共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
为了提高节假日短期负荷预测精度,提出了基值与归一化曲线结合并加入灰色关联度气象因素修正的负荷预测方法.基值预测时兼顾“重近轻远”的原则,将指数平滑预测改进后应用于节假日负荷预测中,并采用0.618优选法确定平滑系数,对关联日样本进行指数平滑处理;归一化曲线预测时考虑基于相同节假日负荷波动的相似性,引入灰色关联度法分析气象关联性.将该方法应用于广东省某市2011年96点节假日负荷预测,预测结果精度较好,验证了该法的可行性.本模型将正常日的基值与归一化曲线短期负荷预测方法用于节假日负荷预测中,克服了样本贫乏带来的预测精度不高问题,为电力部门节假日负荷预测提供参考. 相似文献
4.
5.
6.
7.
基于短期负荷预测的超短期负荷预测曲线外推法(Only in Chinese) 总被引:3,自引:0,他引:3
针对短期和超短期负荷预测的特点,提出了一种基于短期负荷预测的超短期负荷预测曲线外推算法。该算法充分利用了短期负荷预测已取得的成果,解决了传统采用负荷历史数据进行超短期负荷预测时在拐点、天气剧烈变化和节假日期间负荷预测精度下降的问题。为了提高负荷预测精度,还讨论了在进行超短期负荷预测时,对历史坏数据的处理以及对短期负荷预测中对拐点预测不准的修正等实用性问题。通过在四川电网调度自动化系统中的应用结果表明,该方法速度快,精度高,运行可靠稳定,具有较强的适应性。 相似文献
8.
9.
《电网技术》2017,(6)
节假日负荷易受气象信息、国家调休政策等影响,预测精度较低。为解决上述问题,提出了基于分形特性修正气象相似日的节假日短期负荷预测方法。采用归一化处理和日期适当调整,解决了数据值之间的差异性、经济增长率和负荷变化趋势不一致的问题;将分形特性的自相似性引入节假日短期负荷预测,剔除气象突变带来的不良影响,在海量历史样本集中精准确定相似日查找范围;依据相似性原理,综合考虑气象、日类型等影响因素,建立曲线辨析函数计算负荷的差异系数,在特定范围内查找与待预测节假日气象最相似的一天。以南方某电网数据为实际算例进行仿真,结果表明所提出方法满足工程实际的需求,其中2015年春节期间96点日负荷准确度达97.63%。 相似文献
10.
短期负荷预测的组合数据挖掘算法 总被引:8,自引:3,他引:5
给出了一种短期电力负荷预测的组合数据挖掘算法.通过日负荷特性分析,在设定长度的最近历史日期中选择与预测日天气最相似的为基准日,通过该模式下天气相似日的相关影响因素差异与相应负荷变化率关联规则挖掘建模,挖掘模型算法采用C4.5和CART算法的基于BP网络加权组合,算法还基于范例推理给出节假日调整因子校正节假日的影响,设计出一种高精确度短期负荷预测系统.实际应用结果表明该组合算法预测精确度高、效果良好. 相似文献
11.
12.
13.
由于能源结构的多元化和用电需求的多样性,电力系统的运行环境和负荷变得越发复杂,导致短期负荷预测精度低。针对上述问题,提出复杂环境下新型电力系统扩展短期负荷预测。通过分解大量的历史负荷数据,发现负荷变化的多种趋势和周期性特征。计算负荷序列的形态系数,反映负荷序列的动态变化。选取趋势相似日找到与目标预测日气候条件、节假日安排等相似的历史日,在得到相似日的负荷数据后,对数据进行处理和参数优化,进而预测目标日的负荷。实验结果表明,该预测方法预测精度较高,最终能输出较为准确的短期负荷预测结果。 相似文献
14.
针对短期负荷预测中节假日的特殊性,提出基于相似日负荷修正的算法。为了克服节假日样本较少所导致的预测困难,将近期周末扩充到相似日样本中。该算法评估相似性时综合考虑气象和时间因素。针对气象因素,采用灰色关联分析法来计算,而对于时间因素,兼顾到“近大远小”和“周期性”的原则,并以二者相似度的乘积量化总体相似性,选出若干相似日。考虑到类型日和年周期对负荷的影响,基于“历年节假日与周末负荷比例”和“负荷年增长率”分别修正相似周末和相似节假日的负荷。该算法应用到某地级市的预测中,平均相对误差为2.29%。 相似文献
15.
基于相似日负荷修正的节假日短期负荷预测 总被引:5,自引:0,他引:5
针对短期负荷预测中节假日的特殊性,提出基于相似日负荷修正的算法.为了克服节假日样本较少所导致的预测困难,将近期周末扩充到相似日样本中.该算法评估相似性时综合考虑气象和时间因素.针对气象因素,采用灰色关联分析法来计算,而对于时间因素,兼顾到"近大远小"和"周期性"的原则,并以二者相似度的乘积量化总体相似性,选出若干相似日.考虑到类型日和年周期对负荷的影响,基于"历年节假日与周末负荷比例"和"负荷年增长率"分别修正相似周末和相似节假日的负荷.该算法应用到某地级市的预测中,平均相对误差为2.29%. 相似文献
16.
本文分析了影响江西电网用电负荷的诸多因素(如气象、小水电、大用户、节假日及特殊事件的影响),从加强对气象因素、负荷类型及历史数据的精细化分析入手,研究各种负荷预测方法,找到了适应江西电网目前状况的短期负荷预测方法,进而提出了提高江西电网负荷预测准确率的主要思路。 相似文献
17.
18.
19.
受限于数据信息的不完整和粗粒度,短期网供负荷预测的准确率一直难以进一步提升,而配用电信息系统数据的积累和大数据技术的快速发展为开展基于配用大数据的短期负荷预测提供了数据基础和技术支撑。本文首先针对配用电大数据的特征分析了"脏数据"的来源与类型,并提出了相应的数据清洗方法;其次基于大量的历史负荷、电量和气象数据,构建了行业负荷温度影响模型和行业电量节假日影响模型;最后基于上述用电影响模型开展了江苏电网短期网供负荷预测,实际计算结果验证了预测效果的有效性和准确性。 相似文献