基于多气象因素混合回归的重庆地区夏季日最高负荷预测

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。     

华中地区电力负荷与气温的关系分析

基于华中电网六省(市)2010年3月~2013年2月逐日的电力负荷资料,分离出随气象因素变化的气象负荷,采用相关分析法分析了气象负荷与同期气温的相关关系,研究了气象负荷随气温变化的规律,探讨了华中各省(市)气象负荷与气温关系的异同。结果表明,华中电网气象日负荷与日平均气温的相关关系最显著,日平均气温大于20℃时呈正相关,日平均气温小于20℃时呈负相关;夏季日平均气温在28℃以上、冬季日平均气温在4~10℃时,气象日负荷对气温变化最敏感。     

基于气象因素的短期电力负荷ANN预报模型

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。     

气象因素对供热系统采暖热负荷的影响分析

采暖热负荷的大小是电力调峰的基础,是热负荷调节的依据。气象因素是供热系统采暖热负荷变化的最直接影响因素。通过分析气象因素对采暖热负荷的影响,并根据实际数据利用MATLAB程序进行线性拟合,建立采暖热负荷预测模型。计算结果通过误差分析验证能满足工程应用精度的要求,可为后续研究具有循环水吸收式热泵的热电联产机组调峰性能提供合理依据。     

夏季负荷与气象参数的多维时间序列模型研究

以多维时间序列分析方法为基础,解决了未来日负荷与历史日负荷惯性变化的影响以及气象累计效应的影响显性函数关系,从而为负荷预测人员掌握未来负荷与历史负荷、历史气象要素与当日气象条件之间的规律提供了量化的分析基础。     

基于负荷分析平台研究某超大型城市的负荷特性

通过负荷分析平台对用户负荷特性进行研究,能为电力需求预测及电网规划提供典型参数库,为配电网规划奠定基础。以某超大型城市的实际负荷日电网网架及运行数据为基础,利用负荷分析平台通过产业、行业、地域等维度对用户用电行为特性进行分析,构建了空间电力电量分析历史指标库和典型参数库,并提出了具体的使用建议。     

考虑气象因素的冬季取暖负荷计算

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。     

基于VMD-LSTM-MLR的短期电力负荷预测

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。     

基于综合气象指数和日期类型的电力系统负荷预测

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。     

不同时间尺度下气象因子对电网负荷预测的影响

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。     

应变-传递矩阵法计算轴系载荷分布及实验研究

通过建立轴系对中的力学模型和测量轴系截面的应变值,应用应变传递矩阵法计算轴承的实际载荷和标高,实现轴系载荷的分布计算;并通过改变轴承的标高来测量其负荷影响系数．结果表明：测量值和理论值比较接近,采用应变-传递矩阵法计算轴系载荷分布十分有效,该方法实现简单,模块性强,处理复杂结构的能力也较强．     

基于多目标优化的配电网负荷转移路径研究

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。     

基于自适应神经网络系统聚类的特殊负荷分类研究

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。     

应用辐射能信号改善单元机组调峰性能的研究

单元机组要承担调峰任务，给机组的负荷控制提出了很高的要求，而锅炉的动态延迟和惯性是影响机组负荷响应的主要制约因素。采用辐射能作为反馈信号进行单元机组的负荷控制，改善了单元机组调峰性能；仿真研究取得了良好的效果。     

对火电厂机组负荷优化分配算法的研究

通过对各项经济指标的探讨,指出负荷优化分配算法应以全厂煤耗量最小为目标.同时分析了影响煤耗特性的一些因素,建立了各单元机组的性能模型,经对数据进行在线处理和更新,得到更为准确的煤耗特性曲线.并在此基础上针对现有的等微增率算法的局限性,对其进行了改进,主要考虑了特性曲线的拟合方法、特性曲线有间断点的近似处理和机组出力上下限越界问题.     

风电机组功率特性和载荷测试场地标定方法

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。     

基于体感温度的电力系统负荷分类及负荷预测

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。