灰色模型在短期电力负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务，根据不同的预测对象，常用的方法有概率统计法、时间序列分析及灰色系统等等。文章讨论了灰色模型GM(1，1)及其改进模型在短期电力负荷预测中的应用。采用ARIMA(p,d,q)模型与GM(1，1)改进模型对特殊日电力负荷进行组合预测，提出了适合电网特殊日电力负荷预测的数据处理方法。提高了预测的精度。准确度到了95%以上，解决了每日24点正点采样情况下预测精度较低的问题。     

基于神经网络电力系统短期负荷预测的MATLAB实现

介于电力负荷预测在电力系统中的重要性,首先描述了电力负荷预测对电力系统的重要意义,分析了传统电力负荷预测方法的优缺点,在详细分析BP神经网络原理的基础上,设计了负荷分析方案,通过对某市负荷数据的分析,并且在充分考虑了日常负荷与天气因素的关系之后,建立了神经网络短期负荷预测模型,并进行短期预测,验证了其具有较高的精度,且具有很强的稳定性,适合多种不同的预测环境。     

一种线性组合电力负荷预测模型(英文)

电力负荷预测对电力系统的有效运行是至关重要的.电力负荷预测领域迫切需要更精确、更稳定的电力负荷预测方法和技术.为进一步提高电力负荷预测精度,利用互补性原理建立了一种线性组合预测策略.该方法由一个基于互补原理的单项模型选择策略,及线性组合模型组成.选定的单项模型包括流行的线性模型,即ARIMA模型,和流行的非线性模型,即支持向量回归(SVR)模型.该线性组合结构可以有效地提取非线性电力负荷数据的特点.澳大利亚电网真实数据的实验运行验证了该模型的有效性.     

基于灰色理论的电力变压器状态预测方法的研究

电力变压器作为电力系统中一类重要的电气设备,运行状态的好坏直接关系到整个电力系统的运行状况.对电力变压器进行状态预测评估,给出电力变压器未来某时刻的总体运行状态和存在的风险尤为重要.电力变压器的状态预测是状态检修工作的重要组成部分.文中介绍了灰色模型和灰色模型的优化方法,并根据灰色预测算法建立的优化(综合)灰色模型实现...     

灰色系统理论在用电负荷预测和控制中的应用

应用灰色系统理论建立用电负荷系统的灰色因果预测模型，在对电力负荷系统进行详细分析的基础上，用预测模型对地区水电规划用电负荷进行预测，并对预测结果作有效性和可靠性分析；最后，根据国民经济发展规划要求，对地区的用电负荷进行态势控制分析，从而为电力工业的规划、发展提供依据。实例表明此方法有其实用价值。     

基于系统动力学的电力系统中长期负荷预测

将系统动力学应用于电力负荷的中长期预测。首先根据历史用电情况分析建立模型结构图，然后进行方程式设计，最后通过仿真和参数敏感度测试证明模型的合理性和实用性。电力系统负荷中长期变化是一个受政策、经济等多方面不定因素综合影响的动态过程，采用系统动力学的方法进行预测可以充分利用专家的经验，并且在模型使用中不断积累经验，提高了预测精度。     

灰色自适应模型及在负荷短期预测中的应用

本文针对电力负荷变化的非平稳性，首先建立起灰色模型分析用电负荷的趋势项，用灰色模型值与原始数据值进行比较，得出一系列误差值，作为二级数据，进一步应用自回归AR(2)模型对灰色模型产生的误差进行适应性调整。以1991年上海市用电负荷为例，预测二周用电负荷的平均相对误差为1.65%，对于特殊的节假日负荷，根据其自身的特点，本文则采用二元线性拟合模型进行预测，以避免产生大的预测误差。采用本文的系统具有一定自适应性，对于非平稳性的电力负荷具有很好的预测效果。     

基于混沌理论的电力负荷预测

针对电力系统负荷的复杂性及非线性．提出了结合混沌理论的思想．充分利用数据信息。在重构电力负荷相空间的基础上对负荷进行预测．并综合了电力负荷混沌特征量的计算及负荷时问序列的混沌预测方法。以非线性为特征的混沌理论的应用。必将开辟电力系统负荷预测的新途径。     

基于EMD分解与ARMA模型的电力负荷预测

随着智能电网的发展以及整个社会用电的发展,短期负荷的预测对与整个电力系统来说越来越重要,笔者提出了一种基于EMD分解和ARMA预测模型的预测方法,对原始电力负荷数据先进性EMD分解,然后再对每个EMD分量单独进行ARMA模型预测,根据MATLAB仿真结果表明,笔者方法对比与直接用ARMA模型进行预测,预测精度明显提高。     

电力负荷预测方法研究

电力负荷预测的开展始于上世纪八十年代初。最早的电力负荷预测工作完全依靠预测人员的运行经验,没有科学的理论做指导,预测误差往往较大。随着电力行业的不断发展,电力系统日趋复杂,单纯地依靠人工预测己经远远不能满足预测的要求。因此,要求电力负荷预测更科学、更准确,极大地促发了电力负荷预测理论研究的开展。     

冷热电联供系统接入系统方案设计

为进一步研究分布式能源冷热电联供系统并网问题,以广西A区冷热电联供系统为例,在对A区进行必要的负荷预测及电力平衡分析的基础上,分析了机组的出力消纳方向,提出机组接入系统方案,并进行必要的电气计算及投资估算.     

广西电网调峰问题探讨

广西电网以水电为主火电为辅，现有水电站调节性能差，丰水期调峰容量不足，研究广西电网的调峰措施将成为广西电网经济运行的重要课题。本文提出了几种调峰措施进行分析，具体的决策方案有待于系统专题研究。     

风光水互补系统时间序列变量概率预报框架

风光水互补系统实时调度受风速、太阳辐射强度、径流和电力负荷等时间序列变量的不确定性影响,如何准确预报这些变量并量化预报的不确定性是风光水互补系统面临的关键难题。为此,本研究提出一种基于深度学习模型的时间序列变量概率预报框架。首先,从时间序列数据中挖掘特征输入并采用相关系数对生成的特征进行初选;其次,基于深度学习模型和高斯过程回归构建时间序列变量概率预报模型,同时分别通过0-1规划思想和贝叶斯优化算法实现特征组合优化和超参数优选;进而,从确定性预报、概率预报和可靠性3个方面对预报模型进行全面评价;最后,以雅砻江流域风光水互补先期试点示范基地作为研究对象,分别在径流、风速、光伏和负荷4个数据集上与目前7个不同的时间序列变量预报模型进行全面对比,验证本研究提出预报框架的精度和概率综合性能。     

电网规划的负荷预测盲数建模方法研究

负荷预测是电网规划的基础,是电力学科研究中经久不衰的课题。影响负荷动态变化的因素中含有大量不确定性信息,这些信息不能直接用定量的数值表示,使用常规的方法进行负荷预测得到的结果不尽合理。此文应用盲数理论对含有大量不确定性信息的负荷预测进行建模,把影响电力负荷变化的不确定性信息描述为指标因素,比较各个因素对负荷变化区间的影响并且用数值来定量表征,得到变化区间在各因素指标下的相对评价向量,构造出判断矩阵。求解判断矩阵的最大特征值及其对应的非零特征向量,并对非零特征向量进行归一化处理得到各负荷变化区间的可信度,取区间灰数的均值作为其白化值,以各负荷变化区间的可信度为权系数进行加权平均得到负荷预测值,从而将不确定信息量化。将该方法对昆明地区电网"九五"、"十五"的负荷数据进行校验,结果表明该方法有效。最后将该方法应用于昆明电网的"十一五"规划中。     

计及风电不确定性的区域互联动态经济优化调度方法

结合含风电场的区域互联电力系统运行特点,考虑风电出力、负荷的不确定性因素以及电力系统安全运行约束,建立计及系统燃料费用、机组运行维护成本、风险成本的区域互联动态经济调度优化模型,并以一种融合拉丁超立方采样、场景缩减法和自学习差分算法的优化方法对所提模型进行求解。该方法根据风电和负荷预测误差采用拉丁超立方采样技术生成大量样本,并对所生成样本结合场景缩减法进行缩减,再由自学习差分算法进行全局寻优,得到各场景所对应的最优调度方案。结果表明:采用该方法既能模拟出风电、负荷的不确定性特点,又能避免建立过于复杂的随机性模型,降低了建模和求解的难度,同时所提自学习差分算法具有良好的收敛特性及鲁棒性。因此,所提优化方法对区域互联电力系统优化调度具有参考价值。     

基于数值预报模式的柘溪水库流域径流预报系统

水库的优化调度运行需要依赖预报准确率高、预见期长的径流预报结果。现有的柘溪水库流域径流预报系统由于未考虑水库流域未来时段的降水过程,径流预报的预见期和准确率无法满足汛期优化调度的要求。为此,在分析柘溪水库流域的水文和气候特征基础上,提出了数值预报模式和水文模型的耦合预报框架,设计了基于数值预报模式的柘溪水库流域径流预报系统架构,阐述了系统的主要功能与逻辑结构。通过系统的应用,可为提高汛期洪水的利用率、减少弃水、提高发电和防洪效益提供重要决策支撑。     

从电量及容量效益看广西建抽水蓄能电站的经济性

根据＂十三五＂广西电网的负荷需求、负荷特性和电源结构,从整个电力系统的角度,分析调峰电源的电量及容量效益,在同等满足电力系统电力电量平衡及调峰需求的前提下,以电力系统总费用最小论证广西建抽水蓄能电站的经济性。     

EMS中负荷预测不良数据的辨识与修正

分析了实际电力系统中负荷异常数据的主要成因，并针对2类主要的坏数据各自的特点，分别使用不同的方法处理负荷预测样本数据。针对自动化系统故障造成的坏数据，提出了具有负荷预测应用特点的总加值动态多源处理技术，从而能够充分利用采集设备或网络通道对负荷总加值而言的多重冗余配置；针对大负荷的突发性偶然波动造成的坏数据，采用对电网终端负荷的逐一扫描辨识，部分避免了对单一总加数据预处理的误判和漏判。     

基于自适应神经模糊推理系统（ANFIS）的电力系统短期负荷预测

采用ANFIS（Adaptive Neuro-Fuzzy Interference System）进行电力系统短期负荷预测。ANFIS将模糊理论与神经网络融合，利用神经网络来实现系统的模糊逻辑推理，采用混合学习算法调整前提参数和结论参数，自动产生模糊规则。利用某局网负荷数据对网络进行训练和检测，所得结果表明利用ANFIS预测负荷有效。