市县一体化短期电力负荷预测系统开发与应用

短期电力负荷预测工作是电网安全、稳定运行的基础,通过准确地对电网供需平衡预测,可合理安排机组检修,实现电力市场正常运转,是实现"三公"调度的重要保障。黄山电力调度中心开发并完成基于山区气候的市县一体化短期电力负荷预测系统应用以来,短期电力负荷预测准确率得到大幅度提升,满足了电网安全、稳定运行的需要。     

基于遗传神经网络的短期负荷预测研究

电力短期负荷预测在实时控制和保证电力系统经济、安全与可靠运行方面起着重要作用,对于系统运行具有重大影响。根据电力短期负荷的变化特点,综合考虑温度、天气、风力等因素,提出了基于遗传算法优化人工神经网络方法的短期负荷预测模型。在试验中采用单一的人工神经网络和优化的神经网络建模分别对广东省某城市电网的短期负荷进行预测。实际预测结果表明,基于遗传算法优化神经网络方法预测模型的预测准确度明显高于单一神经网络方法的预测准确度。     

Tsne降维可视化分析及飞蛾火焰优化ELM算法在电力负荷预测中应用

电力系统的稳定运行具有负荷平衡的强约束性,准确的电力负荷预测在保证电力系统规划与可靠、经济运行方面具有十分重要的意义,影响着电力系统的诸多决策,如经济调度、自动发电控制、安全评估、维护调度和能源商业化等。该文针对电力负荷预测的多种气象因素影响,提出一种基于Tsne降维可视化分析及飞蛾火焰优化ELM算法(MFOELM)的电力负荷预测新方法。针对影响电力负荷预测的高维气象数据,采用改进的SNE降维可视化分析方法 Tsne,解决了数据拥挤造成可视化效果不佳且数据结构易发生改变的问题,通过与Kpca、SNE降维方法的对比实验,证明了Tsne可以更好地将高维气象数据向低维空间映射,较高地保持高维空间中的数据结构并改善数据可视化效果;针对ELM负荷预测模型的局限,利用MFO在求解具有约束和未知搜索空间的复杂问题时具有的优越性对ELM优化,更好地解决了ELM权值输出不稳定,易陷入局部最小值等问题。通过对SAELM、PSOELM、MFOELM三种预测算法进行寻优实验,结果表明MFO不但具有更快的求解速度,而且提高了ELM的预测精度。通过对国际公开的美国日气象数据降维,协同负荷数据进行预测进行对比实验,证明了该文方法的有效性和优越性。该文方法在唐山实际电网负荷预测中应用,为制定合理的电网运行方式提供依据。     

基于实时电价和加权灰色关联投影的SVM电力负荷预测

精准的电力负荷预测有助于保障电力系统的安全调度和稳定运行,支持向量机作为一种良好的预测工具被广泛应用于电力负荷预测。随着智能电网的快速发展,实时电价成为电力负荷的重要影响因素,因此在应用支持向量机进行电力负荷预测时,引入实时电价这一影响因素,同时将加权灰色关联投影算法应用于节假日的历史负荷序列的选择,并采用改进的粒子群算法优化模型参数,最终得到一种实时电力负荷预测方法。以新加坡的电力数据为例进行实时电力负荷预测,并与通过反向传播神经网络得到的预测结果进行对比,结果表明所提出的方法具有较高的精确度和稳定性。     

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。     

基于时间卷积网络的短期电力负荷预测

准确的短期电力负荷预测对保证电网安全稳定运行、能量优化管理、提高发电设备利用率和降低运行成本等具有重要作用.传统时间序列分析方法难以学习短期电力负荷数据的非线性特征,因此论文首先将支持向量回归、高斯过程回归和前向神经网络等经典机器学习法应用于短期电力负荷预测的适用性和预测效果进行对比分析;预测评价指标表明机器学习方法能...     

基于FAPSO与SVM融合算法的电力日负荷预测

电力系统日负荷预测对电网的运行、调度和安全性有重要指导性意义。提出了一种基于自适应粒子群算法(FAPSO)与支持向量机算法(SVM)融合的电力日负荷预测算法。利用FAPSO算法良好的全局寻优能力,有效改善SVM模型的参数优化选择性能,从而提高SVM的预测精度和收敛速度。在Matlab中对某市24h负荷进行预测测试,采用FAPSO与SVM融合的日负荷预测算法具有良好的性能。     

基于时间尺度组合优化的中长期负荷预测方法

正电力负荷预测对电网建设规划、电能生产和调度等具有重要作用,是电力部门的重要工作之一。根据负荷预测需求和不同时间、期限负荷变化特点的区别,可将电力预测分为短期电力负荷预测和中长期电力负荷预测。短期电力负荷预测一般以未来几分钟到几周为时间周期对电力负荷进行预测,主要用于安排开停机计划和最优机组组合、电力的经济调度及系统运行的安全评估;     

改进模糊神经网络在负荷预测中的应用研究

电力系统短期负荷预测是电网调度中一项重要的工作,精确的负荷预测可以为调度员提供必要的基础数据,电网运行安排也都是以负荷预测的数据作为根据。利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测。研究了改进的误差反向传播算法——动量及自适应lrBP的梯度递减训练算法,预测结果表明比标准BP算法具有更好的性能。同时,针对大量无法用精确数值来量化的信息的影响,引入模糊理论的方法,定义了不同的隶属度函数,模糊化后输入到网络中进行训练和预测,结果表明其精度比输入量非模糊化的人工神经网络更高。     

盐城电网负荷预测系统换型升级改造

电力调度对电网负荷预测系统的准确性要求越来越高,从预测指标优化、操作系统、服务器及其运行模式、智能化应用等几个方面对现有电网负荷预测系统进行换型升级,对系统硬件结构和预测算法作了改进．加强了预测和管理功能,并在应用中取得了效果。     

电力调度中负荷管理技术的应用和发展

在电力调度中应用负荷管理技术,可以实现电力负荷稳定运行和均衡发展,使电力系统运行更加安全稳定。负荷管理系统可以作为调度切负荷系统的重要补充部分,提高了负荷调度灵活性和有效性,改善电力负荷曲线的形状;同时缓解电力设备压力,保证了重要用电户的供电。负荷调度是电力调度的重要工作,应用负荷管理技术可以提高电力调度准确性。随着科技进步与发展,负荷管理技术也日趋成熟,在电力调度中将会发挥更大的作用与优势。     

基于LSTM循环神经网络的短期电力负荷预测

为了保障电网安全稳定和电力市场高效运行,电网调度人员和电力市场参与者对电力负荷预测准确度提出了更高要求,分布式电源和间歇性负荷是影响负荷精准预测的关键因素。针对传统负荷预测方法无法同时对负荷本身变化规律及其影响因素进行建模的问题,提出基于长短期记忆单元(LSTM)的负荷预测方法。利用具备时序记忆功能的LSTM构建深度循环神经网络(RNN),综合考虑历史负荷和各类负荷影响因素建立负荷预测模型。该方法利用神经网络的特征提取能力和LSTM的时序记忆能力,能在更长的历史时间范围内辨识负荷内在变化规律及各类影响因素对负荷的非线性影响。基于实际负荷数据对不同历史时间窗口、不同网络架构的负荷预测性能进行验证,并与其他负荷预测算法进行比较,结果表明所提方法能有效提升负荷预测准确性。     

电力市场中基于序贯仿真的用户电价研究

在厂网分开的电力市场中，用户电价不仪与电厂报价和电网支出有关，还与系统的可靠水平有关。电网运行方式、负荷水平、设备的检修和随机故障，都对用户电价和电网收益产生重要影响。本文采用时间序列负荷模型，在电网运行中考虑了运行方式、负荷水平和设备停运，采用序贯仿真模拟电网的长期运行，建立优化调度策略，引入停电赔偿电价和峰谷电价，计算相应的收支费用。在IEEE-14测试系统的计算结果表明，算法反映了安全因素和经济因素的关系，有助于建立电力市场中合理的用户电价体系。     

基于神经网络与混沌理论的电力系统短期负荷预测

短期负荷预测是电力调度部门的重要工作之一.负荷预测的精度直接影响到电网的安全、经济和稳定运行.本文针对目前负荷预测中单一预测理论精度较低的问题提出采用BP神经网络与混沌理论相结合的算法.以变步长和附加动量法进行改进,同时以混沌时间序列来确定网络结构,从而克服了算法对大量训练样本的依赖.提高预测精度和速度.对成阳区域电网负荷的实际预测结果表明了该方法的有效性.     

山东电网经济调度的实时应用

<正> 电力生产的目标是使电网安全、经济、稳定运行,山东电网的SCADA系统为电网的安全、稳定运行打下了良好的基础,作为提高电网经济性的手段——经济调度亦越来越受到人们的关注。在过去一个时期,人们普遍采用离线经济调度,它是以预测的次日负荷曲线为依据来编制次日的调度计划表,以获取系统的经济性。由于日负荷预测曲线较粗糙,仅取每小时的平均负荷,且许多因素都无法准确计算,因此在实际运行时常会出现一些偏差,特别是当电网运行方式临时改变时,将会有更大的差异,经济调度也就无从谈起。为此,我们在SCADA系统的基础     

基于灰色模型的电力负荷短期预测

准确的负荷预测可以保证电网的安全稳定运行,提高电力系统运行的经济效益,为此,基于灰色理论建立了电力负荷预测模型,并结合陕西省汉中市区电力局某变电站2006年7月的实际负荷讨论了灰色模型在短期负荷预测中的应用,实例计算表明,该模型具有预测精度高、计算过程简单等特点。     

回归分析法在电力负荷预测中的应用

电力系统负荷预测,是电力系统计划管理工作中一个很重要的环节.新建电网中的电源布局,电网规划中的电力平衡、旧电网改造及其现代电网的运行方式和各发电机组生产计划安排,都与负荷有着十分密切的关系.电力负荷预测还是电力系统规划的基本依据,因此,要求电力负荷预测工作科学、准确以求得最佳经济效益.目前,各种预测方法甚多,但回归分析法简单、易懂,具有一定的实用价值.     

基于萤火虫算法的短期电力负荷预测方法

近年来,电力行业快速发展,对电力负荷进行预测也越来越重要,其中短期负荷预测对于电力系统的调度和市场运行起到极其重要的作用,精准的电力负荷预测可以有效提高发电设备利用度。融合卡帕（Kappa）测度和萤火虫算法的进行选择性集成学习方法实现短期负荷预测,该方法首先使用自展法（bootstrap抽样）生成多个学习器,然后使用Kappa测度对学习器进行初步筛选,接着使用萤火虫算法从中选择部分差异度大、准确率高的学习器参与集成,其准确率相较于单个学习器而言,有着明显提升。选取2015−2016年武汉2家激光企业的日均负荷曲线作为研究对象,进行负荷预测,通过与其他预测方法进行对比,该方法的预测精度较高。     

动量自适应学习速率梯度下降法神经网络电力负荷预测

电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定,是电力负荷预测的重要组成部分。利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测。在标准的BP网络中加入了动量项和自适应学习速率,预测结果表明比标准BP算法具有更好的性能。在相同的情况下,连续预测六天的负荷和一年的负荷,结果都证明了研究方法具有一定的实用性。     

调度运行中电力技术的运用解析

电力是一种重要的能源资源.电力建设和现代电力事业的发展,需要高效便捷的电网调度技术作支撑.电力技术在电网调度运行中发挥了重要作用,是电网调度高效运行的重要保证.主要分析了电力技术在电网调度中的实际运用及其重要作用,为当前的电网调度工作提供相关的技术参考.