电力负荷预测的方法研究

电力是国民经济发展的先行官。在市场经济条件下,提高电力企业的经济效益和社会效益,是电力企业经营的永恒主题。由于电力产品不能储存,且具有产、供、销同时性的特点,这决定了电力负荷预测是电力系统经济运行的前提,对保障国民经济全面、协调、可持续发展具有重要意义。该文阐述了负荷预测的基本概念和方法,并收集本地区近5年来经济发展的GDP值和供、售电量的历史数据,采用了弹性系数法、时间序列法和回归分析法对本地区未来5年的电力负荷进行预测,并且对预测结果的准确性和预测方法的优缺性进行分析对比,最后提出优选组合预测法具有较好的预测效果。     

银川市短期电力负荷预测方法研究及应用

介绍了短期电力负荷的预测方法,对银川市2011年短期电力预测结果进行分析比较,为本地区电网平衡与系统稳定提供参考,并对进一步提高预测准确性提出了建议。     

电力负荷预测方法在配网规划中的应用

在配网规划中,负荷预测结果的精度直接影响系统运行的安全性和经济性,因此选择恰当的电力负荷预测方法尤其重要。从配网规划中的电力负荷预测角度入手,在对电力消费现状分析的基础上,采用单耗法、趋势拟合法及回归分析法对河北省2018—2022年的电力消费进行预测,并对预测方法及其在配电网规划中的应用进行分析比较。结果表明:3种方法的数据样本、适用条件及建模思路均不相同,在进行配网规划时,应根据电力消费的发展情况及影响负荷的因素来选择恰当的方法进行负荷预测。     

基于模糊推理算法的电力负荷预测系统的研究

针对时间因素、季节因素和随机因素对短期电力负荷的影响,以某一地区电力负荷历史数据为基础,利用模糊推理算法对短期电力负荷进行预测,实现电力负荷短期预测值的自适应调整,实时保证电力系统的供需平衡。对本地区进行短期电力负荷预测仿真试验,试验结果表明,使用模糊推理算法的短期电力负荷预测系统具有较高的准确度。     

区域电网规划负荷预测实例

负荷预测是电力规划的基础,采用线形趋势模型法、电力弹性系数法、空间负荷密度法对广州经济技术开发区进行了负荷预测。提出了负荷指标的改进方法,并对新发展起来的空间负荷密度法进行了论述。几种负荷预测方法的结合有效改善了负荷预测结果。     

几种负荷预测方法在西藏电网的应用分析

电力负荷预测在电力系统规划和电网运行方面发挥着越来越重要的作用,利用电力负荷预测常用的几种方法（比例系数增长法、线性趋势预测法、弹性系数法、灰色模型预测法）对西藏电网未来几年负荷情况进行了预测,并给出了相应的结论。     

电力负荷预测常用方法的分析比较与应用

在电力市场逐步形成的形势下,电力负荷预测在电力系统规划和电网运行方面发挥着越来越重要的作用,其方法的研究也显得越来越重要。结合某省电网规划,在相关电力负荷预测理论及实践的基础上,从适用条件、数据形式、计算难度和适用范围等方面对电力负荷预测常用的几种方法(趋势外推法、单耗法、弹性系数法、回归分析法及灰色预测法)进行了分析、比较,并给出了相应的结论。     

基于变化趋势和气象因子的加权负荷预测方法

针对采用趋势变化法预测电力负荷时,存在因未充分考虑气象因素而影响预测精度的问题,提出了一种基于变化趋势和气象因子的加权负荷预测方法。该方法综合考虑气温、湿度和天气类型3个气象因子,对基于变化趋势的电力负荷预测方法进行修正。分析了基于变化趋势的电力负荷预测方法存在的2个问题：未考虑外界因素对电力负荷变化趋势的影响和预测电力负荷时存在累计误差。在充分研究日内平均负荷变化率和点间平均负荷变化率的基础上,给出了算法的详细计算步骤,并将其应用于苏北某地区电力负荷的预测算例中。结果表明该方法的预测误差为3.42%,预测精度高且数据波动小,验证了该方法的有效性和可行性。     

电力负荷特性预测软件及其在浙江电网中的应用

介绍了新开发的电力负荷特性预测软件包实现的年持续负荷曲线预测和典型日负荷曲线预测的预测原理和方法.软件既能通过多种负荷预测模型对未来年的年最大负荷、用电量进行预测;也能对未来年的负荷特性曲线进行预测.其中,年持续负荷曲线采用排序法进行预测;典型日负荷曲线采用分行业叠加法进行预测.应用结果表明本软件的预测效果较好,达到了实用化水平.     

GMDH方法在中长期电力负荷预测中的应用

在时间序列预测法的基础上,将数据处理组合方法GMDH应用于中长期电力负荷预测。介绍了GMDH的基本原理,根据历史数据建立GMDH模型,通过某地区电力负荷预测实例,对电力负荷值进行了计算分析,结果表明该方法可获得较高的预测精度。     

基于多指数平滑预测模型的中长期需电量预测

在电力市场运营模式下,对电力负荷的科学、准确预测,对电力系统安全、经济运行,具有十分重要的意义。提出了一种基于多指数平滑模型的中长期需电量预测方法,并应用prony法对历史数据进行分析和处理,得到多指数平滑预测模型中的各个参数,从而预测其后几年的需电量。最后利用该模型,对某个地区的1996～1999年的年需电量进行预测,算例表明,该方法具有较高的预测准确度,是一种行之有效的中长期需电量预测方法。     

基于粗糙集和多元线性回归的电力系统中长期负荷预测

基于粗糙集理论和多元线性回归模型,提出一种预测电力系统中长期负荷的新方法。首先采用一种完备的属性约简算法对影响电力负荷的诸多相关因素进行约简,得到与负荷关系最为密切的核心因素。在此基础上,建立多元线性回归模型来预测未来年的负荷。对一个实际电网的负荷进行预测,结果表明所提方法符合中长期负荷预测的特点并具有较高的预测精度。     

计及分布式能源与电动汽车接入的空间负荷预测

相较于传统负荷预测,空间负荷预测更加关注某一局部空间内的负荷分布情况,因而可以更好地确定电气设备的选型与空间布局。分布式能源及电动汽车的飞速发展,使城市空间负荷分布变得更为复杂,采用原有基于时间序列的负荷预测方法可能带来较大误差,不利于城市规划的经济性与可靠性。利用最小二乘支持向量机(least squares supportvectormachine,LS-SVM)的非线性映射能力,建立了计及分布式能源与电动汽车充电负荷的空间负荷预测模型,并通过我国中部某地区的实际算例验证了所提方法的有效性。     

考虑季节特性的多时间尺度电动汽车负荷预测模型

当前对电动汽车(Electric Vehicle,EV)充电负荷预测的研究大多集中在短期单一时间尺度,且鲜有考虑在较长时间尺度下不同季节电动汽车充电负荷存在的差异.基于此,提出一种考虑季节特性的多时间尺度电动汽车负荷预测模型.首先,考虑季节特性对EV的电池最大载电量、里程耗电量和空调耗电量的影响,结合时空分布规律建立短...     

基于神经网络和模糊理论的短期负荷预测

电力系统负荷预测是能量管理系统(EMS)的重要组成部分,它对电力系统的运行、控制和计划都有着非常重要的影响,提高电力系统负荷预测的准确度既能增强电力系统运行的安全性,又能改善电力系统运行的经济性,但负荷预测的复杂性、不确定性使传统的基于解析模型和数值算法的模型难以获得精确的预测负荷。为提高电力系统短期负荷预测准确度,构建了一种新型的负荷预测模型。该模型首先采用多层前馈神经网络,以与预报点负荷相关性最大的几种因素作为输入因子,以改进BP算法作为预测算法,来获得预报日相似日负荷曲线;然后引入自适应模糊神经网络,用于预测预报日的最大、最小负荷;针对模糊神经元的权值更新问题,采用一种新的权值更新算法———一步搜索寻优法,在获得预报日相似日各点负荷和最大、最小负荷的基础上,通过纵向变换,对预报日的负荷修正,进一步减小预测误差。用上述模型和算法预测某地区电网的短期负荷,取得了良好的预测效果。     

准确把握电力市场方向切实做好电力负荷预测

根据多年从事电力负荷预测的经历和感受,重点介绍在负荷预测中常用的几种预测方法,并对负荷特性分析预测方法作简单的阐述,同时就如何作好电力负荷预测工作提出建议.     

电力系统负荷预测方法研究与分析

负荷预测是电力系统规划和运行研究的重要内容,负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性,其是保证电力系统可靠供电和经济运行的前提,是电力系统规划建设的依据,基于此分析了基于BP网络的短期负荷预测方法与基于灰色预测的中长期负荷预测方法。     

准确把握电力市场方向 切实做好电力负荷预测

根据多年从事电力负荷预测的经历和感受,重点介绍在负荷预测中常用的几种预测方法,并对负荷特性分析预测方法作简单的阐述,同时就如何作好电力负荷预测工作提出建议。     

Long-term load forecasting using improved recurrent neural network

In general, electric power companies must prepare power supply capability for maximum electric load demand because it is very difficult at present to store electric power. It takes several years and requires a great amount of money to construct power generation and transmission facilities. Therefore, it is necessary to forecast long-term load demand exactly in order to plan or operate power systems efficiently. Several methods have been investigated so far for the long-term load forecasting. However, because the electric loads consist of many complex factors, good forecasting has been very difficult. This paper proposes a long-term load forecasting method using a recurrent neural network (RNN). This is a mutually connected network that has the ability of learning patterns and past records. In general, when interpolation is used for unlearned data sets, the neural network provides reasonably good outputs. However, when extrapolation is used, such as in long-term load forecasting, some kind of tunings have been necessary to obtain good results. Therefore, to solve the problem, a method is proposed in which growth rates are used as input and output data. Using the proposed method, successful results have been obtained and comparisons have been made with the conventional methods.