基于小波分解和ID3算法的短期日负荷最大值预测方法

为了综合考虑气象对负荷的影响,本文引入了生物气象学中的实感温度、寒冷指数、温湿指数、舒适度4个指标来量化气象因素的综合影响。将原始负荷序列进行小波去噪,及对负荷变化率进行离散化处理后,通过ID3算法生成负荷预测决策树模型,在得到实感温度、寒冷指数、温湿指数和舒适度后对日负荷最大值进行预测。经算例证明,该模型能够满足负荷预测实用化标准的要求。     

夏季温湿指数与气象敏感电力负荷的研究

为了深入了解夏季电力日峰荷与气象因子之间的关系,从负荷资料中分离出随气象因子变化的气象敏感负荷,在考虑气象因子对气象敏感负荷的累积效应基础上,建立了气象敏感负荷变化率与气象因子间的关系模型。对2004～2005年某市夏季气象敏感负荷与温湿指数、日平均温度、日最大温度进行的灰色关联分析结果表明:温湿指数是对夏季气象敏感负荷影响最大的关联变量。在此基础上建立了夏季气象敏感负荷与温湿指数的三次多项式模型,计算分析了气象敏感负荷变化率与温湿指数的关系,为电网负荷的预测和运行调度提供依据。     

温湿变化对北京城区气象敏感电力负荷的影响分析

为研究气象条件与近年来北京城区空调用电负荷压力不断增加之间的关系,利用2012年和2013年北京夏季日瞬时最大电力负荷和城区逐日气象资料,并引入反映温湿变化的气象指数,采用统计方法分析了北京城区夏季温湿变化对日瞬时最大电力负荷的影响,发现日瞬时最大电力负荷受温湿指数的影响比平均气温以及考虑了风速的北京舒适度气象指数要更加显著,当温湿指数变化1个单位时,日最大气象敏感负荷将增加或减少38.6万kW。同时,建立了基于温湿变化的日最大气象敏感负荷的计算方程,并进行了应用分级和服务用语编写。     

气象因素与电力负荷关系探讨

对保定地区所属的市区、阜平县、淶源县和涿州市4个区域的电力负荷特点及波动规律进行了分析,引入生物气象学中的实感温度、寒湿指数、温湿指数、舒适度指数4个指标来综合衡量气象因素对电力负荷的影响,并给出电力负荷与各指标的比值曲线.通过同一区域的曲线比较说明引入各气象指数的合理性,通过不同区域的曲线比较说明不同区域的电力负荷与气象指数关系的差异.     

考虑实时气象耦合作用的地区电网短期负荷预测建模

传统的短期负荷预测中并未考虑实时气象因素的耦合作用,针对此提出了考虑实时气象耦合作用的时域卷积网络短期负荷预测方法。首先,分析了各项实时综合气象指数与负荷曲线的相关性,进而构建了混合日特征量与实时气象因素的相似日选取方法。然后,引入各项实时综合气象指数作为模型输入。最后,采用能够充分考虑并包容实时气象因素与负荷"时差性"特点的时域卷积网络进行日前负荷预测建模。实验仿真以某地区电网实际负荷为例,研究表明该预测模型能够有效提升地区电网日前负荷预测精度。     

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。     

考虑气象因子的区域电网梅雨期负荷预测

综合考虑气象因子对梅雨期负荷进行精确预测,能够为区域电网发电控制、调度安全和经济运行提供日前决策建议。分别构建了基于BP及Elman神经网络的短期负荷模型,引入基础和综合气象因子进行对比研究,发现梅雨期负荷与温度的相关性最强。依据历史气象及负荷数据,训练负荷预测模型,并考虑年度负荷增长趋势对负荷预测结果进行适当修正。结果表明,Elman神经网络在考虑基础或综合气象因子的情况下,对梅雨期日负荷及电量均具有良好的预测特性。     

基于改进人体舒适指数的微电网超短期负荷预测

为解决微电网大规模超短期负荷预测的计算速度和准确度问题,建立最优局部形相似超短期负荷预测模型,引入表征气象综合影响因素的人体舒适度指数,并对人体舒适度指数公式进行改进。根据最优局部形相似数列与实时数据给出了一种基于加权平均的最优局部形相似超短期负荷预测方法,以获取超短期负荷预测初始值,利用改进人体舒适度指数对该初始值进行一次修正;再根据实时数据与预测数据的偏差并运用超稳定自适应控制理论对一次修正值进行二次修正,最终获得超短期负荷预测值。实例验证了所提方法的可行性,同时证明该方法在大规模超短期负荷预测中对计算速度和计算准确性都有较好的适应性。     

相空间重构和SVR耦合的短期电力负荷预测

电力系统的短期负荷预测精度对智能电网安全运行有着重要影响,其中预测精度和训练步数至关重要,目前当地气象因素逐渐成为负荷预测中的关注点。以某市短期电力负荷为研究对象,建立了考虑日特征相关因素的支持向量回归机短期电力负荷预测模型,随后对某市考虑气象及日期类型的电力负荷做出预测。研究表明:利用考虑实时气象因素的SVR预测模型对短期电力负荷进行预测精度较高;考虑气象及日期类型的预测误差比不考虑气象及日期的预测误差小;嵌入维数和时间延迟对负荷预测模型精度具有重要影响。     

考虑气象因素的电网短期负荷预测策略

影响电网负荷预测的因素很多,其中气象因素是主要原因之一,尤其在天气系统的转变过程中,气象因互对电网用电和短期负荷预测准确率的影响更大,对气象负荷进行了明确定义,提出了一种预计气象负荷分量的实用方法和考虑气象因素的短期负荷预测策略。