共查询到17条相似文献,搜索用时 78 毫秒
1.
鉴于利用短期负荷对气象的响应进行负荷预测能部分反映负荷形成的物理机制,基于主要气象因子与负荷的强相关性,采用混合回归方法模拟不同星期类型日最高负荷,并考虑积温效应和降雨对负荷的特殊影响,建立相应的修正函数对模拟结果进行修正,从而得到完整的能用于短期日最高负荷预测的多气象因素混合回归模型。对重庆地区日最高负荷的模拟与预测结果表明,率定期模拟平均误差为4.35%,在积温效应和降雨修正后,平均误差分别降至4.19%、4.01%;率定好的模型预测平均误差为1.99%,验证了模型具有可靠性和有效性。 相似文献
2.
3.
基于气象因素的短期电力负荷ANN预报模型 总被引:5,自引:3,他引:2
提出了一种基于气象因素,利用人工神经元网络进行电力系统短期负荷预报的方法,该方法比较全面地考虑了气象因素对电力系统负荷的影响,操作方便,易有,仿真计算和实例预报结果表明,预报准确较高。 相似文献
4.
5.
6.
7.
通过研究气象与冬季取暖负荷的关系,在负荷标幺化方法的基础上研究了冬季日最大负荷随综合平均气温变化的灵敏度,建立了冬季取暖负荷模型。该方法有效消除了经济波动、拉闸限电等不确定因素的影响,并可直观地看出广西冬季气温每降1 ℃时电网增加的负荷量。利用该方法分析了2008—2013年广西电网的冬季取暖负荷,其结果为广西电网制定冬季高峰时段负荷调控政策及措施提供科学依据。 相似文献
8.
《水电能源科学》2021,39(10):208-212
针对短期电力负荷预测精度不高的问题,提出集合变分模态分解(VMD)、长短期记忆(LSTM)网络及多元线性回归(MLR)的VMD-LSTM-MLR预测方法。先使用VMD将电力负荷数据分解为特征、频率均不同的本征模态函数,然后用LSTM对高频部分进行预测,用MLR对低频部分进行预测,最后将LSTM与MLR得到的预测结果进行叠加,获得完整的预测结果。使用VMD-LSTM-MLR预测方法对江苏省某市电力负荷数据进行预测,验证了VMD-LSTM-MLR在预测电力负荷数据上有较高的精度,其平均绝对百分比误差M_(APE)、均方根误差R_(MSE)均低于目前比较典型的改进算法,以及所列举的4种组合算法。 相似文献
9.
气象因素作为影响电力负荷的主要因素,近年来已成为研究的焦点。引入了生物气象学中的实感温度、温湿指数、舒适度指数等指标并结合日期类型利用最小二乘支持向量机(LSSVM)来进行负荷预测,避免了传统的一刀切式的预测方法。以某地区实际负荷为例,证明了该方法可以辅助电网公司调度部门更好地把握负荷特性,提高电力负荷预测的准确率。 相似文献
10.
为定量分析气象因子与电网负荷之间的关系,利用2016~2018年华中咸宁地区逐日96点负荷、日最大电力负荷、日最小电力负荷和同期该地区国家气象观测站气象资料,利用计量经济学中Granger因果关系检验气象条件与电力负荷之间的关系,采用多元回归方法通过多种方式建立负荷预测模型,并对模型进行检验。结果表明,日平均气温是电力负荷的Granger原因,日平均气温不仅在短期内对电网负荷有着显著影响,在长期时效内仍有较明显的影响。考虑气象因子影响时,两种方案的准确率均有所提高,方案2的提高量比方案1最高提高0.79%;平均绝对百分比误差均有所减少,方案2的减少量比方案1最高减少0.33%。test2-a模型在不同时间尺度下预测准确率普遍高于95%,平均绝对百分比误差基本小于8%,敏感性分别为5.3%、5.8%、3.3%,模式达到最优。 相似文献
11.
12.
建立了配电网故障后负荷转移路径优化模型,提出了优化的目标函数和约束条件。应用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)求解该多目标多约束优化问题,得到的最优解集能更好地反映优化问题的本质,并结合熵权法建立了综合最优解的提取方法。根据提出的算法,编制了应用于配电网负荷转移的程序,用IEEE33节点算例验证了该算法的可行性。 相似文献
13.
根据特殊负荷调查统计信息,甄别不同聚类分析的优缺点,提出了一种基于自适应神经网络系统聚类的特殊负荷分类方法,分别从负荷特性、供电可靠性与电能质量3个维度建立聚类指标,并以78个特殊负荷为样本进行聚类分析。结果表明,该方法快速有效,同类特殊负荷相似度高,各类特殊负荷之间差异明显。该分类方法可推广至典型特殊行业负荷分类,为配电网对特殊负荷采用相应的供电措施提供理论依据,便于供电部门制定特殊负荷供电服务。 相似文献
14.
15.
16.
场地标定是量化地形对功率特性测试及载荷测试影响的一种手段。详细介绍了场地标定的具体方法,并以某风场场地标定的数据为例进行了数据处理与分析,最后综合场地标定的结果,得到了功率特性及载荷测试的最终可用扇区。 相似文献
17.
谢家安 《电网与水力发电进展》2012,28(8):24-28
针对体感温度与负荷之间的变化关系进行了深入研究,研究表明体感温度在不同范围内变化时将对地区负荷影响表现出截然不同特征。将负荷分为对体感温度敏感和不敏感2种类别,并提出2种负荷预测方法。2种负荷预测方法均以径向基神经网络为基础,并针对不同类型待预测负荷采取差异化样本选取和处理方法,有效提高了该负荷预测模型适用性和负荷预测精度。将该方法运用到某市总负荷预测中,预测结果表明该方法具有较高精度和较好实用性,是一种有效的短期负荷预测新方法。 相似文献