云南分产业典型负荷特性分析

采用抽样分析的方法,通过选取云南省各产业典型用电现状,分析云南省各产业主要负荷种类和负荷特性,从而把握云南省各产业负荷特性的特点和变化规律。预测了2015年、2020年云南省全社会用电量及负荷特性,并对2015年、2020年云南各产业负荷发展趋势进行了展望。     

云南分产业典型负荷特性分析

采用抽样分析的方法,通过选取云南省各产业典型用电现状,分析云南省各产业主要负荷种类和负荷特性,从而把握云南省各产业负荷特性的特点和变化规律。预测了2015年、2020年云南省全社会用电量及负荷特性,并对2015年、2020年云南各产业负荷发展趋势进行了展望。     

东北地区用电分析与需求预测

根据东北地区近年来的全社会用电情况,分析不同产业对全社会用电的影响。结合地区国民经济、社会发展和产业用电的发展趋势,采用多种方法对东北全社会用电量进行了综合预测,预计“十一五”期间东北电网用电量年均增长速度约为6.4%。     

基于灰色系统理论的湖北省全社会用电量预测分析

全社会用电量变化受到政策、经济、人口、气候、资源等诸多不确定因素的影响,是一个庞大的不确定系统。在日常电力预测实践中,往往比较注重对单一指标的相关性分析,对每一种分析的结果再最后加以综合分析,本文提出一种电量预测新思路,考虑将灰色系统理论应用于年度全社会用电预测,从众多的相关因素历史数据中找出与全社会用电量变化相关性较大的指标,利用灰色算法建立湖北省全社会用电量预测模型,对全社会电量进行准确推断。     

山东省中长期电力市场分析预测

分析了山东经济发展情况,电力需求和负荷特性,结合国内外宏观经济形势给出了山东经济发展预测结果;采用用电单耗法、分产业预测法、分地区预测法、回归模型预测、趋势外推预测方法预测了山东省全社会用电量,并对各种预测结果进行了分析校核;采用最大负荷利用小时数法、分地区预测法和趋势外推预测法对山东省全社会最大负荷进行预测,提出了2015年、2020年全社会用电量和全社会最高负荷预测推荐方案。预测结果为山东电网规划提供了可靠的基础数据支撑,为项目计划安排提供了重要依据,可进一步提高山东坚强智能电网的发展质量和效益。     

基于改进MGM的省级用电量中长期预测

当前中国用电环境随全球经济呈非线性、非规律性波动。以往所用电量中长期预测方法难以适应现在的精准规划要求,无论是传统GM(1,1)还是MGM(1,n),由于其自然属性,已经不再适应当前的新规律。基于某省级电网不同产业全社会用电总量及GDP变化趋势,分析了数据间的逻辑关系及变化规律。通过构造与当前变化相适应的背景优化函数,对MGM进行相关改进,以满足当前精准规划的用电量预测要求。预测了某省2010—2018年的全社会用电总量,预测结果可靠性高,预测精度满足当前规划需要。     

基于随动思想的月度用电量时间序列预测模型

针对北方城市月度用电量变化的特点,建立了基于随动思想的月度用电量时间序列预测模型。该模型具有数据分析功能,可根据数据变化的特点自动选择适应的模型,同时采用时间序列方法,避免了预测其他非用电量因素的困难,较好地解决了目前通用软件存在的问题。对哈尔滨市月度用电量进行实际预测,取得了理想的结果。     

基于FP增长挖掘模型的全社会行业用电关联规则分析

针对全社会行业用电量分析预测的难题,文章提出了将数据挖掘领域中的FP增长模型应用于国家电网公司行业用电分析预测活动中,通过对模型的灵活运用,完成了对全社会行业用电关联规则分析。为国家电网公司各级管理人员,更准确地掌握各行业间用电量变动的相互影响,从而更有效地安排生产、开展输配电工作提供有力的帮助。     

基于SPSS的电力需求与行业发展之间的规律研究

对地区全社会用电量进行需求分析,找出全社会总用电量与行业用电量之间的关系。通过SPSS软件用主成分分析法对某地区行业用电量指标进行主成分分析,找出若干个重点行业用电量(若干个个变量)的主成分因子,然后再通过回归分析法对主成分因子和全社会用电量进行回归分析,建立电力需求模型。实例分析证明,这种由少数几个行业用电量来预测全社会总用电量的方法,可得到较好的预测效果。     

上海市全社会月用电量预测模型

较为准确的中短期用电量预测是制定科学合理电网运行计划的前提。利用2004-2014年上海市各月全社会用电量、气温、历年GDP、人口和单位GDP能耗等数据,采用年际同比变率分析方法,分析了影响月用电量的主要因子,建立了上海市逐月用电量预测模型。结果表明:采用年际同比变率分析方法能有效剔除气温、用电量等年际变化趋势对相关关系分析结果的影响,所得结论物理意义更为清晰;上海市月用电量呈现冬季和夏季双峰型特征,受经济总量增加等因素的影响,各月用电量都呈现出增加趋势;冬季和夏季的月用电量同比变化率与气温变化相关最为密切,春季和秋季的用电量同比变化率主要与经济总量增长和产业结构调整相关;综合考虑各影响因子建立的预测模型能够实现对各月用电量较精确的预测,也可用来研判经济走势。     

Seismic forecasting

The mechanism that causes seismic activity and the two types of wave generated are described. The nature of long-, medium-, and short-term prediction is examined. The forecasting of earthquakes by animals, who forecast earthquakes at intervals ranging from three months down to about one minute, is examined, and the physiological factors that could account for it are discussed     

基于预测有效度和马尔科夫-云模型的母线负荷预测模型筛选与变权重组合预测

预测有效度与鲁棒性是母线负荷预测面临的重要课题。基于日特征相关因素选取待预测日的相似日;从待预测日母线负荷真值未知的实际出发,引入模型预测精度和预测有效度概念,研究模型有效度的转移规律,提出基于马尔科夫链和云模型的预测精度定量估计方法;基于模型综合有效度,提出组合模型筛选方法和变权重母线负荷组合预测方法。基于所提方法开发了一套母线负荷预测系统,并应用于我国某地区电网。多条母线、多时段的预测结果表明,所提方法所得预测结果的有效度高且稳定,具有预测结果准确和鲁棒性好的特点。     

基于GFS降水预报信息的洪水预报方法研究

本文以桓仁流域为研究背景,进行延长洪水预报预见期的研究。首先基于流域历史雨洪资料,运用数据挖掘的方法挖掘出一套选择单位线的规则,改进了原洪水汇流预报方案;应用统计学方法,对GFS降水数值预报信息进行频率修正释用,提高了GFS降水数值预报信息的精度。然后利用释用后的GFS降水数值预报信息与洪水预报方案耦合,使桓仁流域洪水预报预见期延长了30~72小时。     

Application of an innovative combined forecasting method in power system load forecasting

To fully integrate the advantages of several forecasting models and improve the accuracy of load forecast results, the application of the combined forecasting method to power system load forecasting is introduced in this paper. The evolutionary programming and fuzzy comprehensive evaluation methods are employed to deduce the weight coefficients of each model. Practical cases are studied using the two methods and tested to be feasible and effective.     

基于改进最小二乘支持向量机和预测误差校正的 短期风电负荷预测

为了提高风电负荷预测精度,保证风电场资源得到有效利用,提出了基于改进最小二乘支持向量机和预测误差校正相结合的方法。首先引入提升小波分解原始数据,可以有效提取其主要特征,从而克服风电场的随机性。然后采用最小二乘支持向量机对分解后的信号做预测,保证了预测精度。接着用误差校正方式修正预测结果,减少了较大误差点的出现,提高了预测结果的稳定性。最后,通过某风电场预测结果表明,基于提升小波和最小二乘支持向量机的方法可以提高预测的精度,误差预测的方法也可以有效地校正预测结果。仿真结果验证了该方法用于风电负荷预测是有效可行的。     

基于马尔可夫链筛选组合预测模型的中长期负荷预测方法

在负荷预测的模型组合过程中,主要是根据历史数据的趋势恰当选择模型,再根据模型特点选择权重分配方法。针对灰色关联度满足要求的几种模型预测值分化较大的问题,从负荷数据的增长率无后效性这一特点出发,通过对原始数据增长率的分析,采用马尔可夫链划分区间,从几种满足精度要求的模型中筛选出两种进行组合预测,通过方差—协方差方法分配权重。经过该种方法的筛选,不仅可以更准确地选择组合预测模型的类型,而且具有较高精度。     

基于虚拟预测与小波包变换的风电功率组合预测

为了提高风电功率的预测精度,针对风机功率不稳定性和非线性强的特点,使用小波包变换将风机出力分解成多个频率的子序列,然后运用组合预测方法分别对各子序列进行提前24 h预测,叠加各子序列的预测值,得出实际预测结果。其中组合预测方法权系数是通过虚拟预测的方法由方差倒数法确定。选择广东某风电场实测数据作为案例,对连续7天风电功率进行了预测。结果表明:小波包变换能有效把握风电功率变化规律,对小波包变换后的各子序列的预测结果表明组合预测效果优于单一预测方法。     

蚁群灰色神经网络组合模型在电力负荷预测中的应用

灰色GM(1,1)预测模型,在负荷预测中得到了广泛应用,但是也有其局限性.当数据灰度越大,预测精度越差,并且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数造成的,为此引入向量,建立蚁群灰色模型,然后与神经网络模型相组合,即建立蚁群灰色神经网络组合预测模型.实证分析表明,该预测方法是合理有效的,与传统的预测方法相比,提高了预测精度,具有较好的实用价值.     

蚁群灰色神经网络组合模型在电力负荷预测中的应用

灰色GM(1,1)预测模型,在负荷预测中得到了广泛应用,但是也有其局限性。当数据灰度越大,预测精度越差,并且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数 造成的,为此引入向量 ,建立蚁群灰色模型,然后与神经网络模型相组合,即建立蚁群灰色神经网络组合预测模型。实证分析表明,该预测方法是合理有效的,与传统的预测方法相比,提高了预测精度,具有较好的实用价值。