共查询到20条相似文献,搜索用时 15 毫秒
1.
电力系统最大负荷同时率是电力系统规划中的一个重要参数,对其分析要考虑众多影响因素的叠加效用,并在预测模型中体现这些影响因素的关联程度。在负荷特性分析的基础上,充分利用灰色关联度分析方法能够定量地描述各因素之间相互变化的相对性特点和BP神经网络在非线性映射方面的能力,揭示负荷同时率与电力、经济和需求侧管理等方面的内在联系,有效凸显了影响负荷同时率变化的主导因素。用MATLAB对样本数据进行训练,并通过应用灰色关联度分析对网络隐含层节点的逐步优化,使网络结构达到最优化。仿真结果表明改进后的BP算法能够有效提高网络的预测精度、学习效率和实用性,能够为电网规划中负荷同时率预测提供有益的指导。 相似文献
2.
负荷同时率是电力系统负荷规划中的一个重要参数。以往受运行数据采集方式的限制,分析计算得到的负荷同时率,与实际值相差较大。电力系统计算机监控系统的普及,为提高负荷实测数据的同时性和准确性提供了有利条件。文章介绍了上海电力系统同时率计算的基础数据、计算方法,对计算结果进行了分析。 相似文献
3.
负荷同时率是电力系统负荷规划中的一个重要参数。介绍了上海电力系统负荷同时率计算基础数据的基本情况,各级负荷同时率的计算方法,并对计算结果进行了分析。简要叙述了负荷同时率在电力负荷编制中的应用情况。 相似文献
4.
日最大负荷特性分析及预测方法 总被引:1,自引:0,他引:1
电力调度和市场营销部门对电力负荷数据的走势形态和预测方法十分重视。在实际应用中,电力市场对提前预测未来连续多天的日最大负荷提出了新的要求。本文根据电力系统中日最大负荷的历史数据,分法定假日与非假日两部分单独研究其特性。对于假日最大负荷的预测,设定假日因子;对于非假日,通过小波分解提取日最大负荷变化的周期特征,再分别建立相应的BP神经网络模型进行预测。通过对某市电力负荷数据的预测及结果表明:采用这种组合方法可行有效、预测精度满足行业要求。有较强的理论意义和广泛地应用前景。 相似文献
5.
6.
7.
8.
9.
10.
随着人工智能技术的发展,负荷预测的准确度显著提高,但仍有一些负荷曲线预测精度较低。造成这种现象的原因 在于训练集中这类负荷曲线属于少数类,导致数据不平衡,模型无法充分学习,从而影响了预测的精度。为解决电力负荷数 据不平衡问题导致的预测精度降低的问题,提出了一种先分类后预测的解决方法。通过改进的K-Mediods 方法把具有高相 似性的历史负荷曲线进行聚类,并构造分类标签与电力负荷的特征集;然后根据预测时间的特征进行分类,通过RUSBoost 算 法很好的优化了分类过程中数据不平衡问题;最后在每类中使用LightGBM算法进行负荷预测。在公开数据集上的实验表 明,所提出方法对少数类负荷的预测效果显著,其平均绝对百分比误差(MAPE) 为2.95%,均方根误差(RMSE) 为 175.71 MW;对于常规负荷的预测,MAPE为3 .52%,RMSE为195.84 MW,相对其他方法也具有较好的预测效果。 相似文献
11.
中长期负荷预测是配电网规划的必要前提,预测精度的提升对于增强电力系统经济效益具有重要意义。针对传统灰色预测模型预测及拟合精度较低的缺陷,考虑到灰色关联度分析能够量化度量系统发展变化态势的特点,提出改进的灰色模型。以原始值与预测值序列之间灰色关联度最大为目标,引入炸点管理策略和自适应局部搜索策略,利用改进烟花算法实现对灰色模型背景值的权重系数和初始值修正项的优化求解。基于算例仿真结果表明,相比于传统预测模型,所提出的改进模型对于提升预测精度和拟合精度有明显效果。 相似文献
12.
分析我国电动汽车行业发展现状,介绍考虑用户行为的电动汽车负荷预测方法,通过蒙特卡洛模拟,预测到某地区不同充电站场电动汽车充电负荷的日负荷曲线,对电网负荷预测有一定参考作用。 相似文献
13.
14.
计及负荷预测误差的可中断负荷优化管理 总被引:1,自引:1,他引:0
综合考虑了在可中断负荷管理中存在的电力公司与用户信息不对称性、用户潜在的违约概率以及负荷预测误差等问题,创建了计及负荷预测误差的可中断负荷优化管理模型.该模型应用委托一代理理论来解决信息不对称问题,采用模糊概率理论求解包含违约惩罚的中断补偿,分析了负荷预测误差修正对电力公司支出的影响.算例证明,该模型能够激励用户上报真实的中断类型以获得最大补偿;促使用户减小违约概率从而增加其所获补偿;同时,引入负荷预测误差修正之后,可以减少电力公司的支出,有利于电力公司降低由负荷预测误差带来的市场风险. 相似文献
15.
电力负荷的准确预测是电力规划建设的重要前提。传统的负荷预测方法均局限于回归分析、增长率等线性模型,无法考虑影响电力负荷的非线性因素,导致预测结果与实际需求存在偏差。针对负荷预测的非线性特性,提出了一种计及温度和产业结构的短期负荷预测方法;采用神经网络算法对预测地区的温度和产业结构历史数据进行学习,明确了神经网络结构体系各维度间的复杂关系,从而建立了负荷预测的非线性模型。计算结果表明,所建负荷预测模型能够高保真地模拟各因素的非线性特性,其误差仅为1.5%。综合分析了温度、产业结构的影响规律,为所提方法在夏季降温负荷突出的中部和西南部分地区的应用提供数据支撑。 相似文献
16.
针对短期电力负荷预测中的不确定性和波动性问题,提出了一种计及误差补偿的两阶段短期电力负荷组合预测方法:第一阶段,采用变分模态分解将电力负荷数据分解为若干个简单模态,利用基于萤火虫扰动优化的麻雀搜索算法对双向长短时记忆神经网络的超参数进行寻优,建立负荷预测模型,得到初始负荷预测功率值;第二阶段,综合考虑误差序列以及外界影响因素,建立误差补偿模型,得到误差补偿值,将两个阶段的值相加即为最终的负荷预测结果。以两个地区小区的实际负荷数据进行算例仿真,与其他的组合预测方法相比,本研究提出的方法具有更高的预测精度,平均绝对百分比误差和均方根误差分别达到1.26%、16.20 kW,验证了所提方法的有效性。 相似文献
17.
为充分利用智能电表采集的细粒负荷数据并提高区域商业建筑负荷预测的精确度,提出一种基于用电行为模式的区域商业建筑负荷预测方法。首先,基于均值方差归一化方法对采集到的负荷数据进行标准化处理,通过肘方法确定聚类数目后进行k-Shape聚类,实现区域商业建筑负荷不同用电行为模式的提取;其次,针对大规模商业建筑负荷预测问题,考虑区域内大量商业建筑负荷预测时耗费大量内存资源却难以实现较准确预测问题,提出一种改进的Informer模型,该模型通过聚类算法识别具有相似用电行为模式的商业建筑,并充分考虑智能电表采集的异常负荷数据对模型训练结果的影响,能够良好的解决大规模商业建筑负荷预测精度不高问题;最后,采用加利福尼亚州商业建筑负荷进行实验,实验结果表明所提方法能够有效提高区域商业建筑负荷预测精度。 相似文献
18.
针对现有空间负荷预测方法通常以单一水平年为目标,没有考虑城市规划的多阶段性对各阶段空间负荷预测模型的不同需求,以及待预测区域为新建小区或缺少历史负荷数据时预测方法失效的问题,提出一种计及城市发展程度的多阶段空间负荷预测方法。该方法以解决城市发展多阶段规划的负荷预测需求为目标,首先建立与城市发展各阶段相对应的电力地理信息系统。其次根据用地信息、业扩报装计划和有限的历史负荷数据等信息建立近期空间负荷预测模型。然后确定分类负荷密度饱和值。最后利用近期空间负荷预测结果、分类负荷密度饱和值和城市建设信息等构建计及城市发展程度的中、远期空间负荷预测模型,实现待预测区域的多个发展建设阶段的空间负荷预测。工程实例证明了该方法的实用性和有效性。 相似文献
19.
20.
随着空调等降温设备的大量使用,降温负荷对电力系统安全经济运行的影响越来越显著。以广州市的历史负荷和气温数据为基础,分析了广州市夏季降温负荷与气温之间相关性。首先,考虑到夏季基准负荷逐日的增长量,提出利用灰色系统GM(1,1)模型预测出电网夏季的日基准负荷曲线,进而准确剥离出夏季的日降温负荷曲线,并分析了日降温负荷曲线的“W”型变化特征。其次,基于日最大降温负荷与日最高温度的相关性分析,建立了日最大降温负荷与日最高温度之间关系的分段回归模型,并对日最大降温负荷进行预测。最后考虑温度累积效应的影响,对分段回归模型进行了修正,进一步提高了预测精度,从而为准确预测电网夏季日高峰负荷提供依据。 相似文献