基于参数迁移的节假日短期负荷预测方法

在短期负荷预测中,节假日负荷的相关数据通常较少且负荷规律和平常日差异较大,因此节假日负荷预测的精度往往较差。为此,提出了一种基于参数迁移的节假日短期负荷预测方法,采用深度神经网络结合迁移学习以提高节假日负荷预测精度,用某省电网的实际负荷数据进行了仿真分析。结果表明,方法能有效提高节假日负荷预测的准确性。     

基于模糊推理的节假日负荷预测

由于节假日负荷成分与正常日有较大差异,加之样本较少,节假日短期负荷预测难度较大.而准确预测可以提高系统运行的可靠性和经济性.为了提高节假日负荷预测的精度,针对节假日负荷特点,利用相似日方法获得待预测日负荷归一化曲线,利用模糊推理方法对负荷水平年增长率进行调整.通过对实际负荷进行预报计算,结果表明预报精度较高,建议用于节假日短期负荷预测.     

基于改进倍比平滑法的节假日短期负荷预测方法

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.     

基于滤波算法的节假日短期负荷预测研究

针对节假日短期负荷变化幅度大,难以精确预测,提出了一种基于滤波算法的节假日短期负荷预测算法。简要介绍了卡尔曼滤波和维纳滤波的预测原理,结合电力负荷实际情况,建立了相应的短期负荷预测模型。对节假日负荷进行了预测,证实了应用滤波算法进行负荷预测的可行性和有效性,并对比了两种预测算法。针对大幅度负荷变化导致预测精度不高的问题,讨论了基于滤波算法误差原因,在此基础上,提出了通过引入修正因子对预测结果进行修正。修正后的预测结果具有很高的精度,证实了改进算法的正确性和有效性。     

考虑气象信息的节假日负荷预测

因负荷成分与正常日有较大差异且样本较少,故节假日短期负荷预测精度往往不太理想.通过对节假日负荷特性的分析,考虑到节假日负荷影响主要受负荷自然增长及天气等因素的影响较大,文中采用相似日方法和模糊推理分别预测负荷曲线模式和负荷水平.通过对实际系统负荷进行预测,结果表明预测精度较高,尤其在气象出现较大变化的节假日能够得到较好的预测结果.     

特殊节假日的短期负荷预测新方法

针对电力系统短期负荷预测中特殊节假日负荷的特殊性,利用基于模糊逻辑推理的预测新方法,预测了特殊节假日的最高负荷、最低负荷以及24点负荷值。该方法合理运用了模糊逻辑对不确定问题的推理能力,克服了特殊节假日由于负荷特性的不同以及历史数据缺乏所导致的预测困难,仿真结果验证了该方法的有效性。     

基于短期负荷预测的超短期负荷预测曲线外推法（Only in Chinese）

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。     

基于神经网络BP算法的局部电网短期负荷预测系统

电网负荷受天气、节假日、生活方式等多方面影响,短期呈现随机性,长期来看,又有一定的规律可循。选择合适的短期负荷预测模型,将有利于提高短期负荷预测的准确率,极大方便调度机构的短期负荷预测工作。本文基于神经网络BP算法的局部电网短期负荷预测,通过采集局部电网数据样本,获得大量数组,再使用神经网络BP算法进行自适应学习,获取各因素与负荷之间的非线性关系,预测局部电网负荷变化趋势,提前调控电网方式,降低局部电网主变、线路运行风险,确保电网安全运行。     

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

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%。     

短期负荷预测的组合数据挖掘算法

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.     

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。     

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.     

复杂环境下新型电力系统扩展短期负荷预测研究

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。     

基于相似日负荷修正的节假日短期负荷预测

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%。     

基于相似日负荷修正的节假日短期负荷预测

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%.     

影响江西电网负荷预测准确率的因素分析

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。     

神经网络负荷预测模型研究

负荷预测模型直接影响预测精度,对电网调度运行具有重要作用。本文首先分析了影响负荷预测的时间因素及其周期特性,将负荷预测的时间属性分为工作日、双休日及节假日;进而分析实时气象因素和区间气象因素对负荷预测的影响;在此基础上,分别建立不同时间属性的神经网络负荷预测模型。算例结果表明,提出的模型能有效准确地预测短期负荷,具有一定的工程意义。     

辽宁电网短期负荷预测方法研究

主要介绍了适于辽宁电网短期负荷预测的基本方法－－线性外推法。同时针对北方气候对负荷影响的特殊性,提出了温度与负荷的幂函数关系及降水量与负荷的关系,以此修正线性外推基本方法的计算结果,并阐述了一种在运行实践中总结出的节假日负荷预测方法。     

基于配用电大数据的短期负荷预测

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。     

一种实用的灰色模型预测短期负荷的方法

短期负荷预测一直是电力系统调度部门制定运行计划的重要依据,随着电力逐步走向市场化,准确的短期负荷预测变得更加重要.现有的预测方法很多,但要达到高精度的预测,往往要建立非常复杂的多个模型.由于纵向时间序列呈总体指数上升特性,本文用2组灰色模型对除国定节假日外的日期进行24h预测后加权,该方法简单,且具有较好的实用效果.