基于相似日权重的电力系统扩展短期负荷预测

扩展短期负荷预测源于滚动发电计划的制定,在原计划与实际负荷发生较大偏离(大于3%)时,精确的扩展短期负荷预测有利于制定科学合理的滚动发电计划.在对当日已有电力负荷特性分析的基础上,运用形系数决定权重的思想,提出了基于相似日权重的扩展短期负荷预测方法.该方法克服了现有预测方法中对各相似日采用相同权重所导致的平滑效应对拐点负荷预测的影响.研究结果表明,该方法在保证运算速度的同时,提高了总体预测准确性和拐点处的预测准确性.     

考虑人体舒适度的扩展短期负荷预测新方法

扩展短期负荷预测源于滚动发电计划的制定,在原计划与实际负荷发生较大偏离(大于3%)时,精确的扩展短期负荷预测有利于制定科学合理的滚动发电计划.运用多种人体舒适度选取相似日是以负荷求导法的思想,综合分析天气因素对用电负荷的影响,提出了考虑多种人体舒适度的相似日的扩展短期负荷预测方法.研究结果表明,该方法在保证运算速度的同...     

基于局部形相似的超短期负荷预测方法

在对电力负荷局部特性分析的基础上,定义了一个描述负荷序列形状相似程度的指标--负荷曲线形系数,提出了一种基于局部形相似的超短期负荷预测方法.该方法将预测时刻前一段负荷序列与各相似日同一时段负荷序列的形系数引入到超短期负荷预测中,强调基于形相似基础进行值预测,克服了现有预测方法中对各相似日采用相同权重所导致的平滑效应对拐点负荷预测的影响.研究结果表明,该方法在保证运算速度的同时,提高了总体预测准确性和拐点处的预测准确性.该改进方法可用于对现有多种超短期负荷预测方法的改进.     

基于PSO和曲线重迭算法的扩展短期负荷预测

精确的电力系统扩展短期负荷预测,有利于改善短期负荷预测效果和制定科学合理的滚动发电计划。根据历史负荷数据的内在规律性,提出了一种基于粒子群优化改进曲线重迭算法的扩展短期负荷预测方法。该方法由若干个同日类型日形成相关负荷集,并结合粒子群优化算法(PSO)的全局寻优能力对传统曲线重迭法中的参数进行了优化,有效克服了传统曲线重迭算法中依据经验选定参数的盲目性。研究结果表明,该预测方法较传统曲线重迭预测法有更高的预测精度。     

基于云计算的电力系统扩展短期负荷预测

在电力市场环境下,制定和调整当日负荷计划的周期缩短,尤其是滚动发电计划的提出,使现有负荷预测方法无法满足电力部门对预测精度和速度的要求,因此有人提出了扩展短期负荷预测的概念来解决这一问题,但该方法导致学习机的维数灾难问题难以避免。利用云计算技术对该方法进行改进,在避免了维数灾难的同时提高了预测精度与速度,并用East-Slovakia Power Distribution Company提供的电网运行数据验证了该方法的有效性。     

基于局部形相似的超短期负荷预测

为了进一步提高超短期负荷预测的精度,特别是负荷曲线出现拐点时的预测精度,在选择相似日的基础上,提出了一种基于局部形相似的超短期负荷预测方法。通过西安地区实际负荷数据的仿真,验证了该方法既能保证负荷曲线拐点处的预测精度,同时又提高了总体的预测准确度。     

基于局部相似与神经网络的超短期负荷预测方法

为提高超短期负荷预测精度,特别是负荷曲线在拐点处的精度,在模糊聚类分析的基础上提出了一种选取局部相似日的改进模型。通过该模型选取局部相似日,并结合RBF网络提出一种新的预测超短期负荷方法。采用该方法建立2个预测模型,分别用于预测下个时刻和下一个小时段的数据。将该方法与灰色关联分析预测方法进行比较,发现该方法在预测精度上具有显著优势,证明新的预测超短期负荷方法有较高的可靠性与有效性。仿真结果表明,新的预测超短期负荷方法在工作日或休息日负荷曲线拐点处的预测上,均具有较高精度。     

面向电力市场的短期负荷预测系统设计及实现

考虑近期我国电力市场需求,提出了一种较实用的短期负荷预测系统构架。它由信息采集和管理系统、负荷预测系统、信息监测和计划考核系统、计划制定和上报系统构成。提出了扩展短期负荷预测的概念和预测方法, 完成当日剩余时段负荷点的重新预测,为实时电力市场日计划修正提供依据。短期、扩展短期、超短期负荷预测环节作为一个整体组成负荷预测系统,满足不同时段的负荷预测需求。信息采集和管理系统完成负荷预测前期的信息采集和分析,提高信息的有效性和可用性。信息监测和计划考核系统对上述信息进行监视,并对负荷预测系统进行控制。计划制定与上报系统依据预测结果制定负荷计划并上报。文中具体描述了各环节的实现原理和方法。     

适用于新能源发电接入的日内滚动发电计划闭环控制系统

大规模新能源并网后,新能源发电的随机性、波动性将对电网的发电计划造成明显的影响。要解决这一问题,只有通过综合分析新能源发电、关口受电、负荷等变化,考虑各类约束和设置优化目标滚动形成日内发电计划,提高发电计划的可执行性和适应性。结合日前发电计划、机组日前发电排序,根据超短期负荷预测、超短期母线负荷预测、超短期新能源发电预测、滚动水电计划、联络线计划、停电计划、网络拓扑、机组出力申报等信息,充分考虑系统发用电平衡约束、电网安全约束和机组运行约束,按照"三公"调度、电力市场、节能发电调度等不同优化目标以一定周期(一般为5 min)编制日内滚动发电计划,并将此计划闭环下发执行。工程应用实践表明,该系统运行稳定、控制可靠,满足国网相关日内滚动功能系统建设的要求。     

面向电力市场的短期负荷预测设计及实现

考虑近期我国电力市场需求,提出了一种较实用的短期负荷预测系统构架。它由信息采集和管理系统、负荷预测系统、信息监测和计划考核系统、计划制定和上报系统构成。提出了扩展短期负荷预测的概念和预测方法,完成当时剩余时段负荷点的重新预测,为实时电力市场日计划修正提供依据。短期、扩展短期、超短期负荷预测环节作为一个整体组成负荷预测系统,满足不同时段的负荷预测需求。信息采集和管理系统完成负荷预测前期的信息采集和分析,提高信息的有效性和可用性。信息监测和计划考核系统对上述信息进行监视,并对负荷预测系统进行控制。计划制定与上报系统依据预测结果制定负荷并上报。文中具体描述了各环节的实现原理和方法。     

快速响应负荷需求的大规模水电站群超短期调度模型

针对日前负荷和来水预测存在偏差导致日前短期发电计划应用于实时调度时,期末水位很难达到预控目标以及弃水、窝电等问题,提出快速响应负荷需求的跨流域水电站群超短期调度模型及求解方法。该模型以调度期末水位与理想水位相对偏差最大值最小为目标,利用更新、更准确的实时水情和负荷边界信息对日前制定的短期发电计划进行校验和滚动修正,较好地解决短期调度计划难以应用于实时调度的难题。以云南澜沧江、金沙江、大盈江和李仙江干流梯级水电站群为研究对象,结果表明提出的超短期模型在保证电网负荷末来数小时内电力平衡的同时,使24时水位向预控目标逼近,为次日的发电计划制定提供有力保障,也为水电超短期调度决策提供科学依据,提高云南电网水电精细化调度水平。     

分步预测法在省级电网短期负荷预测中的应用

各地市负荷特性千差万别,单纯的利用省端历史负荷数据以及全省综合气象要素进行预测会产生较大误差,故提出一种分步预测的短期负荷预测方法。在分析省调负荷的组成以及不同类型地区负荷预测方法的基础上,通过查找网损相似日和厂用电率,利用下级电网上报的计划负荷对网损和厂用电进行有效预测,进而得到次日全省发电计划。分析表明,该方法能充分反映省调负荷各组成成分的变化情况,一定程度上提高了省调负荷预测准确率。通过南方某省短期负荷预测系统的实际应用证明了所提出方法的有效性。     

基于形态相似准则的曲线拟合算法及其在超短期负荷预测中的应用

提出了一种基于形态相似准则的曲线拟合算法，以保证拟合曲线与实际曲线的形态最相似为准则，同时引入时间影响因子。将拟合曲线方程参数的求解转化为约束极值问题，利用罚函数法将该约束极值问题转化为无约束极值问题，采用Powell方法求解该无约束极值问题。利用该算法对超短期负荷预测中的曲线拟合预测方法进行了改进，研究结果表明，该算法在保证运算速度的同时，提高了总体预测准确性和拐点处的预测准确性。     

考虑机组优化选取的含风电电网滚动优化调度方法

提出一种包含调整机组优化选取策略的滚动优化调度方法。根据负荷及风电超短期预测信息,首先考虑等效负荷(负荷+风电)预测偏差和机组调节容量匹配、机组爬坡量和等效负荷波动量匹配,以及减少外送断面越限原则进行调节机组优化选取。在此基础上,以机组调整成本及弃风量最小为目标,建立优化模型并采用改进粒子群优化算法求解。实际算例表明,考虑机组优化选取的滚动优化调度实现了超短期时间尺度上对负荷及风电预测偏差的自动跟踪调节,提高了发电计划的准确性,同时有效降低了综合发电成本和外送断面功率越限的风险,提高了电网运行的经济性和安全性。     

基于气象因子权重相似日的短期光伏功率预测

基于相似日的短期功率预测是一种有效的光伏预测方法,而相似日选取的准确性直接影响预测结果的准确性。通过k均值聚类算法将天气类型聚类识别,并利用光伏功率与气象因子的相关性分析提取出主要气象因子,再根据灰色关联度分析得出不同类别中气象因子对于发电功率的权重,并给出带权重的相似度计算公式,从而获得相似日样本训练集。然后根据训练集建立遗传算法优化的RBF-BP组合神经网络模型进行预测,通过与传统的相似日选择算法进行比较,证明该模型具有更高的精度和适用性。     

基于人工神经网络和模糊推理的短期负荷预测方法

电力系统短期负荷预测是电力系统调度部门制定发电运行计划的依据，也是制定电力市场交易计划的基础。人们提出了许多种短期负荷预测方法，如时间序列法、状态空间法、人工神经网络法等，但是这些方法都无法精确地描述电力负荷模型。在对大量历史负荷数据进行统计分析的基础上，作者提出了一种基于人工神经网络和模糊推理的预测新方法，其中首先根据实际经验将负荷日类型划分为周一、工作日、周六、周日和节假日5种类型；然后根据不同的类型日建立相应的人工神经网络模型用以预测负荷归一化系数，最后通过模糊推理策略预测日最大负荷和日最小负荷。实际算例表明，所提出的方法能够提高短期负荷预测的精度。     

基于改进支持向量机算法的光伏发电短期功率滚动预测

光伏发电具有明显的波动性与随机性,对其短期功率进行预测可以更准确地实现电网能量管理和运行调度。首先提出了一种基于粒子群优化支持向量机算法(PSO-SVM)的光伏发电短期功率滚动预测模型;通过寻找相似日,以相似日的实际功率和预测日的天气数据作为模型的输入量,对次日一天的发电功率进行预测;再以次日的实际输出功率与预测功率进行滚动对比,当预测点不满足给定预测精度时,以当日实测数据对后期预测点的功率进行修正预测。仿真算例表明所提光伏发电短期功率的滚动预测模型可以更精确地实现功率预测。     

电力市场中扩展短期负荷预测的动态支持向量机模型研究

日负荷预测并不利用最新获得的负荷和天气等信息及时更新预测模型输入,不能动态跟踪最新的负荷变化。扩展短期负荷预测利用最新获得的信息,预测当前时刻以后若干小时的未知负荷,可以明显提高预测精度。通过支持向量机建立动态预测模型,滚动引入最新获得的负荷相关信息,对当日未知的多点负荷分别利用不同模型进行滚动预测。研究实例表明该动态模型预测误差较一般短期预测降低1/3左右。     

基于马尔科夫修正的电力系统超短期负荷灰色预测

针对目前超短期负荷预测在拐点处预测误差较大,提出了根据时间序列相似的拐点预测方法。算法首先运用平滑处理方法对历史数据预处理,得出负荷序列的总体趋势,再运用灰色理论模型预测负荷变化平稳时段的负荷。介绍了运用马尔科夫链统计方法对随机部分的修正。     

微电网风/光发电功率预测软件的设计与开发

风力发电和光伏发电功率的预测是进行微电网能量调度计划制定的前提。运用基于时间序列法的风/光发电功率预测模型,引用等效平均风速概念,以提高风功率预测的准确度;采取在线滚动建模的方式修正基于时间序列法的预测模型,最后运用天气预报信息修正风/光发电功率预测的误差。设计了风/光发电功率预测软件的功能组成结构,制定了包括超短期、扩展短期与短期预测模块的程序流程,应用实例验证了所开发软件的实用性与有效性。