电力系统的递推自适应超短期负荷预报

几分钟到一小时的超短期负荷预报对电网在线调度、控制有重要的作用。针对超短期负荷预报的特点,引入控制理论中的相关理论原理,将时间序列方法作了改进,并尽可能简单的算法实现了实时超短期负荷预报,经过对地区电网实际计算证明了方法的正确性。     

自适应模糊预测器在电力系统负荷预测中的应用

1 引言。电力系统负荷预报从大的方面来说，可分为长，中和短期长期与中期负荷预报对于新机组安装建设，电网增容和改造有十分重要的意义。而短期负荷预报则是服务于电网的安全与经济运行。从运行的观点来看，负荷预报又可分为短期负荷预报与超短期预报。短期预报指一年之内，按周或天进行预报，而一天之内按小时或几分钟的预报认以是超短期负荷预报。超短期负荷预报常用于对电网进行在线分析与调度控制。     

电力系统超短期负荷预报

本文将时间序列相关分析理论应用于电力系统超短期负荷预报。用乘积型周期性ARIMA模型在线拟合系统负荷序列,并给出了模型的快速在线拟合算法。采用逆函数法并辅以平滑处理完成负荷预报。实例计算表明,本文算法预报速度快,预报精度高。     

超短期负荷预报与动态经济调度

本文对超短期负荷预报和动态经济调度算法进行了探讨。 文中把负荷分成确定分量和随机分量两部分。离线提前24小时的负荷预报(经三次样条后)为 在线超短期负荷预报提供了一个外部输入(确定性分量)。采用高级AR模型拟合时间序列法进 行超短期负荷预报，并利用实际系统的数据对这方法进行了计算，得到满意的结果。 本文提出一个与超短期负荷预报结合在一起的动态经济调度递推算法。用稀疏对偶单纯形法 求解每时段的经济功率分配，所用内存少，计算时间短。实例计算证明：动态经济调度算法 能够提前看到当前发电机组的出力是如何影响将来一段时间内机组的经济功率分配，能提供 更好的负荷跟踪功能和提高系统运行的经济性。     

电网负荷在线预报探讨及实施

在调度自动化数据网上实现了电网负荷的在线预报；分析了电网负荷变化规律，对超短期和短期负荷预报进行建模、样本选择，并采集气象台的实时气象资料和气象要素进行直接计算。     

基于相似日的线性外推短期负荷预测

综合利用了用于超短期负荷预报的线性外推原理和基于相似日的短期负荷预测方法,相似日的选取采用了严格的差异度量方法,使得所取的相似日与预测日负荷最可能相似;线性外推法也弥补了相似日法固有的缺点,有效地提高了负荷预测的精度,本文方法对于天气异常变化时的负荷预报具有很强的适应性,实际应用表明本文所用方法效果良好。     

基于相似日的线性外推短期负荷预测

综合利用了用于超短期负荷预报的线性外推原理和基于相似日的短期负荷预测方法,相似日的选取采用了严格的差异度量方法,使得所取的相似日与预测日负荷最可能相似;线性外推法也弥补了相似日法固有的缺点,有效地提高了负荷预测的精度,本文方法对于天气异常变化时的负荷预报具有很强的适应性,实际应用表明本文所用方法效果良好.     

应用Kalman滤波方法的超短期负荷预报

几分钟到一小时的超短期负荷预报在电网在线控制中占有重要地位。本文将Ｋａｌｍａｎ滤波方法应用于超短期负荷预测，并在预报过程中引入极大似然估计进行模型未知参数辨识，达到了参数估计过程与预报过程的统一。并给出本算法在几个电网中的实际应用情况及算例分析。     

一种简单易行的超短期负荷预报方法

负荷预报一直是电力的一个重要课题,从电网运行的角度,提出并论证了用插值方法进行超短期负荷预测的理论,该方法不像传统方法大量历史数据,从而避免了因数据不准造成的误差。由于这种方法可以在线机上实时进行,因而对实时调度及电网的经济运行具有很大的实用价值。     

电力系统高级应用软件负荷预报功能模块运行维护简介

EMS(Energy Management System)能量管理系统需要过去、现在、未来三类数据，而负荷预报是未来数据的主要来源，按周期分有超短期、短期和中长期之分。对地调自动化系统而言，应用较多的主要是短期负荷预报。短期负荷预报在线从SCADA数据库获得准确的实测负荷数据，以历史相似日的负荷数据为基础，兼顾近期内的负荷变化趋势，并综合考虑其它因素影响，找出变化规律建     

负荷中长期预测中一种改进的模糊聚类算法

电力系统中长期负荷的变化常常不是只依靠电力系统本身的信息和就可以正确描述的,它受到该地区社会、经济等多方面因素的制约,可以利用模糊聚类法从经济发展的角度对中长期负荷进行预测。结合最佳聚类Ｆ选优法的应用,章提出了一个发行的模糊聚类电力负荷中长期预防的新算法。应用该方法进行实全例计算,并同其它３种算法进行比较,表明该方法的预测精度较高。     

安徽电网实时发电控制系统设计及实现

为了减轻自动发电控制（AGC）机组调节负担,提高AGC控制合格率,提高电网调度自动化水平,安徽电网实时发电控制系统利用超短期负荷预计的结果,自动调整机组发电计划,并自动下发到电厂,使发电机组能较为准确地响应系统负荷变化。该系统改变了传统调度人员用电话调度发电出力的方式,使发电调度较为科学合理,在减轻AGC机组调节负担、提高了电网运行安全性,一年多的运行情况表明,该系统投入小、见效明显,对以火电机组为主的电网AGC实用化工作和提高电网调度自动化水平及质量控制有借鉴作用,可供建立电力实时市场技术支持系统时参考。     

人工神经网络在电力系统短期负荷预测中的应用

提出了基于多层前馈神经网络误差择向传播（BP）模型的电力系统短期负荷预测的方法,根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。通过实例表明ANN应用于电力系统短期负荷预测的是平行的,有效的,其预报结果比传统的负荷预测方法更准确。     

基于ICEEMDAN-SE-MSGJO-LSTM-EC的短期风电功率预测

为了提高风电功率短期预测精度，本文提出了一种基于ICEEMDAN-SE-MSGJO-LSTM-EC模型的短期风电功率预测模型。首先，通过ICEEMDAN对原始风功率信号进行分解并通过样本熵计算熵值相近的分量相加重构。其次，建立MSGJO-LSTM预测模型，通过改进金豺优化算法（MSGJO）优化LSTM网络参数，对各模态分量进行预测。最后，通过对各模态分量预测结果进行误差修正（EC）并将所有模态预测结果相加得到最终预测结果。以新疆某风电场为例，采用本文所提预测模型进行仿真分析，试验结果表明本文基于ICEEMDAN-SE-MSGJO-LSTM-EC的预测模型预测精度更高。     

基于单周控制的新型环保储能式辅助开关电源

提出一种基于单周期控制超级电容器储能的单相并联型辅助电源装置.该电源装置在系统正常运行条件下具有并联型有源滤波器的滤波功能及动态无功补偿功能.当负荷由重载突变为轻载,甚至空载时,它能快速吸收突减的有功功率,当系统发生大的波动或短时供电中断时,它可向负载短时提供全部功率.实验研究表明,该装置能有效改善负荷品质,提高电能质量,增强负荷供电的可靠性.     

超级电容储能的并联电能质量调节器

提出了一种应用超级电容作为储能元件、综合改善电能质量的并联型电能质量调节装置。装置在系统正常运行条件下可以滤除负荷产生的谐波、补偿无功功率，而且利用超级电容极高的功率密度，补偿负荷的快速波动功率，使电源侧只需向负荷提供单位功率因数、预先设定的恒定有功功率。当系统发生短时供电中断时，装置的电源侧配置的固态高速开关动作，使其和负荷脱离系统，装置发挥UPS的作用，向负荷短时提供全部功率。仿真研究表明，并联电能质量调节器在有效改善负荷品质，提高电能质量的同时，增强了负荷的供电可靠性。     

BP神经网络在计及气温因素的短期日负荷预测中的应用

随着社会经济的快速发展，空调及取暖负载在总用电负荷中的比重日益增加，气温变化引起的负荷波动趋势越来越明显。通过分析2006年6～8月份金华市总用电负荷和气温数据，提出在传统短期负荷预测方法上增加气温数据作为辅助输入变量，对于提高短期日负荷预测精度、增加电力系统调度效率以及缓解区域供电不足等方面具有重要意义。     

电力系统短期负荷预测的高木-关野模型研究

电力系统短期负荷预测在电力系统的运行设计中有重要的意义，利用模糊神经网络的方法进行电力负荷预测是国际上近年来很热门的一个方向。本文在传统的BP神经网络基础上，提出了一种短期负荷预测的模糊神经网络模型一高木一关野模型，以某供电局2000年的负荷实测值建立模型，进行了负荷预测，与实际值进行比较分析表明，这一模型应用于短期负荷预测能获得较高的预测精度，具有一定的研究价值。     

广州电网负荷特性分析及短期预测模型设计

结合广州电网负荷短期预测系统的开发工作，设计了合理的预测模型。分析表明，该地区负荷表现出较强的以周为间隔和以日为间隔的周期性，民用负荷占据较大份额，日负荷分时段特性明显。的预测系统基于人工神经网络技术，针对性地分别建立了人工神经网络训练周模型和日模型，在对历史电网负荷和气象数据进行预筛选的基础上，结合对日负荷的分时段预测处理，开发短期预测系统。系统具有较高的预测效率和满意的预测准确度。针对该地区夏季高温季节出现的负荷饱和特性，设计了基于专家知识的预测检验环节，运行结果理想。     

基于神经网络和模糊理论的短期负荷预测

电力系统负荷预测是能量管理系统(EMS)的重要组成部分,它对电力系统的运行、控制和计划都有着非常重要的影响,提高电力系统负荷预测的准确度既能增强电力系统运行的安全性,又能改善电力系统运行的经济性,但负荷预测的复杂性、不确定性使传统的基于解析模型和数值算法的模型难以获得精确的预测负荷。为提高电力系统短期负荷预测准确度,构建了一种新型的负荷预测模型。该模型首先采用多层前馈神经网络,以与预报点负荷相关性最大的几种因素作为输入因子,以改进BP算法作为预测算法,来获得预报日相似日负荷曲线;然后引入自适应模糊神经网络,用于预测预报日的最大、最小负荷;针对模糊神经元的权值更新问题,采用一种新的权值更新算法———一步搜索寻优法,在获得预报日相似日各点负荷和最大、最小负荷的基础上,通过纵向变换,对预报日的负荷修正,进一步减小预测误差。用上述模型和算法预测某地区电网的短期负荷,取得了良好的预测效果。