周平均"日用电量-气温"关系评估及预测模型研究

对湖北３年逐日用电量（Ｅ）与气温（Ｔ）的相关性进行了研究，结果表明：缺电（１９９５年）和不缺电（１９９７、１９９８年）两种情况下，逐日Ｅ－Ｔ相关性的冬、夏季差异没有本质改变，即夏季（５－９月）各月呈一致正相关。冬季（１０～４月）各月相关性较复杂，时正时负且相关不显著；１℃效应量后期比前期有所增加。另外还对３个夏季各２１周日均用电量与对应气温建立了评估和预测模型。     

周平均“日用电量—气温”关系评估及预测模型研究

对湖北３年逐日用电量（Ｅ）与气温（Ｔ）的相关性进行了研究,岂电（１９９５年）和不缺电（１９９７、１９９８年）两种情况下,逐日Ｅ－Ｔ相关性的冬、夏季差异没有本质改变,即夏季（５～９月）各月呈一致正相关。冬季（１０－４月）各月相关性较复查地正时负且相关不显著;１℃效应量后期比前期有所增加。另外还对３个夏季各２１周日均有电量与对应气温建立了评估和预测模型。     

武汉市电网用电量、电力负荷与气温的关系及预测模型研究

分析了用电量、电力负荷与气温的关系，对武汉市2002-2004年日用电量、电力负荷与日平均气温、最高气温、最低气温进行对比分析，计算出日用电量、最高负荷与气温之间一系列相关关系，其中夏季一般大于0．8，冬季一般低于-03；通过回归分析建立夏季用电量和用电负荷预测模型，利用气温预报，可实现对用电量和电力负荷的预测，对2004年实际结果进行回代检验，预测精度超过90％。     

基于多维度与QGA LSSVM算法的制造业用电量预测

从制造业内部各微观行业出发,设计了与制造业用电密切相关的产品产量、行业投资和景气指数3个维度共35个指标,按相关性原则选取制造业用电量关键影响指标,并采用QGA-LSSVM算法构建制造业用电量预测模型。安徽省制造业季度累计用电量预测实例结果表明,该方法预测结果准确可信,预测效果明显好于基于制造业经济总量和基于非关键影响因素方法,为电力市场和经济运行分析预测人员提供了一种有效手段。     

江苏电网夏季气温与用电量敏感性关系初探

分析夏季高温天气对用电负荷的影响,可为电力公司的市场分析与预测部门提供诸如购电决策、电网规划的依据。利用江苏电网2004年夏季高温时段用电量与气温的资料,对江苏电网的用电量与气温之间的敏感度进行了分析,并用多项式拟合及多元性回归理论,推导出江苏电网2004年夏季高温用电量与气温之间敏感度的数学模型。     

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。     

需求侧气象敏感用电量特征分析

利用气象行业标准中的气象敏感用电量条件指数,结合兰溪市1960—2017年逐日气象资料计算了各级气象敏感用电量日数,采用Morlet小波分析和Mann-Kendall突变检验等统计学方法分析了各级气象敏感用电量日数的年际变化及年平均各月不同级别气象敏感用电量日数分布特征,结果表明:气候变化总体对兰溪市低敏感用电量日数的增加有利,但是随着全球气候变暖,近年来极端天气的增加,影响了尖峰敏感用电量日数的增加。     

基于GDP-电能消费耦合关系的中长期电量预测

建立了一种基于用电量和GDP之间耦合关系的中长期电量预测模型。首先利用协整检验和格兰杰(Granger)因果检验,剖析电能消费和经济发展之间的协整关系和因果关系,并建立中长期电量预测模型。然后采用误差修正方法对预测模型进行短期调节,以提高模型的鲁棒性以及预测精度。以某地区1991—2015年的用电量和GDP数据作为算例输入数据,结果表明:通过构建电能消费和经济发展之间的耦合关系,有助于提高预测模型的解释能力,同时含短期调节的中长期用电量预测模型具有更高的预测精度。     

电工行业2015年前三季度经济运行形势分析

<正>总体来看,2015年的最后几个月,电工行业仍将延续上半年低速增长的趋势,预计全年主营业务同比收入增长8%左右,利润总额同比增长在5%左右,但进出口形势不容乐观,要扭转出口负增长的局面还需要各方面在今年最后三四个月努一把力。2015年上半年,我国GDP增速为7%,全社会用电量为2.66瓦亿千瓦时,同比增长1.3%,增速同比回落4.1个百分点。从我们对历年GDP增速和用电量增速发展曲线     

1999年华东电网用电分析及2000年初步预测

1　华东电网用电概况1 999年华东电网全社会用电量为 2 2 76.5 8亿 k W· h,同比增长 7.46% ,较 1 998年同期的增幅提高了 4.1 1个百分点。 1 999年华东电网三省一市统调用电量为 1 95 5 .2 9亿 k W· h,比 1 998年同期增长 6.1 1 % ,较 1 998年同期的增幅提高了 4.2 3个百分点。经过近 3年的产业结构调整 ,在国家扩大内需、加大投资力度的有力带动下 ,经济运行步入良性发展的轨道 ,全年经济呈稳步增长的态势 ,并呈现出加快发展的良好势头 ;1 999年华东地区高温酷暑天气不多 ,夏季用电量的增长幅度较小 ,而冬季受寒流影响 ,气温突降 ,取暖…     

基于智能加权混合模型的新型电力系统电量预测方法

随着电力系统的转型升级,新型电力系统的能源供应和消费发生了巨大的转变,因此对电量预测提出了更高的要求。月度电量的准确预测为新型电力系统的优化调度和电力市场的营销计划提供可靠的依据。在深入挖掘历史电量数据、综合分析月度电量特征及相关因素影响的基础上,结合Prophet算法和KELM神经网络算法各自的优势,提出了一种考虑气温、经济水平和节假日的月度电量组合预测方法。首先基于月度电量数据建立了Prophet预测模型,并进行了参数调优过程;其次利用KELM神经网络建立了基于历史电量、气温、GDP、节假日信息的预测模型,并通过参数调优确定最佳预测模型;最后,以加权组合的方式,建立月度电量组合预测模型。通过算例分析,比较了组合算法和其他算法的预测误差和预测效果,表明了本文所提组合模型在预测精度方面有所提升,验证了预测算法的有效性。     

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     

居民夏季用电需求灰色关联预测模型的研究

在定性分析北京地区GDP，居民降温设备拥有量，电费支出占可支配收入比例等因素时该地区居民夏季用电需求的基础上，应用灰色关联理论，找出了影响居民夏季用电需求增加的主要因素，建立了关于居民夏季用电需求量与这些影响因素变量的GM(1，n)模型，描述了关联因素时居民夏季用电需求的影响，为电力部门做好负荷预测，制定夏季负荷的调整方案及其电网的电力运行计划等提供了参考依据。     

2005年夏季上海市最高日用电负荷还原分析

日最高用电负荷还原数据设想了在未采取各项错避峰及限电措施实施的前提下,上海市用电负荷实际可能达到的最高数值,同时可预测2006年经济自然增长基础上上海市最高用电可能达到的水平。这项分析将为2006年上海市电力供需平衡起到重要的指导作用,因此具有较高的分析价值。通过抽查数据统测、上海市用电负荷管理系统数据推广测算、基础数据结合样本数据测算3种分析方法进行负荷还原,同时结合3项特殊因素(季节性电价、非工业空调控制以及户外施工)影响再进行调整和修正得到最后的还原值。     

能耗管理系统不同数据预测模型的比较研究

分析了建筑能耗的影响因素,建立了BP神经网络预测模型,基于径向基网络的预测模型和灰色BP神经网络预测模型。并以上海某大型公司建筑原始用电能耗统计数据作为样本,采用Matlab对预测模型进行仿真预测,分别得到公司建筑用电量峰电、谷电和平电的预测结果。结果表明,灰色BP神经网络预测效果较好。     

雾霾条件下光伏发电量预测的迭代优化与经济性分析

光伏发电易受温度、辐照度等环境因素的影响,而近年来雾霾（PM_2.5浓度较高）污染严重,大幅降低了光伏系统发电量。因此研究雾霾天气下光伏发电量预测方法对光伏市场的发展具有重要意义。通过采集上海某户用光伏屋顶的全年光伏数据,利用控制变量法及雾霾相似日原理,拟合分析PM_2.5的浓度与发电量损失指数之间的关系,通过迭代原理优化光伏发电量预测算法,并给出雾霾环境下光伏发电量预测公式,修正光伏收益预测模型。结果表明：优化后的光伏预测发电量算法可提高发电量预测结果的精确性和稳定性。通过对3种光伏经济模型进行收益分析,验证了迭代优化算法可有效提高光伏收益预测的精确性。     

基于水气用量的配电网线路负荷精准预测

在电网迎峰度夏和度冬时,空调负荷急剧变化,部分输电线路出现过载、越限等情况,严重时甚至造成主变压器过载,影响电网安全运行;因此,有必要对配电网线路的空调负荷进行预测,进而实现配电网线路短期负荷的精准预测。为此,调用水务公司的用水量数据和燃气公司的用气量数据,以供电台区为分析单元,利用大数据挖掘方法分析人口迁移变化情况,采用偏最小二乘回归分析方法研究配电网线路的空调负荷与水、气用量的关系,结合ARMA(自回归滑动平均)时间序列分析法综合预测配电网线路负荷。该方法极大地提升了负荷预测的准确性,对于电网的规划改造、安全运行以及提升供电服务质量都具有重要的意义。     

基于电力大数据的地区E-GDP值预测

为通过电力发展和使用数据评估一个地区的经济发展水平,提出一种表征地区国内生产总值(GDP)发展趋势的类GDP值(E-GDP)的预测方法。该方法基于多源电力大数据和动态贝叶斯网络(DBN)机器学习,采用灰色关联分析法筛选出与GDP变化趋势关联度较大的关键电力数据。利用格兰杰因果分析确定与GDP变化具有因果关联关系的电力指标,并确定各电力指标间的因果关系。进一步运用所得出的因果关系建立DBN预测获得E-GDP。最后将所提方法应用于上海市E-GDP预测,算例结果表明所提方法可以准确地预测地区E-GDP值,同时还可预测得出GDP的概率分布情况。     

基于皮尔逊相关系数的电网夏季空调负荷预测研究

采用统计分析的方式研究地区电网夏季空调负荷的变化规律,综合考虑空调负荷的影响因素,构建了地区电网夏季空调负荷预测模型。该模型以地区电网负荷变化曲线为基础,实现了对空调负荷曲线的有效分离,随后采用Pearson相关系数考察各类影响因素与日最大空调降温负荷的相关性,通过比较日最大空调降温负荷与各类指标的相关系数,构造出一个能够体现最大空调负荷受本地区气象和社会经济影响较大的"经济气象综合指标",并利用回归分析提炼出空调降温负荷与综合指标的变化规律,最终实现夏季空调负荷的精准预测。基于某地区电网2006—2015年电力负荷及其相关数据,使用该模型预测2016年该地区电网夏季空调负荷,预测结果证明了模型的有效性。     

基于通径分析和相空间重构的光伏发电预测模型

光伏发电的短期预测对电网稳定运行、经济调度和可再生能源调节具有重要意义。但光伏功率输出受辐射强度、温度等气象因素影响,具有较大的波动性和随机性。为了提高预测精度和不同天气类型的普适性,文章提出了一种基于支持向量回归结合相空间重构和相似日选择的混合光伏输出预测算法。采用通径系数分析对历史数据集进行处理,量化光伏出力和气象因子的相关性,并确定主导气象因子作为相似日选择的标准。随后,利用相空间重构技术对非线性光伏功率时间序列进行处理,抑制了原始数据集的混沌特性。用实际数据验证了该算法的预测有效性。结果表明,与传统的支持向量回归模型相比,文中的预测模型可以进一步提高预测精度。此外,文中算法在晴天和阴雨天的情况下都表现出良好的性能。