基于支持向量机和互联网信息修正的空间负荷预测方法

为提高电网规划阶段的空间负荷预测精度,提出了一种基于支持向量机和互联网信息修正的空间负荷预测（spatial load forecasting,SLF）方法,该方法分为3个步骤：一是基于k-均值聚类分析和支持向量回归模型得到地块负荷初始预测值;二是基于地块负荷历史数据计算负荷实际值与初始预测值之间的偏差;三是针对这些偏差,利用搜索引擎获取互联网信息,识别造成偏差的不确定事件,包括元胞中新增大负荷事件和元胞中企业营收增长率突变事件。定性分析事件对空间负荷的影响,并建立这两类事件与其造成的影响之间的分类事件影响定量模型,基于该模型对地块负荷初始预测值进行修正,得到规划区域内的地块负荷预测值。通过对北京某地区进行算例验证,结果表明该方法可以提高预测精度,可用于配电网以及能源互联网规划中的空间负荷预测。     

应用聚类分析与非参数核密度估计的空间负荷分布规律

空间负荷预测是配电网规划的前提和基础。针对现有研究偏重对预测方法的理论创新和精度提升,缺乏对各地各类空间负荷分布规律研究的不足,提出一种基于聚类分析与非参数核密度估计的空间负荷分布规律研究方法。以浙江电网为例,对调研采集的空间负荷按城市发展类型、用地类型进行二级划分后,利用基于非参数核密度估计方法提取各类样本负荷密度的典型分布特征,结合实际对浙江11个城市的工业、商业、居住等多类空间负荷的分布规律进行分析研究,为配电网规划提供可靠支撑。     

基于GIS的空间电力负荷预测平台的研究与开发

为满足现代城市电网规划对电力负荷预测提出的新要求,形成了建设基于GIS的空间电力负荷预测(SLF)平台的总体方案。应用空间分析理论,采用电网的分层分区技术,开发了以城市空间电力负荷分析和预测为核心,集负荷历史数据采集与管理、空间信息处理以及预测结果评价一体化的信息管理和预测系统。提出了空间电力负荷规律性分析方法、实用化的SLF方法等关键技术,为进行详尽的数据挖掘分析、高质量的需求预测和一体化的空间电力负荷管理提供界面友好的可视化操作平台。该平台适应城市电网规划精益化的新要求,可为提高SLF精度、提升负荷预测工作的管理水平、科学指导城市电网规划提供有力的技术支持。     

基于负荷点相似的地区短期负荷预测新方法

提出了一种基于相似点的地区短期负荷预测新方法并形成了基于该算法的专家支持系统，该系统可定量地考虑气象信息、小水电、工作日类型等负荷相关因素。采用该系统对某基荷较小的地区电网进行负荷预测，结果说明了本文算法的正确性和有效性。基于本文算法而编制的软件系统即将投入实际应用。     

基于熵权法与GRA-ELM的配电网空间负荷预测

空间负荷预测对配电网规划建设具有重要意义。为了提高配电网空间负荷预测精度,文中提出基于熵权法与灰色关联分析-极限学习机(GRA-ELM)的配电网空间负荷预测方法。首先,将规划区域内的小区按用地性质划分,分析不同类型负荷的影响因素,建立空间负荷密度指标体系;其次,利用熵权法对不同类型负荷的负荷密度指标进行权重分配;然后,应用GRA挑选出与待测地块负荷密度指标相似的训练样本;最后,将样本带入经粒子群优化(PSO)算法参数处理后的极限学习机(ELM)进行训练,得到预测结果。通过实例对所提方法的性能进行仿真验证,结果表明,所提方法相对其他方法的空间负荷预测精度更高。     

考虑地域差异的配电网空间负荷聚类及一体化预测方法

针对基于智能算法的负荷密度指标法对样本依赖性强且在各地实际应用困难的不足,提出一种考虑地域差异的配电网空间负荷聚类及一体化预测方法。该方法首先通过大量调研得到分布在不同地区、分属不同类型的负荷样本及所处地区信息;然后利用基于日负荷曲线的负荷分类校验及精选方法对所有调研样本进行分类精选;再根据区域分类、负荷分类对精选样本构成的全样本空间进行两级划分,得到分层级子样本空间;最后根据待测地块的属性信息对子样本空间进行匹配,选取与其最相似的子样本空间作为训练样本,构建支持向量机模型预测各地块的负荷密度,进而得到电力负荷的空间分布。工程实例分析表明了该方法的实用性和有效性。     

基于多源数据和模型融合的超短期母线负荷预测方法

母线负荷预测对于电网调度运行的安全性和在线分析决策的准确性具有重要的意义。为了进一步提高母线负荷预测精度,提出了一种基于多源数据和模型融合的超短期母线负荷预测方法。结合当前电力大数据,首先将历史负荷数据、日期信息以及天气信息等多类型数据作为预测模型的输入特征,并建立基于BP-ANN(back propagation)神经网络和CNN(convolutional neural network)神经网络融合的预测模型。然后采用BP-ANN提取数值类型和类别类型数据的特征向量,与CNN提取图像型数据的特征向量进行融合,通过多层BP-ANN神经网络进行超短期母线负荷的预测。最后,采用我国某地区220kV变电站高压侧的有功负荷历史数据和该地区天气信息进行实例分析。实验结果分析表明,所提方法能够充分有效利用多源数据和模型融合的特点进行超短期母线负荷预测,相较于BP-ANN和CNN单独模型预测具有更高的负荷预测精度。     

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。     

基于CSCW的城市电网协同负荷预测信息平台

针对城市电网规划中上下级协同负荷预测问题,在计算机支持的协同工作(CSCW)理论框架下,基于B/S模式开发了负荷预测管理系统.系统内置了可视化流程定制工具,构建了多级部门协同负荷预测工作流模型,实现了数据流转、汇总平衡、存储、发布等功能;系统中嵌入了基于最大信息熵原理的协同负荷预测方法,利用CSCW技术,实现了上下级电网协同负荷预测.此外,基于电网规划CIM接口,首次实现了负荷预测管理系统与电网规划辅助决策系统的无缝结合,形成了覆盖负荷预测全业务流程、支持多部门协同负荷预测的信息平台.实际应用表明,该平台能够加强上下级电网有效沟通,优化负荷预测业务流程,规范相关数据的收集和分发,显著提高负荷预测效率.     

考虑路网-电网交互和用户心理的电动汽车充电负荷预测

文中提出了一种考虑路网-电网信息交互和用户心理的电动汽车充电负荷预测框架。首先,利用出行链和原点-终点(OD)矩阵得到电动汽车出行目的地;然后,考虑行驶、排队时间和充电电价,提出基于后悔理论的充电站选择模型;接着,基于跟驰模型对车辆在路网中的行驶过程进行微观交通分析,建立基于电价驱动的路网-电网交互式负荷预测框架;最后,采用蒙特卡洛方法模拟电动汽车的出行和充电情况,以预测电动汽车充电负荷时空分布。通过在中国北京市三环路网和相应电网上的仿真,验证了所提电动汽车充电负荷预测框架的有效性。仿真结果也表明路网和电网通过电价相互作用,使得电动私家车和出租车的充电负荷在时间与空间上分布差异明显。     

空间负荷预测方法在浙江省科技城电网规划中的应用

负荷预测是电网规划的基础,具有很强的科学性。影响负荷动态变化的因素中含有大量不确定性信息,这些信息不能直接用定量的数值表示,使用常规方法进行负荷预测得到的结果往往不尽合理。针对浙江省科技城的区域特点,通过对负荷预测方法适用情况的分析,确定采用空间负荷预测方法进行负荷预测,以排除不确定性因素的影响。预测结果表明,空间负荷预测方法得到的结果是合理的,能满足电网规划的要求。     

基于大数据和多因素组合分析的单元制配电网精细化负荷预测

为了实现配电网侧差异性规划和精益化管理需求,对单元制配电网展开精细化负荷预测已经成为新的发展趋势。首先利用改进K-means方法,根据历史负荷数据,对区域内的负荷进行分类,并匹配到单元制配网的实际负荷类型;然后结合负荷密度、用户数量、天气状况、国民经济等因素,应用回归方法归纳出各类型负荷的典型单位曲线,实现各类负荷的单独预测;最后考虑节假日和用电习惯等主客观因素对预测结果进行校正,叠加各类负荷实现单元制配网总负荷的预测。算例表明,基于大数据和多因素的单元制配网精细化负荷预测方法不仅能够提升配网负荷的预测精度,还能依据负荷类型划分结果指导配网规划和扩建。     

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。     

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...     

城市电网总量负荷年最大值的双向预测方法

城市电网总量负荷预测是城市电网规划的基础工作。为了充分挖掘并利用负荷历史数据的更多信息,提出一种城市电网总量负荷年最大值的双向预测方法。该方法基于历史数据分析了电力负荷与用电量的相关关系,建立了负荷-用电比模型,据此求得基于用电量数据的各月电力负荷最大值,并利用这些最大值分别运用线性回归、指数平滑、灰色理论从纵向和横向对目标年的总量负荷最大值进行预测,将所得的六个预测值加权平均作为最终预测结果。实例分析表明该方法是正确的、有效的。     

融合多源信息的电动汽车充电负荷预测及其对配电网的影响

电动汽车充电负荷具有时间和空间不确定性、随机性,提出一种融合路网、交通、电网、天气、车辆、充电设施等多源信息的考虑用户出行行为和充电需求的电动汽车充电负荷时空分布预测模型。由图论方法构建城市路网和电网信息模型及两者的耦合关系;引入出行链,以概率函数拟合车辆首次出行时间和行程目的地的驻留时间,采用Dijkstra算法规划车辆的出行路径以获得各段行程距离,由道路等级和各时段交通信息获得车辆的行驶速度,以计算行程行驶时间和荷电状态,再根据各行程目的地的充电需求判断条件,计算充电时长和充电负荷;采用蒙特卡洛方法对各功能区电动汽车出行的时间和空间充电负荷分布进行整体仿真;并根据耦合关系将充电负荷归算至对应电网节点,再通过时间序列潮流计算评估电动汽车接入电网后无序充电对电网负荷、电压和网损的影响。算例通过设置不同的场景预测了不同功能区和电网节点的充电负荷曲线,分析了不同因素对充电负荷分布及电网的影响,验证了所提模型的有效性。     

基于主成分分析合作博弈的电网负荷智能预测方法研究

针对传统预测方法存在预测不准确、误差大的问题,提出一种基于主成分分析合作博弈的电网负荷智能预测方法。基于多分辨分析理论构建电网负荷预测参数模型,通过IGOA优化LSSVM的惩罚因子C和核函数参数δ2,得到更优的电网负荷参数;引入主成分分析合作博弈方法进行电网负荷智能预测。实验显示,采用该方法对数据进行拟合的图像更接近真实图像曲线,说明预测精度高,且误差较小,具有一定的优越性。     

考虑本位元胞接受能力和相邻元胞负荷影响的空间负荷预测

针对现有空间电力负荷预测方法没有考虑待预测区域内各供电小区之间的负荷相互影响关系的情况,提出一种考虑本位元胞接受能力和相邻元胞负荷影响的空间负荷预测方法,主要适用于城市电网规划年负荷预测.首先,利用变异系数建立本位元胞接受负荷影响的量化模型,来反映本位元胞对相邻元胞负荷影响的接受能力;其次,考虑待预测区域内各元胞之间的距离因素和用电负荷相似性因素生成空间复合权重矩阵,并利用空间卷积建立相邻元胞产生负荷影响的量化模型,来反映相邻元胞对本位元胞产生的负荷影响;然后,综合考虑本位元胞接受负荷影响的能力和相邻元胞产生负荷影响的共同作用,构建空间电力负荷预测模型;最后,通过工程实例分析验证了所提方法及模型的正确性和有效性.     

山东电网饱和负荷及负荷空间分布研究

以山东电网为研究对象,介绍一种城市电网饱和负荷密度及负荷空间分布预测方法。基于分析空间饱和负荷的特征,建立空间饱和负荷模型,提出逻辑功能区划分方法,并通过对山东电网及分地区进行饱和负荷分析,预测出山东电网的饱和负荷情况。     

基于预测可信度的多级协调空间负荷预测方法

提出了一种基于负荷预测可信度的多级协调SLF方法。该方法首先确定了元胞历史负荷数据的评价指标,并运用灰色关联度理论,计算出各元胞的负荷预测可信度。然后建立空间电力负荷多级协调模型,并将元胞负荷预测可信度应用到多级协调模型中,最后利用该模型调整元胞目标年的预测值。空间电力负荷多级协调模型以不同层级负荷之间的关系为基础,在一定程度上能够消除上下级电网的预测结果之间出现的不均衡、不协调的现象,从而提高了空间负荷预测结果的准确性,为进一步的电网规划打下了坚实的基础。选取了指数平滑作为预测方法,并对预测结果采用空间电力负荷多级协调模型进行优化调整,调整结果表明空间电力负荷多级协调模型具有实用性和有效性。