空间负荷预测在苏州工业园区电网规划中的应用

结合江苏苏州工业园区的电网规划,为解决不确定性因素对园区电网的负荷预测结果的不利影响,利用空间负荷预测方法对园区电网进行负荷预测。预测结果表明,空间负荷预测得到的负荷大小和地理位置分布与实际情况偏差较小,满足电网规划的要求。     

湖南电网短期负荷预测工作的分析

前言在电网商业化运营中,短期负荷预测不仅是电网运营效益的指南针,而且对中、长期负荷预测的调整具有重要的参考价值。为了把湖南电网短期负荷预测工作提高到一个新水平,根据近年来湖南电网开展商业化运营的情况,对影响湖南电网用电的主要因素和短期负荷预测中存在的问题,进行了简要分析和探讨,并结合当前电力市场运营的实际情况,提出了搞好电网短期负荷预测工作的建议和亟待解决的问题。１负荷预测在１９９８年湖南电网运行中的作用１９９８年湖南电网频率合格率为９９．９９６６％,比１９９７年增加０．０２６６个百分点,创湖南…     

空间负荷预测在城市电网规划中的应用

为解决不确定性因素对城市电网负荷预测结果的不利影响,该文用空间负荷预测方法对城区电网进行负荷预测,预测得到的负荷大小和地理位置分布与实际情况偏差较小,取得了预期的效果.     

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.     

考虑不确定性的城市电网空间负荷预测方法

为解决不确定性因素对城市电网负荷预测结果的不利影响,该文分析了空间负荷预测方法的优势,对其理论和模型进行了详细的描述,并对某城市新区电网进行负荷预测,预测得到的负荷大小和地理位置分布与实际情况偏差较小,取得了预期的效果,为城市电网规划奠定了基础.     

贵阳市南部中心区负荷预测

负荷预测是城市电网规划中的基础工作，其精度的高低直接影响着电网规划质量的优劣。本文通过对历史年负荷数据的分析，运用相关电网规划软件对贵阳市南部城市中心区的负荷进行了预测，基础年为2006年，规划年为2010年。     

提高电网短期负荷预测精度的研究

以广东珠海电网为例,对负荷特性、经济发展特点、气候变化、预测技术等影响负荷预测的因素进行分析,提出提高电网短期负荷预测精度的措施:建立和完善典型日负荷样本数据库;特殊事件造成负荷较大变化时进行人工干预;合理做好负荷日的类型分析;采用扩展短期负荷预测方法进行明日负荷预测;建立气象负荷数据源预测模型.这些措施在珠海电网中应...     

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.     

基于人均用电量和人均用电负荷的饱和负荷预测

电力饱和负荷预测对城市、区域电网的规划与发展具有重要的作用,它可以有效的降低电网改造成本,提高电网改造的合理性、可靠性与经济性。主要采用基于人均用电量与人口预测的方法对华东某一小城市的全社会用电量的饱和规模与饱和时间进行预测。传统人均用电量法对负荷的预测主要采用预测得到的总电量除以评估得到的最大负荷利用小时数来确定负荷的大小。但是最大负荷利用小时数评估起来难度比较大,所以采用了新的基于人均用电负荷预测的方法,该方法运用logistic曲线分别预测人均用电负荷和人口的饱和值,再将两者相乘,即可得到饱和负荷规模。     

丰台地区负荷分析

在分析丰台地理及经济发展的基础上，对丰台电网的负荷发展现状进行分析，并在此基础上做负荷预测分析，提出了对地区网负荷的分析研究方法。重点强调了地区经济的发展走势对电网负荷以及负荷的预测的影响。     

间接预测法在母线负荷预测中的应用

为避免220kV母线供电区域内负荷转供、停电以及小电源等因素对母线负荷预测的不利影响,提出了一种间接预测母线负荷的方法。首先把母线下网负荷转换成该母线供电区域内的理想用电负荷,再将该理想用电负荷作为历史负荷数据采用系统负荷预测的算法进行预测得到初步预测结果,同时获取待预测日各种影响因素的值,初步预测结果剔除各种影响因素...     

采用分时段模糊技术处理实现的短期负荷预报

采用模糊理论对日负荷曲线预报中的天气因素进行了模糊处理 ,根据季节、气候的不同对天气因素做不同的模糊处理和不同数学模型 ,建立了专家处理系统 ,提高了短期负荷预测的精度。通过对河南省某市级电力系统日负荷曲线的模拟预测 ,虽然仅对天气做了模糊处理 ,但预测结果令人满意。     

基于预测可信度的多级协调空间负荷预测方法

提出了一种基于负荷预测可信度的多级协调SLF方法。该方法首先确定了元胞历史负荷数据的评价指标,并运用灰色关联度理论,计算出各元胞的负荷预测可信度。然后建立空间电力负荷多级协调模型,并将元胞负荷预测可信度应用到多级协调模型中,最后利用该模型调整元胞目标年的预测值。空间电力负荷多级协调模型以不同层级负荷之间的关系为基础,在一定程度上能够消除上下级电网的预测结果之间出现的不均衡、不协调的现象,从而提高了空间负荷预测结果的准确性,为进一步的电网规划打下了坚实的基础。选取了指数平滑作为预测方法,并对预测结果采用空间电力负荷多级协调模型进行优化调整,调整结果表明空间电力负荷多级协调模型具有实用性和有效性。     

基于Shapley值的电力负荷预测结果溯源分析方法

针对由于机器学习的黑盒特性导致负荷预测结果不可溯源的问题,提出一种基于Shapley值的电力负荷预测结果溯源分析方法.阐述利用机器学习技术构建负荷预测模型的一般形式和基本过程;基于负荷预测模型,利用合作博弈论中的Shapley值计算各类负荷影响因素对负荷预测结果的影响;对利用梯度提升决策树算法训练的负荷预测模型的预测结果进行溯源分析.实验结果表明,利用所提方法可以洞察负荷预测过程,从而实现负荷预测结果的溯源分析以及考虑复杂非线性的负荷影响因素分析,也可以在构建负荷预测模型时指导特征选择提升模型的泛化能力.     

基于解耦机制的小地区短期负荷预测方法

小地区短期负荷预测是电网企业精细化管理的重要手段。针对小地区短期负荷预测的特点,提出了基于解耦机制的误差分析模型和预测机制,将短期负荷预测分为负荷水平预测和标幺曲线预测两部分。小地区负荷结构单一,标幺曲线相对稳定;负荷基数较小,负荷水平的波动比较明显;标幺曲线和负荷水平受不同因素的影响,影响机理不同,分别预测有利于提高预测精度。提出了标幺曲线和平均负荷预测方法,理论分析和实践均证明,该方法能较好地把握负荷发展规律,提高了标幺曲线和平均负荷的预测精度,使总预测效果得到了改善。     

月敏感负荷预测方法研究

主要研究了敏感负荷领域中的相关问题,建立了敏感负荷预测模型,并在原季节指数预测方法的基础上,提出一种改进季节指数法用以预测月敏感负荷,与原预测方法相比,有效地提高了预测精度。根据江苏省实际负荷运行数据,对两种预测结果进行了比较。     

基于Softmax概率分类器的数据驱动空间负荷预测

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。     

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。     

基于改进LS-SVM的短期电力负荷预测方法研究

针对电力负荷随机性强、稳定性差、预测精度不理想等问题,提出了一种基于粒子群优化PSO和最小二乘支持向量机LS-SVM的短期负荷预测方法。模型的输入因子是负荷数据和气象信息等。粒子群优化算法用于实现支持向量机参数的自动优化,建立了基于粒子群优化的最小二乘支持向量机短期负荷预测模型。通过仿真验证了改进前后预测模型的准确性和有效性,结果表明,改进的预测方法具有收敛性好、预测精度高、训练速度快的优点。本研究为我国短期负荷预测方法的发展提供了参考和借鉴。     

基于条件生成对抗网络的短期负荷预测

精准的短期负荷预测对电力系统制定合理生产计划、提高经济效益、保证电网安全运行具有重要意义.为学习非线性负荷数据中隐含的深层关系,提高短期负荷预测精度,文中提出一种基于条件生成对抗网络的短期负荷预测模型.所提模型使用卷积神经网络构建生成模型和判别模型,以负荷影响因素作为条件,并引入特征损失函数作为判别模型部分隐藏层的损失函数.然后,通过条件生成对抗网络的博弈训练,使生成模型以负荷影响因素为条件生成预测负荷数据,从而进行短期负荷预测.最后,以美国某地区3年的负荷作为实际算例,对比所提模型与其他模型的预测结果,验证了所提模型在兼顾泛化能力的同时可以提高短期负荷的预测精度.