电力系统负荷预测研究综述与发展方向的探讨

负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。讨论了年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟方法,分析了负荷预测问题的各种解决方案,并指出未来的主要研究方向。根据国内电力系统负荷预测的实践和国外的经验,对我国开展电力系统负荷预测工作提出了一些建议。     

电力系统负荷预测方法综述

电力系统负荷预测对电力系统的调度运行和生产计划有很大影响,准确的负荷预测有助于提高电力系统的安全性、稳定性、经济性,随着电力市场的建立与发展,负荷预测将发挥越来越重要的作用。简述了电力系统负荷预测的概念和意义,对现有的负荷预测方法进行分类,介绍了各种预测方法的原理,讨论了各种方法的优点与不足之处。最后,对电力系统负荷预测方法未来的发展方向做出了展望。     

电力系统短期负荷预测算法的应用与探讨

结合山西省电力系统的特点 ,提出 3种比较适用的短期负荷预测算法。通过对实际系统的试验表明 ,这几种算法均具有较高的预测精度 ,可以满足系统运行的要求     

电力系统短期负荷预测方法综述

从短期负荷预测在能量管理系统中的重要作用出发,对负荷的特性、负荷预测的建模要求、影响模型预测精度的因素、各预测模型的原理、预测模型的改进方法以及能量管理系统中负荷预测模块的软件实现作了概述。     

电力系统负荷灰色预测的新方法

本文提出了一种瓣的负荷预测方法－灰色递推预测法。     

电力系统短期负荷离线预测研究

针对某电网负荷预测问题,提出了对灰色预测和单指数平滑法的有效改进,并将改进后的谅支及两种方法的组合预测应用于实际负荷预测问题中,获得了满意效果。文中通过一个计算实例,比较了改进前后这几种方法的预测精度,并列出了采用这几种方法进行负荷预测的满意结果。     

电力系统短期负荷预测算法的应用与探讨

结合山西省电力系统的特点,提出３种比较适用的短期负荷预测算法。通过对实际系统的试验表明,这几种算法均具有较高的预测精度,可以满足系统运行的要求。     

基于人工智能算法的电力系统负荷预测研究综述

在能源互联网大环境下,风光等新能源发电的大量并网带来的间歇性问题影响了电力系统的稳定运行.传统的电力负荷预测方法对于该情况下的动态负荷精度已无法保证,而基于人工智能算法的预测方法得到了广泛的应用.对此,首先介绍了电力系统负荷预测方法的分类和必要性,并将基于人工智能算法的电力系统负荷预测分为基于传统机器学习、基于深度学习、基于组合模型3种方法展开综述,最后对电力负荷预测领域的未来发展进行了展望和总结.     

电力系统负荷建模理论与实践

从电力负荷对系统暂态稳定、静态稳定、电压稳定、系统阻尼的影响等方面分析了电力负荷建模的要求,综述了现有的电力负荷模型结构、参数辩识方法,介绍了国内外电力负荷建模的实践,对电力负荷建模今后的研究提出了４点建设性意见。认为在现代电力系统中,必须立足本地区系统和负荷的实际情况,开展负荷模型实测工作。     

基于神经网络的电力系统负荷特性辨识

负荷建模在电力系统分析中起着十分重要的作用。参数辨识是负荷建模的关键,好的辨识方法能够在最短的时间内找出最优的辨识结果,提高建模的效率。首先介绍了静态负荷模型和动态负荷模型,其次介绍了神经网络,最后基于神经网络对电力系统负荷特性辨识。应用线性BP（LBP）网络的参数辨识方法,分别对静态负荷模型（幂函数模型、多项式模型）和动态负荷模型（差分方程模型）的参数进行辨识。通过现场的实测数据辨识了模型的参数,并验证了模型的有效性。     

电力负荷建模研究的发展趋势

针对目前电力系统负荷建模的现状,指出电力负荷建模研究的发展趋势.在地域规模方面,从节点负荷建模向广域负荷建模发展;在负荷内涵方面,从纯粹负荷建模向广义负荷建模发展;在适用范围方面,从小范围负荷建模向广谱负荷建模发展;在建模方法方面,从单个负荷建模方法向综合负荷建模方法发展;在数据来源方面,从单个数据来源向综合利用各种数据发展.给出了一些具体的负荷建模研究的思路和建议.     

参数可观测性分析及其在电力负荷模型中的应用

给出了参数可观测性概念,指出如果输入激励的功率谱能够覆盖研究对象的振荡频率,则能够在输出信号中观测到这些振荡频率,从而也就可以观测到其对应的模式和参数。提出基于参数的功率谱灵敏度来定量分析参数可观测性,基于输出功率谱实测值与计算值误差平方和的最小化来优化辨识参数。以一个二阶系统为例,分析了输入激励类型、系统幅频特性尤其是系统阻尼对参数可观测性的影响。针对电力负荷传递函数模型,分析了负荷模型的频域特性,通过两种不同频谱分布的激励信号,验证了参数可观测性方法的正确性。     

电力负荷短期预报的子集门限自回归模型

介绍了门限自回归时间序列模型的一种特殊形式－－子集门限自回归模型,给出了模型门限集及回归项子集辨识的点值图法与逐步顺归法,并研究该模型在电力负荷短期预报中的应用。子集门限自回归模型可以复现电力负荷的主要特征－－季节性趋势,实例表明它应用于负荷短期预测具有较高的预测精度。     

电力系统综合负荷模型简化方案及辨识参数集选取

负荷是电力系统的重要组成部分,建立合理的负荷模型对电力系统安全稳定分析和实时监控具有重要意义。目前综合负荷模型被广泛采用,但完整描述其动态特性需要十余个参数,在线辨识全部参数几乎不可能。文中从综合负荷模型状态方程入手,在保证暂态响应近似相等的准则下提出一种综合负荷模型简化方法,并在此基础上分析不同的参数对负荷动态特性的影响以及参数之间的相关关系,最终选取了感应电动机比例、电动机暂态电抗、电动机稳态滑差以及电动机转子时间常数组成辨识参数集,并通过仿真验证了相关结论。     

基于微粒群辨识算法的电力负荷综合模型的建模与仿真

微粒群优化(PSO)算法具有全局性能好、搜索效率高等优点.应用该算法进行电力系统负荷模型的参数辨识,辩识结果表明PSO算法在计算时间、全局性方面均有比较明显的优势.辨识的模型具有较高精确性,最后通过工程实例进行仿真实验,实验结果验证了模型和算法的有效性.     

灰色模型在负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务。讨论了灰色模型在短期电力负荷预测中的应用,对平常日电力负荷进行预测,其结果令人满意。     

基于灰色模型的电力负荷短期预测

准确的负荷预测可以保证电网的安全稳定运行,提高电力系统运行的经济效益,为此,基于灰色理论建立了电力负荷预测模型,并结合陕西省汉中市区电力局某变电站2006年7月的实际负荷讨论了灰色模型在短期负荷预测中的应用,实例计算表明,该模型具有预测精度高、计算过程简单等特点。     

考虑配电网络综合负荷模型的参数确定

综合负荷模型(synthesis load model,SLM)考虑了配电网络的影响,可较完整地模拟负荷与配电系统,更符合实际电力系统负荷的情况。针对该模型,该文提出采用统计综合法与总体测辨法相结合的方法来确定该模型的参数。重点研究通过统计综合法获得配电网等值参数后,利用总体测辨法确定综合负荷的参数。提出只辨识重要参数的辨识策略,而将其他参数直接用其典型值代替。某电网实测参数结果表明,上述方法是有效的,所得配电网电抗与电动机定子电抗之和平稳,电动机定子电抗和负载率较平稳,电动机比例和惯性时间常数变化明显。     

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...