一、二月份用电量的预测模型

针对我国一、二月份用电需求的特点,建立专门预测这两个月用电量的模型.首先用传统的预测方法预测一、二月份的总用电量,接着利用类比法或近似估算法并结合人工调节,估算待预测的一、二月份用电量的比值,最后计算得到这两个月每月用电量的预测值.这种预测方法可以避免因春节期间假期用电需求减少而导致的月负荷预测值不准确的问题.对某市一、二月份的用电量进行了实际预测,取得了较好的效果,预测精度优于其他传统预测方法,证明这种模型在负荷预测中具有较高的应用价值.     

基于Theil不等系数的IOWHA算子组合模型年用电量预测新方法

配电网中长期负荷预测是配电网规划的基础,精确的预测可提高配电网运行的可靠性和经济性.本文以年用电量预测作为研究对象,年用电量预测采用4种主要方法,即分别按照年度、季度、月度和行业用电量预测得到对应年用电量预测值,在此基础上再按其发展序列预测结合起来,建立了一种线性组合预测模型.并提出采用Theil不等系数的IOWHA算子算法对组合模型的权重系数进行求解,该方法可以克服传统的组合预测方法赋予不变的加权平均系数和以单一误差指标作为预测精度衡量的缺陷,文中的实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性.从而证明这种组合模型具有较好的实用性.     

应用计量经济学方法建立浙江省电力需求预测模型

应用计量经济学方法建立了浙江省电力需求模型，在比较１９９３、１９９４年的预测值与值误差的基础上，预测了２０００年浙江省的用电量和最大负荷。     

考虑春节影响的中期电量预测

针对中期用电量预测一、二月份由于春节影响而带来的特殊性,建立分段预测模型.根据除夕转换成阳历的日期情况来分段预测日用电量,累加日用电量来获得月用电量.该模型比起常规中期预测方法更能反映真实情况,克服了一、二月受春节影响程度每年都不同,影响程度相似的历史数据又非常有限而导致的预测困难.经广东省某地区实际数据的预测仿真计算,证明该模型有较好的预测精度,填补了特殊月中期预测的空白,有较高的实用性和推广性.     

基于灰色马尔可夫修正模型的城市月用电需求预测

传统的灰色颅测模型只能反映用电量的总体变化趋势．不能反映月用电量随季节的波动特征为此,基于马尔可夫理论提出了灰色马屿尔可夫修正预测模型,引入了马尔司夫修正系数．并在模型中加入等维信息,研究了同时考虑2种趋势的城市用电需求的预测问题：算例表明．与传统的灰色预测方法相比,马尔可夫修正模型较好地提高了预测的精度。     

几种灰色模型用于电力消费中期预测研究

根据三类产业与居民生活用电量在用电方式、用电增长趋势等方面的不同特点,对灰色ＧＭ（１,１）模型、改进的ＧＭ（１,３）模型以及关联多因子模型在地区用电量和最高用电负荷预测中的应用做了初步研究。以上海市１９９０～１９９８年的电力资料和经济资料为基础,应用几中灰色模型对三类产业用电量、居民生活用电量及最高用电负荷进行了预测,并将几种模型的预测 结果进行了比较。结果表明,不同模型适用于不同特点的电力消费预     

基于人均用电量和人均用电负荷的饱和负荷预测

电力饱和负荷预测对城市、区域电网的规划与发展具有重要的作用,它可以有效的降低电网改造成本,提高电网改造的合理性、可靠性与经济性。主要采用基于人均用电量与人口预测的方法对华东某一小城市的全社会用电量的饱和规模与饱和时间进行预测。传统人均用电量法对负荷的预测主要采用预测得到的总电量除以评估得到的最大负荷利用小时数来确定负荷的大小。但是最大负荷利用小时数评估起来难度比较大,所以采用了新的基于人均用电负荷预测的方法,该方法运用logistic曲线分别预测人均用电负荷和人口的饱和值,再将两者相乘,即可得到饱和负荷规模。     

陕西电网月用电量预测模型的研究

未来年度电网月用电量预测对于电网调度运行非常重要。本文基于月度乘积模型,建立了陕西电网月用电量预测模型,用该模型对陕西电网月用电量进行了预测分析,将预测值与2003年1月至2007年12月期间的实际观测数据对比,年最大误差小于1%,预测精度较高。为准确预测月用电量提供了一种较为可行的分析预测方法。     

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。     

陕西电网月用电量预测模型的研究

未来年度电网月用电量预测对于电网调度运行非常重要。本文基于月度乘积模型，建立了陕西电网月用电量预测模型．用该模型对陕西电网月用电量进行了预测分析，将预测值与2003年1月至2007年12月期间的实际观测数据对比，年最大误差小于1％，预测精度较高。为准确预测月用电量提供了一种较为可行的分析预测方法。     

基于小波分析和灰色模型的用电量预测

月度用电量同时具有增长性和季节波动性的二重趋势,针对月度用电量的这一变化特点,提出了一种基于小波分析和灰色预测模型的用电量预测方法,同时考虑春节影响因素,结合移位修正法对1月份和2月份的用电量进行修正。经过实例分析和计算,结果表明该方法有较高的预测精度,具有较好的适用性和可行性。     

优化系数的NGM(1,1,k)模型在中长期电量预测中的应用

NGM(1,1,k)灰色模型预测电力系统中长期电量的精度较低,考虑增加一修正量对模型系数进行修正。按照拟合值与真实值的误差平方和最小来求解此修正量,并结合缓冲算子对原始电量数据进行处理,建立了优化系数的灰色电量预测模型。将改进灰色模型应用于两个地区的中长期电量预测中,预测结果表明,优化的灰色模型有效地提高了预测精度。     

基于多层分解——累加原理的城市综合体月度用电量预测方法

由于存在严重的模型过拟合问题,传统的城市综合体月度用电量单步预测方法往往不能提供准确的预测结果。提出一种基于多层分解-累加原理的城市综合体月度用电量预测方法。该方法首先将城市综合体内部负荷根据其负荷特性细分为3类;然后,针对每一类型的负荷搜集其历史小时用电量数据,并根据数据的星期标签再次分解,以提高多步预测模型的预测精度;接着,使用改进的经验模态分解(improved empirical mode decomposition, IEMD),将用电量序列中不同尺度的波动和趋势特性分离开来,并利用极端梯度提升(extreme gradient boosting, XGBoost)算法对分解后的各分量分别建立对应的多步预测模型;最后将预测结果逐层累加得到月度用电量预测结果。研究结果表明,文章提出的方法能够有效地捕捉城市综合体用电量变化规律,其预测误差精度比传统方法提升了18.2%~34.9%。     

基于地理探测器的广州市分行业月度用电特点及优化管理

为将广州市电力需求侧管理落实到具体行业,使用地理探测器、用电互补性模型分析2013—2017年共60个月各行业用电特点,在此基础上,通过情景分析方法,从行业、时间角度探索行业用电优化管理路径。基于广州市分行业月度用电特点,抓住行业用电量风向标子行业,利用存在可相互抵消用电波动的用电组合,研究发现：在2017年广州市用电量水平下优化行业用电结构和优化用电时间管理总计可减小约2.25亿kW·h的全社会用电月度峰谷差。未来可通过分行业月度用电预测、结合用电互补性分析测算行业用电调度潜力,为电力需求侧管理水平提高提供数据支撑。     

基于加和比例分配算法的中长期电量预测改进方法

针对中长期电量预测工作中,年度、季度、月度预测结果不统一,以及1、2月供电量因受春节影响而导致预测误差较大的问题,提出了基于加和比例分配算法的电量预测改进方法。加和比例分配算法包括季度加和算法和比例分配算法2部分。首先利用组合预测算法对季度电量数据序列进行预测;然后利用季度加和算法对季度预测值进行加和得到年度预测值;接着利用比例分配算法对季度预测值进行分解,得到月度预测值,从而得到年度、季度、月度的统一预测结果。最后利用某供电局的实际供电量数据对该方法进行校验,结果证明该方法不仅能够得到统一的预测结果,且其预测精度较普通方法更高。     

基于高效遗传算法的电网需求侧调度优化研究及其 收敛性分析

智能电网中大功率电器飙升及智能终端的普及,导致需求侧用电负荷增加所造成用电困难的问题。从分布式发电、市电以及居民用电三个角度考虑需求侧调度场景,并对其构建分时电价模型。随后,通过引入居民舒适度、用电经济度和负载方差三个衡量调度性能函数,构建出一种基于调度性能函数的加权优化目标模型。考虑到复杂多方的分时电价模型参与调度,提出了一种改进的遗传算法对需求侧进行用电调度来最小化目标函数。该算法通过加入精英选择策略和进化逆转操作,可有效地减少算法迭代次数,以取得目标函数最优值。然后,从理论上对所改进的遗传算法进行收敛性证明。最后,通过算例仿真验证了算法的有效性,并在满足居民用电舒适度的同时降低了31.29%的用电成本。     

基于微分代数方程的电力市场模型的研究及应用

结合Alvarado提出的电力市场动态模型,利用特征值技术与不等式相结合的方法从理论上讨论了电力市场在Lyapunov意义下的稳定性。首先将电力市场的数学模型转化,给出两个矩阵的和及两个矩阵之积的特征值与原矩阵特征值的关系;再利用这些不等式给出了直接利用模型系数判断电力市场稳定和不稳定的一系列充分条件。利用这些条件只需少量的计算即可判定电力市场的稳定,该方法简单易行,最后用实例进行了验证。     

基于需求响应的居民可控能效负荷优化

为解决居民生活用电需求不断增加,居民生活用电方式不合理造成能源浪费越来越严重的问题,从居民用户的可控能效负荷入手,对典型可控能效负荷空调、热水器和照明负荷进行分析,建立负荷能耗数学模型,根据其运行特性,结合居民用户用电习惯和分时电价,制定居民可控能效负荷优化策略;建立以居民用户用电成本和用电满意度为目标的优化模型。为提高和声搜索算法的求解速度与计算精度,对其参数进行动态调整,并与差分进化算法进行融合,应用于可控能效负荷的优化求解。算例结果表明了改进算法具有较好的收敛性和较高的准确性,验证了居民可控能效负荷优化策略的可行性,实现了从需求响应的角度对可控能效负荷进行优化管理的思想。     

基于CNN的产消群需求响应滚动优化策略

随着分布式光伏的普及,具有负荷电源双重属性的产消者大量出现。在电力现货市场的环境下,首先,基于Stackelberg模型分析产消者以及售电商在价格型需求响应中的决策机理,提出基于卷积神经网络（convolutional neural networks, CNN）的产消群决策行为预测模型,实现对产消群负荷调整及反弹量的精准预测。然后,充分考虑负荷反弹现象对于价格型需求响应的影响,提出考虑负荷反弹的滚动优化策略,提升售电商收益的同时,降低产消群负荷不平衡量,并促进分布式光伏的就地消纳。仿真实验表明,所提产消者决策行为预测模型的预测准确度在99%以上,且考虑了负荷反弹现象的滚动优化策略能够将产消群可再生能源就地消纳率提升5%以上,同时,相较于分时电价以及不考虑负荷反弹的实时电价,售电商的收益分别提升了118.8%和15.1%。     

基于FDA的居民用户空调用电行为分类分析方法

针对居民空调用电行为分类中存在事件型数据,导致分类分析耗时长、结果不准确等问题,提出一种基于函数型数据分析（FDA）模型的居民空调用电行为分类分析方法。该方法采用多重分形理论提取居民用电行为特征,使用函数型数据分析算法对居民空调用电行为进行聚类后获取居民空调用电行为类别,采用改进动态时间规整算法对居民空调用电行为实施分类处理,得到居民空调用电行为。根据非介入式设备采集到的实际居民用电行为信息检验该方法的有效性,实验结果表明:该方法可以较好地提取居民用电行为特征,且可有效提高用户空调用电行为分类精度以及缩短分类耗时,可充分描述居民空调开启情况以及消耗电量,具备较好的应用效果。