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。     

基于元胞历史负荷数据的负荷密度指标法

已有负荷密度指标的求取方法往往忽视了对实测历史负荷数据的挖掘,或是忽略了同类负荷的非均匀分布问题,为此提出了一种基于元胞历史负荷数据的负荷密度指标法。该方法通过I类元胞的负荷密度确定分类负荷密度协调系数,根据I类元胞的历史负荷与其供电面积、用地信息、分类负荷密度之间的约束关系,建立元胞负荷与分类负荷密度的关系方程,并采用最小二乘法求取分类负荷密度指标,利用已求得的历年分类负荷密度指标预测其在目标年的大小,求出每个II类元胞的负荷值,从而实现空间负荷预测。工程实例验证了该方法的实用性和有效性。     

基于人工神经元网络及模糊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度的预测上.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,从而得到与环境因素相适应的负荷,预测取得了满意的效果.     

城市区域电网负荷预测的实践

通过对泉州市泉港区原始资料的分析,确定采用区域负荷密度指标法进行远期年预测,及多种数学模型外推进行中间年预测的预测方案.利用同类型地区同类型负荷的负荷密度相似原理,得到了远期年泉港区各类性质用地的负荷密度指标.根据确定的方案,预测了泉港区总电量、总负荷以及分区和分类负荷.经过对预测结果的校核,确定结果符合泉港区的经济发展趋势,是有效的.     

考虑地域差异的配电网空间负荷聚类及一体化预测方法

针对基于智能算法的负荷密度指标法对样本依赖性强且在各地实际应用困难的不足,提出一种考虑地域差异的配电网空间负荷聚类及一体化预测方法。该方法首先通过大量调研得到分布在不同地区、分属不同类型的负荷样本及所处地区信息;然后利用基于日负荷曲线的负荷分类校验及精选方法对所有调研样本进行分类精选;再根据区域分类、负荷分类对精选样本构成的全样本空间进行两级划分,得到分层级子样本空间;最后根据待测地块的属性信息对子样本空间进行匹配,选取与其最相似的子样本空间作为训练样本,构建支持向量机模型预测各地块的负荷密度,进而得到电力负荷的空间分布。工程实例分析表明了该方法的实用性和有效性。     

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Softmax概率分类器的数据驱动空间负荷预测

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。     

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...     

基于行业大数据的饱和空间负荷预测方法

传统饱和空间负荷预测方法以负荷密度法为主,其工业划分未能准确反映各细分行业负荷特性,且关键指标取值主观因素影响较大.为此提出一种基于行业大数据的饱和空间负荷预测方法.方法 细分行业,大数据分析确定关键参数,校验现状负荷和点负荷,叠加行业负荷曲线得出最大负荷.对某市进行预测,结果表明能更切实反映行业负荷特性,提高关键指标取值和预测结果客观性.     

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。