电力负荷的中期预测分析

对电力负荷的中期预测作了综合分析，应用几种预测方法对具有较完整负荷历史资料的某市中期电力负荷作了详细的计算分析，获得明确的预测值。这样的预测分析对正在进行的“九五”计划和到２０１０年的长期电力规划的负荷预测是有参考价值的。     

配网中期负荷预测方法研究

提出基于配变容量的配网中期负荷预测方法,介绍中、高压配网的中期负荷预测和参数计算,并给出实例分析.     

考虑温度因素的中期电力负荷概率密度预测方法

针对温度因素对中期电力负荷的影响,在现有的神经网络预测、区间预测和概率密度预测方法的基础上,研究在不同分位点上温度和历史负荷对电力系统中期负荷分布规律的影响,提出基于神经网络分位数回归的中期电力负荷概率密度预测方法。根据连续的条件分位数函数预测中期负荷在某天的概率密度,获得更多关于中期负荷预测信息。同时,通过比较在考虑温度因素下和不考虑温度因素下的条件概率密度预测曲线以及峰值对应的点预测值,可以得出,预测当天温度对中期负荷预测有较重要的影响,这为降低中期电力负荷预测的不确定因素提供了更多的决策信息和预测结果。     

ANN在电力系统中期负荷预测中的应用

本文提出了ANN在电力系统中期负荷预测中的应用。基于优化理论，采用改进型BP算法，该算法学习精度高，收敛速度快。通过仿真算例证明了该算法的优点，并将训练结果应用到了配网规划的实例中，验证了ANN在中期负荷预测中的可行性。     

新型电力系统形势下基于负荷特性的负荷预测研究

电力负荷预测是电网规划工作的基础,随着对电力系统进行精益化管理要求的提出,特别是在电网规划中, 多元负荷预测成为重要的研究课题,对负荷在空间及时间上的分布预测提出了更高的要求.目前,用电形式更加多样化,除了常规负荷外,电动汽车、５G基站及港口岸电等新兴负荷发展也十分迅猛,传统的负荷预测已不能满足规划需求.现在通过负荷特性分析得到典型用户曲线,常规负荷曲线叠加新兴负荷曲线等于总负荷曲线.     

基于Prophet算法和Blending集成学习的实时负荷中期预测

目前的中期负荷预测一般未考虑负荷实时状态,而负荷数据的非线性、季节性、随机性、时序性特征将影响实时负荷的中期预测。构建一个实时负荷中期预测的框架,采用Prophet算法提取负荷数据的季节性部分,采用Blending集成学习对负荷数据的非季节部分进行滚动预测,将季节性部分和非季节性部分合成中期负荷实时数据。爱尔兰电力系统的算例结果验证了模型的有效性和稳定性。     

基于MATLAB统计学工具箱的电力负荷中期预测

对电力负荷中期预测中常用的增长趋势预测法和回归模型预测法的优缺点进行分析,在此基础上提出一种电力负荷中期预测的新方法.该方法巧妙运用MATLAB统计学工具箱中的现有函数,并借助可决系数和预测相对标准偏差两个定量判别指标来选择预测模型,从而能更有效地对电力负荷进行中期预测.该方法在理论上兼有常用的增长趋势预测法和回归模型预测法的优点,在实践中又能很好地克服上述两种方法的缺点,且编程简单,预测结果精确度高,具有很强的实用性.最后以浙江省全社会用电量的中期预测为例,说明该方法的有效性.     

基于负荷分解的日最大负荷预测方法研究

提出了1种基于负荷分解的日最大负荷预测算法,即将负荷分解为正常负荷分量和天气敏感负荷分量,用结合指数趋势和周期趋势的组合模型预测正常负荷分量．用神经网络法预测天气敏感负荷分量。同时,在分析最大负荷和人体舒适度相关性的基础上,在预测中用人体舒适度替代了常规气象因子。预测结果表明,该方法可以取得较为满意的预测效果。     

泰州电网负荷特性分析及负荷预测

随着地区经济的发展,泰州市大型、特大型企业日渐增多,用电负荷、电网规模不断增长与扩大.文中在分析泰州地区负荷特性分析的基础上,对如何做好泰州电网负荷预测工作展开讨论,针对影响负荷预测准确性的主要影响因素进行了详细分析,并对如何进一步提高负荷预测的准确性提出了解决办法.     

最小概率最大化回归方法在电力负荷中期预测中的应用

提出使用最大化最小概率机器回归MPMR方法来解决电力负荷中期预测问题，结合EUNITE网络2001年举办的电力负荷预测比赛提供的数据进行相关数据分析，建立相应的电力负荷中期预测模型。在分析最大化最小概率机器MPM及用于回归的原理的基础上，使用MPMR方法对不同的训练样本集进行训练，并计算出预测期的预测值，取得了理想的预测结果。核函数形状参数p及回归管道宽度8的选取将直接影响MPMR回归技术的系统性能，试验中使用了交叉验证的方法确定这2个参数值。通过交叉验证求得，当核函数形状参数和回归管道宽度取值都为3时预测效果更为理想。文中对试验结果进行分析，并与相关向量机等其它方法比较，总结了MPMR预测方法的特点。     

考虑新用户负荷发展的中短期负荷预测方法

区分新接电用户与老用户负荷增长的不同规律,使中短期负荷预测更符合实际.介绍了考虑新接电用户负荷发展的中短期负荷预测方法的基本思路,数学模型及负荷预测表达式,新接电用户需用系数计算方法.通过地区中短期负荷预测实例的结果分析,建议了准确度最高的负荷预测公式,并证明该预测方法较原有的方法明显提高了负荷预测的精确程度.     

电力系统中短期负荷预测方法

在电力系统运行管理中，负荷预测决定了发、输电和电能分配等方面的合理安排问题，对电力系统的安全经济运行与国民经济的发展具有非常重要的影响，对电力系统中短期负荷预测方法作了介绍。     

动态等维新息模型在中长期负荷预测中的应用

负荷预测是选取电力系统规划变电站及发电厂主变压器容量的主要依据,以实际某市供电负荷为例,建立起动态等维新息模型,把原始数据和预测的数据进行组合,利用回归模型,得到模型的预测方程,并从模型预测结果的相对误差和模型精度等级进行对比,说明结合动态等维新息模型,能使中长期电力负荷预测结果更靠近实际负荷值。     

小波包变换在冲击负荷地区短期负荷预测中的应用

针对大量冲击负荷接入系统给负荷预测造成困难,提出一种基于小波包变换的电力系统短期负荷预测新方法:通过小波包变换将负荷序列分解成不同频率的负荷子序列,根据负荷分量不同的变化特点,分别采用相匹配的模型进行预测,最后叠加各子序列的预测值,得出实际预测结果。选择广东某电网实测负荷数据作为算例,仿真结果表明该方法能有效提高冲击负荷地区的短期负荷预测精度。     

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。     

基于模式识别的自适应短期负荷预测系统

短期电力负荷预测是电力调度部门制定发电计划的依据,预测系的灵活适应性是实现电网经济运行的重要保证。在分析影响日电力负荷主要因素的基础上,给出了用于日荷预测的负荷模式定义,基于海明距离给出了负荷模式相拟度的计算方法,有效实现了预测负荷所需要的历史负荷模式样本的抽取。利用人工神经网络实现由历史负荷模式到预测负荷的映射。基于C＋＋面向对象的程序设计方法开发了一套灵活的智能自适应短期预测系统。多个用户的应用结果表明,本系统具有很好的实用性和满意的预测结果。     

负荷求导法在超短期负荷预测中的应用

负荷求导法是超短期电力负荷预测的一种新方法。以负荷求导法为基础,对其中的不足进行了改进,并根据分形理论和相似日理论提出了一种历史数据处理的新方法:对历史负荷分类取样同时进行伪数据辨识处理,以提高预测精度。算法具有实现简单、运算迅速、精度高等特点。仿真表明了改进模型的有效性和算法的可行性,对于超短期负荷预测这类需要反应迅速的问题,采用本文提供的方法进行预测是可靠且非常有效的。     

RBF神经网络在中长期负荷预测中的应用

根据电力系统中长期负荷的特点和径向基函数(RBF)神经网络的非线性辨识功能,将RBF神经网络应用于中长期负荷预测的数据预处理,具体讨论了空缺数据的补全以及失真数据的查找和修正,并提出了一种改进的基于RBF神经网络的中长期负荷预测模型。实际算例的分析表明,所提出的基于RBF神经网络的缺损数据处理方法和改进的中长期负荷预测模型是可行和有效的。     

短期负荷预测中的负荷求导法及天气因素的使用

为了将超短期负荷预测中具有高准确率和高可靠性的负荷求导法移植到短期负荷预测中,从采用差分运算、降低直接预测的数值,以及充分使用负荷“近大远小”、“相似日”性质等角度对其进行了分析。结果表明可以将负荷求导法用于短期负荷预测。将其与标准日负荷曲线取平均作为预测结果,示例表明日平均误差小于2%。若将最近15天左右预测值与实际负荷值之间的差值,再通过各敏感点负荷与平均气温等作回归分析,可以实现考虑天气的负荷求导法。     

改进的基于聚类分析的超短期负荷预测方法

分析了当前超短期负荷预测中存在的主要问题;在对大量历史负荷观测的基础上,提出并应用聚类分析理论进行负荷变化趋势分析;通过分析,在固定分类预测算法的基础上,提出了动态分类预测算法,该方法能够根据预测目标自动调整预测样本;大量的模拟测试表明,改进后的预测方法能够在无需频繁维护样本的情况下,大幅提高超短期负荷预测精度,尤其是对节假日负荷预测,效果更为明显.