考虑不同发展情境的江苏省中长期电力需求预测

传统的中长期组合预测模型通常没有考虑不同发展阶段各个指标的不同权重,也没有在中长期的预测中考虑不同的发展情形。依据经济发展的周期特性及与电力的内在联系,将电力数据划分为不同阶段,利用电量误差指标和趋势误差指标计算各单一预测模型权重,利用客观熵权法得到各单个预测方法的综合权重。充分考虑未来经济发展的不同可能以及电动汽车、需求响应等用电技术改变因素,设定低速发展、高速发展和考虑其他因素的发展情境,并分别进行组合预测。将该组合预测方法应用于江苏省中长期负荷预测中,得到不同情境下的预测结果。     

基于计量经济-灰色理论的多变量电力负荷预测方法

为了充分考虑城市发展变化的多元性与预测电力负荷过程中的各种影响变量,提高电网规划中电力负荷的预测精度,本文提出了基于计量经济-灰色理论的多变量电力负荷预测方法。该方法首先通过电力负荷与各变量之间的相关性分析,确定预测过程中与电力负荷强度相关的各影响变量。然后利用统计学中的计量经济理论,找到彼此之间的联系,建立电力负荷与各变量之间的数学预测模型。最后再利用灰色理论对目标年各变量的值进行预测,以解决数据匮乏、波动的不确定性所带来的难题,并带入数学模型,完成预测。工程实例验证了该方法是正确和有效的。     

基于市场的中长期电力消费需求预测

中长期电力消费需求与市场发展密切相关,目前的电力需求预测方法对市场的关注度远远不够。文中从市场着眼,建立基于宏观经济、产业结构和终端能源结构等市场因素的电力消费需求预测模型。将经济增长构成要素分为投资、消费、出口3个方面,运用向量自回归(VAR)模型表征电力消费的时间序列与经济指标时间序列的关系。采用灰色理论常见模型GM(1,1)的精确形式DGM(1,1)模型对分产业用电量进行预测。根据马尔可夫预测无后效性的特点,建立最优化模型求取预测年份的终端能源概率。采用残差均方根来反映预测模型对历史数据的拟合程度,确定各预测方法权重,进行组合预测。文中以某省电力消费数据为实例,预测该省中长期电力需求,并通过校验证明了方法的准确性。     

考虑城市土地功能变化与负荷特性的城市电力负荷预测模型

城市经济发展呈现出一定的阶段性特点,城市产业结构能够很好地反映这些特点,将城市产业结构的变化反映到城市电力需求预测当中对提高城市电力需求预测精度具有重要意义。城市用地性质的变化可以间接地反映出城市产业结构的变化。引进元胞自动机方法,从预测城市用地性质的变化入手,结合城市经济与电力发展周期关系、电力负荷密度、同时率等,建立了城市电力需求预测模型,并进行了实证分析,通过实证研究证明了该方法的可行性。     

基于特性分析的改进BP神经网络短期电力预测方法

由于短期电力负荷、用电量受众多复杂的非线性因素影响,传统单一BP神经网络预测方法存在精度不高、收敛速度慢等问题。为了提高收敛速度和预测精度,根据影响因素特性将其分为长期、短期性影响因素,根据负荷、用电量曲线特性分别将其分为基准量和敏感量,并用决定系数法确定所需短期影响因素。应用遗传算法对BP神经网络的初始权值和阈值进行优化,将BP神经预测误差作为遗传算法的适应度函数,建立了基于特性分析的改进BP神经网络短期电力预测方法。选取中部某省2015—2019五年"迎峰度冬"期间数据进行验证,结果表明,该预测方法的精度和收敛速度都得到了提高。     

浅析“加权平均法”在小区域配网规划负荷预测中的应用

电力短期负荷预测受多个影响因素共同影响,且各个因素之间对应高度不确定的非线性系统。由于传统的电力负荷预测方法用于10kV配网规划时均有着各种条件的限制,为了在城市小区域10kV配网规划中对负荷预测找出一种行之有效的方法,对应用于城市电力负荷预测的众多模型进行了归纳和总结,提出了加权平均法对几种传统的预测模型进行曲线拟合,并结合区域特性进行预测的方法,并将之用于实际工作的中长期负荷预测,得到了比较好的效果。     

经济新常态下基于偏最小二乘回归的中长期负荷预测模型

经济新常态下,中长期负荷预测面临负荷趋势呈S形、可依赖数据样本少等问题,传统预测方法精度受限,因此提出一种基于偏最小二乘回归和情景分析法的中长期负荷预测模型。从经济新常态的速度、结构、动力3个宏观方面入手,建立一个宏观与微观相结合、层次化的电力负荷影响因素指标体系;采用偏最小二乘回归法获取电力负荷与各影响因素的关系方程;根据"十二五"及"十三五"期间经济和电力发展的特点,采用情景分析法设定多个情景及相应参数,获得不同情景下有区别的负荷预测结果,以降低预测风险。利用所提模型对某省"十三五"期间的逐年用电量进行预测,通过与现有成熟方法预测结果及官方公布数据的对比,验证了所提模型的有效性。     

一种基于改进灰色理论的电力消费量预测方法

电力消费量受经济、政策、气候等因素的影响而呈现出不确定性,因此科学、准确的电力消费量预测对电力市场宏观调控、国民经济发展都有重要意义。针对灰色GM(1,1)预测模型的误差来源进行了分析,提出了一种基于改进灰色理论的电力消费量预测方法。以某省电力消费量实际数据为对象,分别采用多元线性回归、基本灰色预测、改进灰色预测3种方法进行电力消费量预测计算。计算结果表明,本文提出的基于改进灰色理论的电力消费预测方法准确有效,能够进一步提高预测精度,有良好的实用价值,并无需计算各类电力消费量影响因素的数值,能够对电网的规划计算提供决策依据。     

中长期负荷预测的计量经济学与系统动力学组合模型

电力系统中的长期负荷预测受政治、经济、人口、气候等各种随机因素的影响,单一的预测方法很难提高预测精度。为此,提出一种基于计量经济学和系统动力学的组合方法。首先,利用计量经济学的方法找出电力需求的主要影响因素,在此基础上建立电力需求与其影响因子的计量方程;其次,建立考虑人口、经济及环境的可持续发展的系统动力学电力需求预测模型;最后将人口、经济、电力需求的子系统方程带入系统动力学模型进行预测。实际算例结果表明该方法具有较高的预测精度。     

基于经验模式分解与人工神经网络的短期电力负荷预测

为了有效预测具有一定周期性和随机性的非平稳时间序列的电力负荷,提高预测精度,提出了一种基于经验模式分解(EMD)和人工神经网络(ANN)的电力短期负荷预测方法.该法利用EMD的自适应性,自动地将目标负荷序列分解为若干个独立的内在模式分量(IMF),对各分量分别进行分析,可准确把握负荷变化特性和环境因素影响.对这些分量采用相匹配ANN模型进行预测,综合得到负荷序列的最终预测结果.仿真试验表明,与传统BP神经网络预测方法相比该方法具有较高的精度和较强的适应能力.     

需求侧响应下基于负荷特性的改进短期负荷预测方法

为了提高需求侧电力负荷预测精度,针对需求侧自身特点,提出了基于负荷特性的改进短期负荷预测方法。依据需求侧负荷特性与属性聚类算法结合的方法完成两级需求侧负荷分类,并使用优化改进粒子群优化径向基神经网络(MPSO-RBF)和最小二乘支持向量机回归模型(LS-SVM)等算法建立短期预测模型进行负荷预测。利用该方法对某工业园区用电负荷进行预测,并与实际用电负荷数据和利用传统预测模型以及单一模型预测方法进行了比较分析。预测结果平均相对误差表明,基于负荷特性的改进短期负荷预测方法是有效和实用的,既能得到准确的负荷预测结果,方便需求侧用户就地进行各类负荷针对性调控,又方便管理者宏观掌控需求侧用户负荷情况,有效推动能源互联网的发展。     

直升飞机电力作业现状及应用综述

介绍了直升机电力作业的种类、国内外应用水平、发展方向、需求及存在的问题.为此,从国内电力现状和发展实际情况出发,对直升飞机作业需求进行了整体分析和预测,并针对我国直升飞机电力作业的现状和电网特点提出一些初步的设想和建议.     

基于电力需求侧管理的节能项目投资评价研究

我国电力需求侧管理工作已经取得积极进展.本文从推广基于需求侧管理的节能工作出发,结合节能项目投资效益评价的基本要素、项目对各参与方和社会的影响,给出了节能项目投资评价综合指标及数学模型.最后,对国内某省推广高效节能空调的投资评价进行了实证研究.     

基于负荷误差和经济发展趋势的组合预测模型在中长期负荷预测中的应用

针对组合预测未来预测期权重的确定,充分考虑电力需求与未来经济发展的关系,提出基于两个评价指标来计算各单一预测模型的权重,指标一是各单一模型预测值与实际负荷的误差,指标二是各预测值的年增长率与国内生产总值年增长率的误差.采用客观熵权法和主观G1法来确定两指标的相对重要性,最后综合得出各单一预测模型的权重.该改进组合预测模型解决了未来预测阶段权重的求解问题,通过对农网中长期电力负荷进行预测,结果表明该方法比常规方差优选组合预测模型更为准确和可信.     

基于分位数回归的电力负荷预测影响因素研究及应用

传统回归模型只对电力负荷进行均值预测,无法详细地分析在不同时期各因素对电力负荷规模影响程度的差异。针对这一问题,建立负荷预测的分位数回归模型,保留历史数据的统计信息,采用电力需求已进入稳定阶段的日本用电量数据进行仿真,定量分析了不同社会发展水平下各社会经济因素对电力需求的影响大小,得出了电力需求量与分位点选取呈正相关且存在周期波动的规律,并将这一结论应用于我国华东某城市饱和负荷预测,为电力负荷预测研究提供了一种新的方法。     

基于最小二乘支持向量机的居民用电预测研究

随着我国经济的发展和经济结构的调整,居民用电占全社会用电量的比重逐渐增大并且有继续增加的趋势,科学合理地预测居民用电水平将为电力规划与需求侧管理提供决策基础。首先,采用相关系数法进行居民用电关键影响因素的选择。其次,将选取的影响因素作为LS-SVM的输入端,城乡居民用电量作为输出端,用Bayes准则进行SVM的参数选取,通过智能模拟学习,建立了Bayes-LS-SVM居民用电预测模型。最后,以中国某省居民用电量预测为例进行学习以及测试,并将其预测结果与广义回归神经网络预测法及几种常用的居民用电预测方法进行误差对比分析,证明了该组合方法比其它几种方法更精确有效。提出了采用人工智能的方法通过家用电器以及其他影响因素来预测居民用电,克服了以往采用家用电器预测中,家用电器功率以及年利用小时数预测不准确的问题。     

组合预测理论在云南电力需求预测中的应用

以云南地区电力需求发展为研究对象,分析了云南地区经济、人口的发展特性,分别构建了云南地区电力需求多元线性回归预测模型以及灰色预测模型,并提出了基于组合预测理论进行修正改进的预测思想。     

基于模糊层次分析法的电力负荷组合预测

针对电力负荷预测特点和人判断所特有的模糊性,为提高负荷预测精度,提出了基于模糊层次分析法的电力负荷组合预测模型.此模型引入三角模糊数的一些基本理论,采用三角模糊数表征专家判断信息以充分考虑专家判断的模糊性,采用层次分析法对专家判断结果进行处理以得到方案层各方案的最优权重.该电力负荷预测层次分析模型综合考虑了影响电力负荷的多种不确定因素.实际算例表明,所述方法在综合不同模型预测结果的过程中考虑了专家经验,能有效提高负荷预测的精度.     

基于多层次气象指标体系的电力负荷特性和负荷预测研究

气象因素作为影响电力负荷的主要因素,近年来己成为研究的焦点。本文归纳总结了气象因素在影响电力负荷变化的过程中体现出来的特点,在此基础上建立了多层次气象指标体系,梳理了研究气象对电力负荷影响时的思路,同时,提出了一套利用气象指标体系进行电力负荷特性分析和预测的方法,可依据气象条件得到不同的电力负荷特性预测结果,避免了传统...     

计及城市发展程度的多阶段空间负荷预测方法

针对现有空间负荷预测方法通常以单一水平年为目标,没有考虑城市规划的多阶段性对各阶段空间负荷预测模型的不同需求,以及待预测区域为新建小区或缺少历史负荷数据时预测方法失效的问题,提出一种计及城市发展程度的多阶段空间负荷预测方法。该方法以解决城市发展多阶段规划的负荷预测需求为目标,首先建立与城市发展各阶段相对应的电力地理信息系统。其次根据用地信息、业扩报装计划和有限的历史负荷数据等信息建立近期空间负荷预测模型。然后确定分类负荷密度饱和值。最后利用近期空间负荷预测结果、分类负荷密度饱和值和城市建设信息等构建计及城市发展程度的中、远期空间负荷预测模型,实现待预测区域的多个发展建设阶段的空间负荷预测。工程实例证明了该方法的实用性和有效性。