基于Eviews的电网物资需求量预测的研究

在对电网公司ERP系统中电网物资需求数据的研究分析基础上,对电网物资的消耗情况及规律进行分析和汇总,采用计量经济模型并通过Eviews软件预测未来电网物资的需求情况,为物资采购规划提供数据支持。     

基于物资需求特性量化预测未来需求的方法

随着社会经济的飞速发展,电网企业对于电力物资的需求日益增多,物资需求精益化管理面临着物资种类繁多、周期多变、数据失真、预测困难等诸多问题。为此,从物资需求特性出发,通过分析各类物资的需求特征,挖掘需求规律,并建立时间序列、 LSTM(长短期记忆网络)神经网络模型、灰色预测等算法模型对电力物资开展精准预测,以保证电力企业正常生产,节约采购成本和库存成本,提高企业竞争力。     

电网物资同业对标绩效管理研究

从建立电网物资同业对标指标责任考核体系入手,通过对电网物资同业对标指标的分解,构建电网物资同业对标指标完成情况绩效考核模型和各计算参数的合理设置,对电网物资同业对标指标完成情况与责任部门和职工的绩效薪酬紧密挂钩的管理方法进行了系统研究。     

浅谈“三集五大”支撑机构物资集约化的建设

物资集约化管理是解决传统物资管理效率低的行之有效的管理办法。对电网企业物资集约化的内涵和意义进行了深入探索,结合电网企业支撑机构的实际情况,从两个方面提出落实物资集约化管理的具体措施,从而提高企业整体的物资集约化管理水平,以期对电网企业物资集约化管理提供一些借鉴。     

几类湖南电网物资质量检测技术分析

电网设备质量对电网安全稳定运行至关重要,而电网物资质量检测是保障电网设备质量的重要手段。本文结合近五年湖南电网物资质量检测情况,利用大量检测数据,对几类电网物资质量检测情况进行分析,并从技术上深入分析供应商产品存在的质量问题。     

基于累积前景理论的电网物资供应商评价优化模型

随着坚强智能电网的建设,电网企业对电网物资的性能和综合要求越来越高,因此,作为电网物资供应链的起点,如何选择符合建设要求的电网物资供应商,关系到智能电网建设和电网稳定运行。为了更好地考虑决策者的风险态度和外部环境对决策者评价优选的影响,利用累积前景理论进行电网物资供应商评价优化研究。首先,对供应商评价指标属性值利用极差化法进行标准化处理,然后,利用熵权法得出各指标的权重,在此基础上求得供应商前景值和决策权重,最后求得各供应商的综合累积前景值,对其进行排序和比较,综合累积前景值最大的即为最优供应商。通过实例证明了模型的有效性和可行性,为电网企业进行供应商的评价优化提供了重要的参考。     

大数据环境下电网物资合同违约风险识别及应对策略研究

对电网企业物资采购历史数据进行分类汇总,结合关键原材料和重要组部件价格,动态模拟典型物资采购成本,低于或接近动态成本价供货的物资合同被设定为关注对象并进行风险识别和预警。构建电网物资采购成本与市场价格的联动机制,实现两者更新匹配,提高物资采购柔性和市场价格变动的响应能力,降低物资合同违约风险,促进电网物资采购市场健康发展。     

物资配送规范化路径的探索与思考

物资仓储作为电网建设的后勤保障"基地",如何更好地服务于电网建设,实现物资配送"按需配送、便捷及时、热线服务"的原则?是电网企业面临的新课题,也是电网企业落实南网中长期发展战略的必然选择。近年来,曲靖供电局紧密结合曲靖电网实际,按照网、省公司对于物资管理的要求,在物资配送领域进行了不断探索,并取得了一定成效。     

浅析电力物资质量管理

<正>电网物资是电网工程的基础,在电网安全运行中具有重要作用,一旦电网物资出现质量问题,轻则导致电网大面积、长时间停运,重则给人们生命和财产安全埋下重大隐患,因此电网公司一直十分重视电网物资的质量监督。特别是"十二五"期间,我国各地电网工程建设速度不断加快,电网投资规模不断提高,新入网设备大量增加,对电网物资的性能和质量都提出     

基于供应链管理的电网物资闭环管控体系研究

针对电网物资特点和电网企业实际情况,结合电网物资管理最新进展,从供应链管理的视角系统研究了电网物资闭环管控机制的建立,旨在加强对供应链整体运作的全程管控,提高供应链整体工作效率和管理水平,实现电网企业物资供应链价值最大化.     

基于SD-SVM的负荷预测研究与应用

以临沂地区电网负荷预测系统开发为背景,以提高电网负荷预测精确度为目的,提出了基于相似日的支持向量机的(SD-SVM)负荷预测应用方案.介绍其实现的原理、业务功能及其在实例中的系统体系架构和实现技术.重点对系统采用的SD-SVM数据模型算法作了描述.该项应用研发,实现了对地区电网负荷的智能预测、自动分析、气象数据处理等功能,提升了调度人员对电网负荷变化趋势的预见性、掌控的即时性.SD-SVM法的负荷预测结果对气象因素变化较大时有明显的精度优势,具有很好的适应性.实用结果证明这一研发的实时性和预测精度优于基于传统SVM理论的预测方法,能够满足地区电网负荷预测实用性、有效性、智能化的要求.     

基于参数可测的交流变压器制造成本估算模型

近年来电网工程设备材料价格趋势复杂多变,尤其是对变电工程造价影响较大的交流变压器,导致电网工程造价控制难度加大。以输入参数可得、可测、公开为原则,基于价值决定价格,价格围绕成本变动的基本原理,研究变压器价格构成,建立交流变压器成本分析模型,实现了通过输入主要原材料价格、基本财务数据等行业公开数据后,快速估算交流变压器成本,为电网企业投标靶心价格及价格预测提供科学支撑,提高变电工程概预算设备价格计列的准确性。     

基于决策树理论的风电功率实时预测方法

风电功率的不确定性会对电网造成冲击,风电功率实时预测是缓解电网调频压力,保证电网稳定运行的重要手段.通过分析两种单一预测模型的特点,提出一种基于历史数据和NWP数据相结合的组合预测模型.分析历史数据的序列特征和适用的预测方法,建立决策树分类模型,在预测时通过时数据序列特征分析,选择最佳预测方法.针对两不同风电场的数据进行预测分析,结果表明,组合模型预测精度高于单一模型,通过决策树模型进行实时序列特征分析,并选配最佳预测模型能有效提高预测精度.     

基于双维度顺序填补框架与改进Kohonen天气聚类的光伏发电短期预测

为提高部分数据缺失情况下智能电网光伏发电功率预测精度,提出一种基于双维度顺序填补框架与改进Kohonen天气聚类的光伏发电功率预测模型。采用双维度顺序填补方法补齐缺失数据,基于完整数据分析光伏发电功率影响因素,建立改进Kohonen天气聚类模型,并利用S-Kohonen实现预测日天气类型识别,将聚类历史日数据与预测日气象数据作为输入,采用多种群果蝇优化广义回归神经网络(MFOA-GRNN)模型对预测日光伏发电功率进行预测。仿真结果表明,所提方法能有效提高预测精度,为实现数据缺失情况下智能电网光伏发电功率的精准预测提供了一种思路。     

基于传统CNN-LSTM模型和PGAN模型的用电量预测对比研究

为保证新一代智能电网能够根据实时的用电量情况动态的调节区域内电能分配及调度,需要实现高效且精准的用电量预测。传统电网中用电量预测方法是通过人工统计或者对历史同期用电量分析,粗略的计算出可能产生的用电量,不但消耗大量的人力物力,且无法满足智能电网背景下的用电量精准预测。现在采用差分整合移动平均自回归预测模型,长短时记忆网络预测模型和生成对抗网络预测模型等方法对用电量预测问题进行了研究,以取代传统的用电量预测方法。结果表明,智能算法可以大大程度上提高用电量预测的准确性,但要实现短时高效预测,还需在智能电网系统中对智能算法合理使用。     

提高电网短期负荷预测精度的研究

以广东珠海电网为例,对负荷特性、经济发展特点、气候变化、预测技术等影响负荷预测的因素进行分析,提出提高电网短期负荷预测精度的措施:建立和完善典型日负荷样本数据库;特殊事件造成负荷较大变化时进行人工干预;合理做好负荷日的类型分析;采用扩展短期负荷预测方法进行明日负荷预测;建立气象负荷数据源预测模型.这些措施在珠海电网中应...     

相空间重构和SVR耦合的短期电力负荷预测

电力系统的短期负荷预测精度对智能电网安全运行有着重要影响,其中预测精度和训练步数至关重要,目前当地气象因素逐渐成为负荷预测中的关注点。以某市短期电力负荷为研究对象,建立了考虑日特征相关因素的支持向量回归机短期电力负荷预测模型,随后对某市考虑气象及日期类型的电力负荷做出预测。研究表明:利用考虑实时气象因素的SVR预测模型对短期电力负荷进行预测精度较高;考虑气象及日期类型的预测误差比不考虑气象及日期的预测误差小;嵌入维数和时间延迟对负荷预测模型精度具有重要影响。     

疑似火点监测定位及电网运行预警方法

智能电网建设的快速发展,对电网森林火灾监测预警能力提出了更高要求。研究融合极轨卫星遥感火点数据、气象监测和预报预警数据、电网空间地理信息及应急资源等数据于一体,基于电网GIS平台定位分析疑似火点任意范围内距离最近和受山火影响最严重的电力设施,依据气象监测预报预警实时数据研判山火未来趋势。通过专业化、标准化符号语言和分析研判预警策略,形成电网森林火灾预警及处置态势专题图。通过研发预警发布技术,将火点、气象环境、影响设备、处置策略及发展态势等信息及时对相关人员发布,提高电网防灾减灾综合监测预警和应急处置辅助决策能力。     

基于ARMA-GABP组合模型的电网大停电事故损失负荷预测

损失负荷作为衡量大停电事故风险的重要指标,如何对其进行准确预测对于电网的安全运行具有十分重要的参考意义。选取1981—2016年东北电网和西北电网的大停电事故损失负荷作为实验数据进行分析,为消除电网发展对数据分析产生的影响,采用相对值法对电网大停电事故损失负荷进行处理。根据实验数据的特点,将损失负荷相对值的数据结构分解为线性和非线性残差部分,建立自回归滑动平均(ARMA)模型和遗传算法(GA)优化的误差反向传播(BP)神经网络组合模型,对东北电网大停电事故进行综合分析与预测。将所提模型的预测结果与单一模型和ARMA-BP模型的预测结果相对比,结果表明,所提模型的预测精度更高,预测效果较为理想。为进一步验证该预测模型的有效性,将西北电网大停电事故数据代入预测模型,实验结果表明该预测模型在电网大停电事故损失负荷方面具有良好的预测效果。     

网格化的电力系统短期负荷预测的MDRBR模型

针对大电网的短期负荷预测,建立了按地域划分的网格化电力系统短期负荷预测模型.各子网格根据自身的历史负荷和气象条件建立对网格更为有效的负荷预测模型,并采用了面向粗糙集的默认规则挖掘算法(MDRBR--mining default rules based on rough set)构造各单一预测模型,从而获得更加准确的预测结果.文中首先描述了MDRBR算法,然后分析研究了网格化的日负荷多层规则网络构造过程,并给出了基于MDRBR算法的日负荷预测过程以及对某地历史数据的负荷预测结果.分析结果表明,该网格化负荷预测模型能更加准确地得出预测结果,有效地减少噪声,计算简单,且规则搜索效率高.