价,不仅可以客观地评价负荷预报方法的优劣,还可以根据不同负荷的规律性确定切实可行的负荷预报精度要求,文中给出的算例说明了方法的有效性。     

基于遗传算法的短期负荷组合预测模型

给出电力系统短期负荷的固定权系数组合预测模型－－基于遗传算法的组合预测模型。为增加样本的多样性、避免陷入局部极小,中对遗传算法每代的相同或相近个体作等适应值变换,改进后的遗传算法具有更好的全局优化特性。利用改进的遗传算法确定组合预测模型的权系数,然后进行负荷预测。计算结果表明,该方法是实用和有效的。     

一种内蕴误差评价的负荷预报方法

提出了一种基于内蕴误差评价的电力系统短期负荷预报方法。该方法建立在对负荷规律性和预报方法有效性全面评估的基础上,使预报和误差评价融于一体。运用该方法可以有效地诊断导致预报误差的主要因素,并在预报前估计预报误差的上下限,从而对发掘提高负荷预报准确度的潜力有所帮助。实例表明,该方法应用于短期负荷预报和预报精度评价是有效的。