兼容需求侧资源的负荷预测新方法

提出一种兼容需求侧资源的负荷预测新方法,其基本思路为“自上而下细分负荷,自下而上叠加计算”。该方法的主要步骤为确定预测范围、对用户进行分类、识别各类用户的各种需求侧资源、定量分析预测期内各类用户各种需求侧资源对负荷的影响效果,通过多层次叠加技术测算得到预测区域内考虑需求侧资源的最大负荷。基于此,构建考虑需求侧资源的负荷预测模型。以某110 kV变电站中某条线路的覆盖范围为仿真算例,结果表明,考虑需求侧资源影响后电网规划中的负荷预测结果显著降低。     

基于广义需求侧资源聚合的电力系统短期负荷预测模型

需求响应计划的广泛实施对电力系统短期负荷预测将产生一定的影响。为了获得理想的预测精度,需要准确计及需求响应因素的实时变化,并将其融入短期负荷预测模型的构建中。首先提出了一种能够通过电价合同实现的需求响应调度方式,该方式借助负荷聚合商机构实现了广义需求侧资源的最优调度,并能够以需求响应信号的形式提供给系统调度员利用。以此为基础,构建了基于广义需求侧资源聚合的电力系统短期负荷预测模型,将需求响应因素融入到短期负荷预测模型的构建中。仿真结果表明,构建的短期负荷预测模型能够有效弥补传统负荷预测模型的不足,有利于提升模型的预测精度。     

基于贝叶斯分类的电网系统短期负荷预测方法

随着改革的不断深化,市场对电力的需求也在不断的变化.现阶段对电力系统短期负荷预测的要求逐渐提升,传统负荷预测方法的精度并不能满足应用需求,因此,提出一种基于贝叶斯分类的电网系统短期负荷预测方法,首先要建立电网系统短期负荷预测指标,通过预测指标建立基于贝叶斯分类的预测模型,然后运用基于贝叶斯分类的预测模型,在模型计算之后对数据进行并行化处理,最终得到电网系统短期负荷预测结果.通过测试实验证明该短期负荷预测方法比传统方法预测的精度更高.     

智能电网条件下的两阶段电力需求预测模型研究

智能电网因其具有与传统电网不同的特征,复杂化了电力需求的预测过程,传统的电力需求预测方法已不再适用.考虑到智能电网下电网与用户的"友好互动"和实时电价的实施,建立了两阶段的电力需求预测模型.第一阶段是不考虑电价的变化预测典型日负荷需求;第二阶段是在第一阶段的基础上考虑每时刻电价变化所带来的负荷转移,修正第一阶段的预测结果.算例研究表明,该模型能较好地反应出实时电价下用户的需求响应及需求响应所带来的负荷转移.     

适应供给侧结构性改革的中长期负荷预测拓展索洛模型研究

随着供给侧结构性改革的深入,电力需求的演变规律变得更难捕捉。传统的中长期负荷预测模型通常未考虑供给侧结构性改革因素,难以满足新形势下中长期负荷预测精度的要求。基于此,提出了一种适应供给侧结构性改革的中长期负荷拓展索洛预测模型(Supply-Side Reform-Extended Solow Regression Model, SSR-ESRM)。首先,通过对供给侧结构性改革内涵的解读,从规模、结构及效率三种效应出发,构建了量化指标体系。其次,在基本索洛模型的结构中,引入供给侧结构性改革因素对模型进行拓展,建立SSR-ESRM实现中长期负荷点预测。为反映供给侧结构性改革的不确定性,建立了系统动力学模型生成多种经济发展场景,进一步实现中长期负荷外推预测。算例分析表明,考虑供给侧结构性改革因素的SSR-ESRM预测精度较高,且对场景切换的灵敏度适中,有利于电网规划的灵活性,能够为实现电网规划提供有益的参考。     

计及广义需求侧资源的用户侧自动响应机理与关键问题

自动需求响应是智能电网的关键技术之一,在广义需求侧资源接入的情况下,对用户侧如何实施自动需求响应提出了更高要求。首先,介绍了用户侧的智能用电单元的基本形态,分析了负荷、分布式电源、储能与电动汽车等需求侧资源的适用性;提出了"独立用户+节点型智能用电单元"与"集体用户+聚合型智能用电单元"两种用户自动需求响应运行模式,并给出了相应的电气与信息架构。其次,从系统架构设计、用户负荷特征及负荷预测、负荷可调控性及控制模型、优化模型与方法等多个方面综述了用户侧自动需求响应的国内外研究现状及发展动态。最后,总结分析认为用户侧短期负荷预测、负荷可调控性与可计划性模型、面向自动需求响应的优化运行、综合效益评估等是需要进一步研究的关键问题。     

基于模型有效度的地区电网母线负荷组合预测与系统实现

地区电网母线负荷预测是确定运行方式、进行安全校核的基础,也是智能电网建设的重要内容。组合预测是解决母线负荷分散性和不确定性的有效手段,其关键在于预测模型的选择和组合策略的确定。从地区电网母线负荷的特点出发,引入预测模型有效度概念,提出基于关联度的组合模型集确定方法和模型有效度灰色预测方法,利用组合模型有效度的归一化系数建立组合预测模型,并基于C#平台开发地区电网母线负荷预测系统。该系统在某地区电网的应用证明了所提方法的正确性和有效性。     

基于长短期记忆的实时电价条件下智能电网短期负荷预测EI北大核心CSCD

在电力市场改革与智能电网建设的大背景下,电力将逐渐回归商品属性,电价也将实时波动,并对负荷产生影响。通过分析得出电价与负荷具有相关性,因此在预测模型中考虑了实时电价的影响,并对考虑实时电价的负荷预测模型与价格型需求侧响应之间的关系进行了讨论。针对前馈型神经网络不能处理序列间关联信息与传统循环神经网络无法记忆久远关键信息的缺陷,提出了基于长短期记忆循环神经网络的负荷预测模型,使用自适应矩估计算法进行深度学习。最后通过美国某地区的实际负荷和电价数据,验证了所提模型具有更高的预测精度。     

南京城市电网核心区短期负荷特性分析及预测

城市电网核心区负荷变化复杂,影响因素众多,对电网调度部门的安全运行提出了挑战。基于南京电网实际负荷数据,分析了负荷变化特性及各类影响负荷变化的因素,同时针对预测方法中存在的边缘效应等问题,通过改进训练策略,提出了一种新的人工神经网络短期负荷预测模型。该模型采用多隐含层和动态神经元个数的预测方法,对不同神经元预测结果进行比较,以达到预测负荷的目的。预测结果表明,基于该方法建立的预测模型适用性强且能获得较高的预测精度,可为城市核心区的短期负荷预测提供可行方案。     

组合预测模型在电网负荷预测中的应用

应用单项预测模型进行电网负荷预测,已不能适应当前电网管理的要求。分析了应用单项人工神经网络模型进行短期负荷预测的局限性,提出了应用定权系数和变权系数组合预测模型进行短期负荷预测,并作了具体应用研究,证明其改善了应用单项人工神经网络模型对负荷变化的连续波动性体现不够的缺点。通过对广州电网的实际负荷进行仿真预测,得出预测模型和处理策略可以得到更加精确的结果。     

电力系统暂态稳定概率

在电力系统概率安全性评估中,预想事故下系统暂态失稳概率的计算是一个基本环节.文中基于安全域的研究成果,提出了一个离散和连续相结合的暂态失稳概率模型.其中除计及了节点注入功率不确定性、沿线事故发生地点的不确定性以及事故清除时间的不确定性外,还计及了负荷模型的不确定性.同时,采用以半不变量为基础的Gram-Charlier级数法计算截断正态分布随机变量的联合概率分布,使概率分布的考虑更加符合实际.算例表明该方法具有较高的计算效率.     

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。     

基于Shapley值的电力负荷预测结果溯源分析方法

针对由于机器学习的黑盒特性导致负荷预测结果不可溯源的问题,提出一种基于Shapley值的电力负荷预测结果溯源分析方法.阐述利用机器学习技术构建负荷预测模型的一般形式和基本过程;基于负荷预测模型,利用合作博弈论中的Shapley值计算各类负荷影响因素对负荷预测结果的影响;对利用梯度提升决策树算法训练的负荷预测模型的预测结果进行溯源分析.实验结果表明,利用所提方法可以洞察负荷预测过程,从而实现负荷预测结果的溯源分析以及考虑复杂非线性的负荷影响因素分析,也可以在构建负荷预测模型时指导特征选择提升模型的泛化能力.     

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,构成结构化电力负荷模型;然后,基于历史负荷数据采用变分贝叶斯估计算法训练模型参数的后验概率分布;最后,基于训练完成的模型对未来负荷的概率分布进行预测,从而实现电力负荷概率区间预测。采用实际电力负荷数据进行验证,并与其他方法进行对比。实验结果表明,所提方法取得了较高的预测区间覆盖率和较窄的预测区间宽度。     

基于面向对象的电力系统中长期负荷预测软件的开发

为了更方便、快捷、准确地进行中长期负荷预测,开发了基于Windows的电力系统中长期负荷预测软件。软件采用面向对象程序设计方法,使系统易扩充、易维护。该软件除具有一般负荷预测软件所具有的计算快速、模型库丰富等特点之外,还有原始数据输入简单方便、模型库扩充简易、具备饱和负荷预测以及考虑了与其它常用软件的接口等独特的地方。以华东某地区的供电量历史数据为例,选择了5种不同模型进行预测,并对结果进行了分析和比较,最后还对该地区进行了“s”型饱和负荷预测。分析表明该软件使用方便,预测精度满足电力负荷预测的精度要求,具有一定的实用性。     

贵州统调电网典型日负荷特性分析与预测

电力负荷特性分析与预测是电力市场分析预测的重要基础,是进行电力规划、设计、生产、运行的重要依据,也是制定相关政策的重要参考。分别对贵州统调电网工作日及周末历史日负荷特性相关指标进行了统计,得出了日负荷率与日最小负荷率具有较强的正相关、日负荷率与日峰谷差率具有较强的负相关等结论。运用协同分析,对日负荷率与日最小负荷率、日负荷率与日峰谷差率之间的关系分别采用线性、二次函数、三次函数进行拟合,采用历史年正常工作日和周末负荷数据进行验证。计算结果表明,线性数学模型拟合效果最好,能够正确、合理地反应相关指标之间的关系。运用该模型对贵州中长期负荷特性进行了预测。     

计及需求响应的主动配电网短期负荷预测

随着分布式电源、电动汽车及储能等广义需求响应资源的接入,用户在电力市场各种激励影响下进行需求响应,将改变负荷特性并影响负荷预测。根据需求响应计划信号的可预知性及季节性基础负荷的独立性,利用小波分解等方法对主动配电网负荷在不同层面上进行了分解,形成季节性基础负荷和需求响应信号及各种气象因素作用的负荷部分,利用时间序列模型对季节性基础负荷进行预测,利用支持向量回归模型对需求响应信号及气象因素影响的负荷部分进行预测,形成组合预测模型,两部分预测负荷叠加得到总负荷。利用线性时变模型仿真的主动配电网负荷数据算例,进行了预测测试与分析,通过与其他方法相比较,证明了所提方法预测计及需求响应的主动配电网负荷的有效性及精确度。     

基于数据驱动理念的电力日负荷曲线预测方法研究

针对短期日负荷预测的精度问题,本文提出一种基于数据驱动理念的电力负荷预测方法。在建立预测模型前对所给数据采取一定的预处理:首先提取所收集的海量数据的负荷特征,对负荷特征进行分析,然后进行负荷数据与影响负荷值的因素之间的相关性分析,以此确定对负荷影响较密切的因素,随后建立分类器得到各主要影响因素与各负荷类别之间的关系为后续预测模型奠定基础。对预处理后得到的不同类型的负荷数据采用最小二乘支持向量机方法建立不同的负荷预测模型。以南方某发达城市2008年的负荷数据作为算例验证数据,将本文所提负荷预测方法所得结果与未经数据预处理的负荷预测方法所得结果进行比较,结果表明本文提出的方法得到的预测结果精度较传统方法提高约6%。     

基于负荷分解的城市长期负荷预测模型研究

我国城市出现了快速增长的空调负荷。考虑空调负荷的增长规律及影响因素,从负荷分解的角度构建了城市长期负荷预测模型。在模型中,高峰负荷被分解为3部分：居民空调负荷、工作区空调负荷以及基本负荷。以上海为例进行的实证研究表明,基于负荷分解的预测模型能够反映城市电力需求的增长,可为需求侧管理提供制定政策的依据。