提高月度售电量预测精度的一种新方法

通过对地区售电量历史数据的研究分析,挖掘出其发展的规律和特点,并创新性地提出了一种月度售电量预测的新疗法该方法在预测某月售电量时,先预测出该月所在季度的季度售电量,再根据占季比和所在季度的季度售电量的预测值,预测出该月的售电量,若该月处于春节影响期将最后给予修正．利用该预测新方法对江苏某市2005年4月至2007年12月的月度售电量进行了预测,预测的平均相对误差为2．35％,顶测精度得到了较大的提高,证明了该预测新方法的准确性和可靠性。     

特殊事件对月售电量及其预测的影响分析

特殊事件会使月售电量发生很大变化,导致实际售电量曲线明显偏离典型售电量曲线。然而由不考虑特殊事件的传统预测模型得到的月售电量预测曲线却更接近于典型售电量曲线,这将不可避免地导致月售电量预测精度降低。为解决该问题,本文以异常高温,政治事件和超强台风为例,分析研究了特殊事件对月售电量及其预测的影响。首先,介绍了"互联网+"背景下基于大数据的月售电量预测模型,并对其预测精度进行了评估;其次,针对异常高温、政治事件及超强台风三种特殊事件,描述了各事件的特殊情况,以实际月售电量数据说明了特殊事件对月售电量的影响,然后利用月售电量预测模型研究了特殊事件对月售电量预测的影响,并详细分析了产生这种影响的原因,在此基础上,针对不同的特殊事件提出了相应的初步改善对策。     

基于TRAMO-SEATS的月售电量预测方法及应用

为提高月售电量预测准确度,引入TRAMOS-SEATS季节调整方法和Hodrick-Prescott滤波法将月售电量分解为趋势分量、季节分量、循环分量和不规则分量,消除了各分量之间的相互影响。采用ARIMA方法对趋势分量进行预测,采用Holt-Winters加法模型对季节分量进行预测,采用历史同期同类平均值法对循环分量和不规则分量进行预测,最后得到月售电量预测结果。应用实际算例对月售电量进行预测并与实际数据进行对比,验证法方法的正确性与有效性。     

基于偏最小二乘回归与比重法的月售电量预测

月售电量的预测受多方面的制约,从影响售电量的因素出发,利用偏最小二乘回归与比重法建立了国民生产总值、人口、社会固定资产投资、人均国民生产总值与售电量的回归预测模型。偏最小二乘方法能够提取若干对系统具有最佳解释能力的综合变量来建立预测模型,该方法与比重法结合应用于月售电量的预测之中,能更好地体现引起月售电量变化的平稳因素、季节突变因素的周期性,使得月售电量的预测更加准确。利用该预测模型对唐山地区2004年的月售电量进行了预测,月售电量的平均相对误差为4．74％,预测精度较高,证明了该预测模型的准确性。     

云模型理论在月售电量预测中的应用研究

针对售电量预测中无法计及气温变化及变化持续时间影响的难点,提出了基于云模型及比重法的月售电量预测算法。在考虑传统售电量预测中经济因素影响的基础上,利用云规则发生器获得日气温对于各个气温及持续时间长短定性云规则的隶属程度,同时利用逆向云发生器计算获得各月售电量比重的云模型定性概念的数字特征值,以隶属度及总评估进行月售电量的预测研究。仿真结果显示,考虑气温影响因素的月售电量预测模型较为全面、准确。     

结合X12乘法模型和ARIMA模型的月售电量预测方法

月售电量是具有趋势性、季节性和随机性的非平稳负荷,直接预测难度较大。为解决该问题,结合X12乘法模型与差分自回归移动平均(ARIMA)模型提出一种新的月售电量预测方法。首先,用X12乘法模型将历史月售电量分解为趋势分量、季节周期分量和随机分量,其中趋势分量用ARIMA模型预测,季节周期分量和随机分量分别用加权法和平均法预测;然后,用乘法模型将上述3个分量的预测值还原为最终的月售电量预测值。该方法可避免直接预测月售电量时不同分量间的相互干扰,提高预测精度;最后用重庆市铜梁区实际数据进行仿真分析。仿真结果表明,相对于ARIMA和季节ARIMA模型对月售电量序列直接建模预测的方法,所提方法具有更高的预测精度。     

计及峰谷分时的配电线路同期月线损预测方法及应用

提出了一种计及峰谷分时的配电线路同期月线损预测方法。该方法首先采用X12-ARIMA方法对台区和高压用户的月尖峰平谷售电量分别进行预测;然后采用非线性最小二乘法建立台区历史月售电量与历史月线损的关联模型对台区线损进行预测,进而得到台区关口供电量;最后根据高压用户月售电量预测结果和台区关口供电量通过前推回代方法得到主线路线损,将台区线损与主线路线损相加得到配电线路同期月线损预测值,并通过实际算例验证了方法的正确性和有效性。     

加权马尔可夫链在负荷预测中的应用

利用小波将月售电量序列进行分解,对不受气象因素影响的趋势项和周期项,分别采用趋势外推和周期图法进行预测,对受气象因素影响的随机项,应用模糊聚类的方法确定分级标准,将观测值之间的相关系数作为权值,采用加权马尔可夫模型进行预测,然后进行综合.该法避免了精度较低的月气象资料对负荷预测精度的影响,不仅得到了未来月售电量的具体值,而且得到了其所属的区间,因此更加符合实际.最后给出了预测实例,验证了所提方法的有效性.     

考虑舒适温度区间和突变量的月售电量预测线性回归模型

常规的月售电量预测线性回归模型存在两点影响预测精度的问题:在考虑温度的影响时忽略了舒适温度区间内不存在采暖和制冷措施的事实;由于随机变动不易量化而忽略了随机变动的影响。为解决上述两点问题,提出两种改进措施:分别选择低温阈值温度与高温阈值温度,且仅当实际温度低于低温阈值温度或高于高温阈值温度才产生采暖措施或制冷措施;提出将随机变动量化的方法,并将其量化值作为月售电量影响因素纳入预测模型。常规的月售电量预测线性回归模型经过改进后,能更好地建立温度与月售电量的关系,同时能合理地考虑随机变动对月售电量的影响,有利于提高预测精度。用重庆市铜梁区实际数据仿真分析,验证了两种改进措施的有效性。     

基于功率或电量预测的智能配电网统计线损同期化方法

智能配电网中电量采集数据缺失、遗漏导致按月线损统计不是严格意义上的自然月。为解决线损统计不同期问题,提出基于功率或电量预测的方法来改善配网线损统计。通过挖掘售电量数据,提出了一种基于年度售电量的灰色预测结果。再根据季度、月度层级占比得到月售电量的预测方法,与实际值的平均相对误差仅为1.94%,证明此方法简单有效适合电力各部门的广泛应用。将月售电量预测结果应用于线损统计,结合供电比例系数法,改善表计供、售电量不对应的问题,使得同期化,对按月实时分析网损有实际意义。     

重庆地区中长期负荷特性和预测方法研究

对于存在多个影响因素的中长期电力负荷,采用常规灰色模型GM（1,1）进行中长期预测不能获得较好的预测精度。提取了中长期负荷主要影响因素之一的生产总值和年总用电量建立了多变量灰色预测模型MGM（1,2）。为进行比较分析,同时还建立了常规灰色GM（1,1）模型。预测结果显示,多变量灰色模型MGM（1,2）的预测精度优于常规灰色模型GM（1,1）。     

应用相空间重构理论分析电力负荷时间序列

电力系统负荷的复杂性及非线性相应地增加了对其预测的难度。电力负荷的混沌预测是建立在重构电力负荷序列的相空间基础之上的。重构合适的相空间,使空间轨道充分展开是进一步混沌序列预测的前提。本文结合混沌理论的思想,重点阐述了电力负荷时间序列的相空间重构的思想和算法,并以实际电力负荷数据加以验证,得出了电力负荷的时间序列是一种周期性和混沌性共存的时间训练序列。确定了时间序列后,以重庆江北区负荷为例进行短期预测,取得了良好的预测效果。     

重庆地区电力负荷特性及其影响因素分析

研究电力负荷变化特性和规律对提高短期负荷预测精度具有重要意义。根据重庆地区近年来收集的历史负荷数据和气象数据等相关信息,分析了年最大和最小负荷及典型日负荷曲线的变化规律,研究了该地区的负荷特性与主要影响因素之间的相互关系,并针对重庆地域特点,分析了各主要影响因素对该地区负荷的影响程度和主要影响时段。研究结果表明,目前温度、降雨量和节假日对重庆地区电力负荷的影响较大,可为研究重庆地区电力短期负荷预测方法和分析未来智能电网的负荷特性提供理论依据。     

改进灰色模型在中长期电力负荷预测中的应用

由于中长期负荷预测历史数据较少,而且受外界因素影响较大,因此选取合理的预测模型十分关键.灰色模型是一种比较好的预测方法,但传统的灰色预测精度不理想,为此,提出了一种改进方法,即通过对原始数据进行开次方处理来降低预测模型的模型系数,对数据进行平滑处理来削弱原始数据中异常值的影响,对灰色建模预测后作残差修正和等维新息递补处理,以进一步提高预测精度.经过对重庆地区的农村用电量预测分析表明,提出的改进方法是合理适用的,其中改进GM(1,1)模型开二次方精度最高,预测精度满足实际应用需要.     

县城10kV配电网规划实用方法及其应用

县城配电网规划是根据规划期间的县城负荷增长及电源规划方案确定相应的最佳10 kV电网结构,以满足经济、可靠的输送电力要求。县城电网规划可以使县城电网在现有基础和水平上有目标、有计划地健康发展。采用人工拟定方案,再加上计算机辅助进行计算分析,对重庆某县城的电网进行规划。本次规划涉及负荷预测、网架规划及投资费用的估算。实际应用表明,该方法具有较强的实用性。     

计及模型综合指标评价的西南电网中长期负荷变权组合预测

为解决单一预测模型难以适应西南电网不同区域的负荷变化问题,针对西南电网各区域年负荷变化的特点,提出采用计及综合指标评价的负荷变权组合预测模型。首先引入改进灰色关联度指标、预测有效度指标和模型冗余检验指标作为模型选择依据,形成适合不同区域的历史负荷变化的基模型库。然后引入自适应变权重算子对基模型进行组合预测,获得西南电网区域年负荷预测值。算例利用四川省、重庆市以及西藏自治区2006—2019年的电力消费量进行测试,结果表明所提预测方法能够有效预测西南电网负荷变化,相比最优权重模型、等权模型和最优单一模型算法具有更高的预测精度。     

粗糙集信息熵与自适应神经网络模糊系统相结合的电力短期负荷预测模型及方法

电力系统短期负荷预测不仅要考虑负荷本身的历史时间序列,而且与气象因素密切相关,自适应神经网络模糊系统(Adaptive Neuro-Fuzzy Inference Sysrem,ANFIS)模型是一种有效的预测方法,而系统输入变量的合理性选择是影响预测效果的关键所在.作者通过粗糙集理论中的信息熵概念对解决这一问题进行了尝试,选取与待预测量相关性大的参数作为输入.所构造ANFIS系统是基于数据进行建模并进行参数辨识的,这样有效地避免了模糊推理系统(Fuzzy Inference System,FIS)中人为主观因素对预测的负面影响,客观地反映了相关变量与负荷值之间的复杂关系.用该方法与常用BP神经网络及常用FIS分别对重庆市某区进行了一周的日负荷预测,通过对实例的对比分析表明了该方法具有较好的收敛性和预测精度.     

基于数据挖掘的电力负荷脏数据动态智能清洗

来源于SCADA系统的负荷历史数据由于各种原因含有一定的脏数据,在进行高精度的电 力负荷预测或系统分析前必须仔细而合理地对历史数据进行清洗。文中基于数据挖掘理论提出一 种动态的智能清洗模型,先根据模糊软聚类思想对Kohonen神经网络进行了改进,改进后的 Kohonen神经网络能实现模糊软聚类的并行计算,提出的动态算法能根据样本集的更新而自动确 定新的聚类中心(即特征曲线),最后与径向基函数(RBF)网络一起构成脏数据的智能清洗模型。 模型的快速性和动态性特点使其宜于进行负荷数据的实时处理,对重庆江北负荷数据的实例分析 说明了该模型的高效性。     

电力负荷预测研究综述

为适应智能电网快速响应的要求,电力负荷预测成为智能电网关键任务之一。精准的电力负荷预测响应对电力系统运行的安全性、稳定性、经济性起着至关重要的作用。首先,介绍电力负荷预测的特性及分类;随后,分析电力负荷预测的影响因素,并介绍电力负荷预测的基本步骤和性能评价指标;再将电力系统负荷预测的研究分传统预测方法、机器学习预测方法及深度学习预测方法等3类展开阐述;最后,总结所做的工作并展望电力负荷预测的未来发展方向。     

基于多Agent协同技术的用电需求预测系统的设计

电力市场环境下,用电需求日益复杂化,影响电价的因素日益增多,使电价具有较强的弹性.作者首先对用电需求预测这一需求预测和电价预测相互影响、而且这两种预测又是交叉进行的复杂过程进行了分析.然后提出利用多Agent协同技术设计需求和电价的并行预测系统.在这一预测系统中,通过Agent技术将系统理论、需求预测、电价预测、信息收集与知识发现技术紧密地结合起来,以提高供电市场中用电需求预测的准确性.