基于信息再修正的负荷协调预测方法研究

负荷预测的准确性与规划的匹配性越来越重要,而在多级负荷预测中,由于预测误差的存在,不同等级的负荷预测结果会出现不统一、不协调的情况。针对该问题提出一种基于信息再修正的负荷协调预测方法,首先以预测年前一年预测结果的预测误差为先期参考数列计算各级预测结果的可信度;然后将同一预测方法下预测年协调前后的负荷预测差作为新的参考数列,替换原先参考数列,进行信息再修正,求得新的可信度,并利用该可信度建立协调预测模型,进而得到协调结果;最后根据算例分析,验证了文中所提方法的正确性。     

电力系统多级负荷预测及其协调问题（四）约束最小二乘可信度

多级负荷预测的基本协调模型和关联协调模型能够较好地解决各种具有直接加和特性的多级预测协调问题.文中在分析其模型特征的基础上,针对原有的加权最小二乘可信度容易出现对预测值调整幅度过大的不合理现象,提出了约束最小二乘可信度优化模型,使得由此形成的多级协调模型可以更加有效地提高电力需求预测的精度.文中还分析了基于约束最小二乘可信度的多级协调模型提高预测精度的机理,并通过实例验证了约束最小二乘可信度的有效性及其对多级预测效果的改善.     

基于多级负荷智能协调的母线短期负荷预测

为提高母线负荷预测精度,提出一种基于多级负荷智能协调的母线短期负荷预测方法。首先对预测母线负荷序列进行历史负荷与当前负荷的相关性分析,再进行系统空间母线与预测母线的相关性分析,根据两次相关性分析结果合理设置算例,得到预测网络的最优输入方式,然后利用长短时记忆网络(LSTM)建立母线短期负荷预测模型,最后运用吉林省某地区的实测数据将提出模型与反向传播(BP)神经网络和支持向量机(SVM)的预测结果进行对比分析,验证本文提出的预测模型具有更高的精确度。     

电力系统多级负荷预测及其协调问题(一)研究框架

基于对传统负荷预测中总需求与各子需求预测结果的不均衡现象的深入分析,揭示了电力系统负荷预测问题所具有的"多维多级"特点。在此基础上,提出了电力系统中多级负荷预测协调的科学问题,阐明了多级负荷预测和多级负荷预测协调的新理念。进一步分析了负荷预测模型的"量测"特性,并将多级预测协调与状态估计进行了类比,阐明了多级预测协调的理论基础。文中还探讨了多级负荷预测协调问题的类别及其各自的特点,提出了基本协调和关联协调模式,由此建立了多级预测协调问题的理论研究框架。希望该研究能够丰富和发展负荷预测理论,为广大预测人员提供一些参考。     

基于多级聚类分析和支持向量机的空间负荷预测方法

为充分利用元胞负荷与元胞属性之间的相关联系来改善空间负荷预测效果,提出了基于多级聚类分析和支持向量机的空间负荷预测方法。首先生成元胞并建立元胞属性集合,根据各属性对元胞进行多级聚类分析,其中采用改进的k-均值算法确定聚类数目和初始聚类中心,来得到逐级细化的元胞分类;然后针对不同类型的元胞建立各自的支持向量机预测模型,同时利用遗传算法进行参数优化以提高预测模型的适应度;最后将待预测元胞的相关属性作为输入向量并代入所建立的预测模型中计算出目标年各元胞负荷最大值,从而实现空间负荷预测。工程实例分析表明了该方法的实用性和有效性。     

电力系统多级负荷预测及其协调问题(二)基本协调模型

电力负荷预测是一个包含空间、时间、属性等多维度多级别的复杂体系.文中针对具有"直接加和"特性的多级负荷预测问题,借鉴电力系统状态估计思想,建立了多级负荷预测的基本协调模型,提出了相应的基本协调方法.在基本协调模型中引入预测可信度的概念,详细分析和比较了不同可信度情况下基本模型的协调结果.引入调整系数和相对调整系数的概念,阐明了基本协调方法的物理机理.为便于比较不同协调方法的协调效果,提出了协调效果的单项评价指标及综合评价标准.最后指明了基本协调模型的应用场合,并用实例验证了所提出的方法的有效性.     

电力系统多级负荷预测及其协调问题(三)关联协调模型

考虑到多级负荷预测协调的关联特性,将多级负荷预测的基本协调模型扩展为多维多级。首先针对典型的2维2级协调问题,建立了关联协调的标量模型和矩阵模型,并提出了相应的关联协调方法。引入了不平衡向量和调整系数矩阵的新概念,从而阐明了2维2级关联协调方法的物理机理。为便于比较不同协调方法的协调效果,文中继承和扩展了基本协调模型的评价标准,提出了关联协调模型的单项评价指标和综合评价标准。最后,通过实例验证了关联协调模型的协调效果。     

基于GRA-LSSVM的配电网空间负荷预测方法研究

针对配电网空间负荷预测实际应用中容易存在可用信息和数据散杂且经常匮乏的问题,提出了一种基于最小二乘支持向量机的新型配电网空间负荷密度预测算法,以解决预测方法中样本有限、不易识别等问题。同时引入灰色关联分析改善最小二乘支持向量机的样本筛选,并采用混沌粒子群算法完善最小二乘支持向量机的参数选择,提高算法的空间负荷密度预测的精度。在介绍算法原理基础上,详细设计了配电网空间负荷预测方法的实现流程。对该算法的性能进行实例分析表明,所提方法可以有效地提高负荷密度预测的精度。     

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。     

贵州电网中长期负荷预测管理平台研究与应用

为了科学合理地指导电力部门营销和规划等工作的开展,为多部门市场分析预测和决策提供科学依据,对贵州电网中长期负荷预测方法进行了研究,设计了中长期负荷预测管理平台。给出了平台的总体设计思路,详细阐述了平台的八大功能,并介绍了应用成效。平台的建成有助于提高负荷预测的准确性,进而提高电网规划的合理性、有效性与前瞻性。     

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。     

电力负荷的模糊粗糙集预测方法研究

通常空间电力负荷的影响因素较多 ,小区划分较小时模糊推理规则将成倍增加 ,为此引入了粗糙集理论的属性约简方法简约预测因子 ,即采用粗糙集理论的不可分辨性关系约简可能影响小区用地决策的距离和环境等相关属性 ,得出决定小区用地类型的决策推理规则库 ;为克服模糊理论确定权重系数的主观性 ,应用粗糙集理论中属性重要度分析计算了各条件属性对各用地类型的不同权重。重庆江北某区域空间电力负荷预测的结果显示 ,粗糙集与模糊集理论相结合能节约存储空间且能提高预测速度     

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。     

基于空间负荷预测的负荷预测软件

基于空间负荷预测的负荷预测软件采用VisualC++、SQLServer2000、ADO等通用工具开发。软件改进了区域电网预测方法和最大负荷指标选取方法,具有图形化操作界面和数据库管理功能,并结合大量负荷采样数据,生成了负荷特性曲线库。该软件应用于电力系统中,被证明了具有较高的预测精度,提高了电网规划的工作效率。     

一种基于参数循环优化的空间负荷预测方法研究与应用

在结合我国国情的基础上分析了传统用地仿真法在国内空间负荷预测工作中实现困难的现状,提出了一种实用性很强的基于参数循环优化的空间负荷预测模型.该方法以城市规划局的土地规划图为基础,运用GIS的强大功能对城市配网大量矢量地图数据进行存储管理,再结合循环优化后的负荷密度模型对各规划小区用地进行负荷预测结果计算.新的空间负荷预测模型免去了用地仿真法在网格划分及各小区空间数据收集过程中的大量工作,提高了工作效率.应用实例表明该方法预测结果准确性能满足目前我国电力行业的发展要求.     

空间负荷预测中的负荷时序消差方法

通过分析影响基于时序的空间负荷预测(SLF)精度的主要因素,提出一种用于识别和校正负荷转移的负荷时序消差方法.将元胞之间经常出现的非永久性负荷转移分为跨单位时间型和非跨单位时间型2种,对前一种采用改进的负荷转移耦合法实现负荷时序消差,对后一种采用基于累积负荷曲线确定元胞负荷最大值的算法实现负荷时序消差,从而降低元胞之间负荷转移对SLF精度的不利影响.通过算例验证了基于负荷时序消差的SLF效果,结果表明该方法实用、有效.     

基于短时间尺度相关性聚类的负荷预测

负荷预测不仅是电力系统稳定、安全运行的基础,同样也是实现电力需求侧智能用电管理的基础。短时间尺度相关性分析能够挖掘一段时间内负荷的用电行为,相似用电行为分析有助于改善负荷预测效果,因此本文提出了基于短时间尺度相关性聚类的负荷预测方法。首先,根据短时间尺度用电时间序列之间的皮尔逊相关系数构造相关系数矩阵,并对相关系数矩阵进行去噪处理;然后,基于相关系数矩阵,利用模糊c均值聚类的方法来实现不同用电特性负荷之间的聚类,每类中负荷具有相似的用电行为;再分别对每一类中所有负荷数据求和并利用人工神经网络进行超短期负荷预测,基于每类的负荷预测结果计算系统的负荷预测;最后,通过对某110kV变电站10kV负荷馈线的实际数据进行分析,分析结果表明基于短时间尺度相关性分析的聚类提升了负荷预测的效果,从而验证了本文所提方法的有效性。