湖州电网电力电量预测

本文根据湖州市地方国民经济和社会发展情况，采用电力弹性系数法，数学回归分析法，新增投资用电量法ＧＤＰ单耗法等４种方法，对湖州电网负荷电量进行了中长期预测，预测结果较为接近，可作为电网中长期规划设计的重要依据。     

浅谈几种电力需求量的预测方法

根据多年从事电力负荷预测的经历和感受,重点介绍在电力需求预测中需电量预测的几种常用方法,并对这几种预测方法作了阐述,同时就如何做好电力需求预测工作提出建议。     

山东省三种产业用电量的计量经济学分析

依据山东省1990～2000年期间国民经济和电力发展的有关数据,应用计量经济学方法分析了国民经济三个产业用电量及居民生活用电量,分别得到各自用电量的回归方程.回归方程的回归结果达到了较高的拟合优度,并且通过了各种统计检验.用这些方程预测了山东省“十五“期间各产业的用电量.     

地区电力负荷中期预测方法分析比较与应用

通过对各种预测方法及特点的分析比较，得出用灰色模型预测方法作为地区电力负荷中期预测的方法，且该方法误差小、精度高。     

人工神经网络在用电量预测中的应用

人工神经网络是模仿人脑神经元结构,特性和大脑认知功能而构成的新型信号,信息处理系统。文中采用的人工神经网络反向传播模型对四川省历年用电量历史数据样本进行学习,分析年用量的发展趋势,然后进行长期预测,取得了较为满意的效果。     

基于ARIMA模型的包头市全社会用电量短期预测

通过分析包头市2017—2021年全社会用电量月度数据,运用时间序列的分析方法建立合适的模型,从而达到对包头市未来用电量短期预测的目的.模型预测结果显示：包头市全社会用电量服从ARIMA(2,(1,12),0)模型,利用ARIMA(2,(1,12),0)模型预测包头市未来的短期用电量切实可行,能更好地为电力行业制定短期电力政策提供有力的参考.     

基于改进BP神经网络的全社会用电量预测模型研究

采用引入附加动量和自适应学习率的BP(Back Propagation)神经网络来构建全社会用电量预测模型,此模型有效地解决了标准BP神经网络容易陷入局部极小点和收敛速度慢的问题,并且能够很好地解决全社会用电量与其影响因素之间复杂的非线性关系。利用MATLAB7.0对该模型进行了设计,并用设计好的模型对1986~2005年的全社会用电量及GDP数据进行了仿真,仿真结果表明该模型收敛速度快、拟合效果好、泛化能力强、预测精度高。运用该模型对2006年全社会用电量进行了预测,预测结果表明该模型具有一定的实用价值。     

地区电网用电特性分析及年用电量预测

利用灰色预测原理简单、建模数据少和运算方便的优点,结合神经网络非线性函数逼近能力强的特性,在此基础上提出了灰色-神经网络预测方法,并对哈尔滨市用电量进行了的仿真预测。     

灰色理论在中长期电力负荷预测中的应用研究

提出了基于灰色预测理论的电力系统中长期负荷预测的实用新方法，对于中长期电力负荷预测这样复杂问题，其简捷实用，预测精度高，经实际算例核证明该方法可以做为中长期电力负荷预测的理想工具之一。     

城市中长期用电量预测方法研究

针对影响城市中长期用电量的主要因素,分别建立一元线性回归法、产业产值单耗法、大用户分析法以及气候分析法4种预测模型,结合算例详细介绍各模型的建立过程以及有效性检验。算例结果表明,4种预测方法在预测用电量时误差都较小,可以针对不同的情况采用。     

考虑不确定性的电力电量平衡分析

针对水火电力系统的中长期电力电量平衡分析问题,利用多场景建模方法描述中长期来水和负荷预测信息的不确定性,并以系统总的电力电量缺额最小化为优化目标,综合考虑系统约束、机组及机组集合约束、燃煤计划约束、水库用水计划约束等多种约束条件,建立了水火电力系统的多场景中长期电力电量平衡分析模型。最后,结合实际水火电力系统的算例,对所提模型进行了验证分析。结果表明,多场景模型制定的调度方案更具适用性,水火联合发电能够更好地保证系统的安全稳定运行。     

城市电力需求灰色预测模型研究

采用灰色系统理论预测城市用电量,通过1999~2006年的数据来对模型进行验证,结果表明,模型的检验值P>0.95、C<0.35,这说明模型的预测精度为"优"。同时,对南京市2009~2015年全社会用电量进行预测,结果表明,今后几年南京市的用电量增加很快,这就要求加快电力建设,来满足今后几年经济发展对电力的需求。     

区域电力交易安全分析模型与算法

提出了基于直流潮流法的区域电力交易安全分析的模型和算法.该方法计算速度快,对于在线安全分析十分重要.某电网实际负荷的计算结果验证了该方法的快速性与有效性.     

短期电力负荷组合预测方法研究

为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度.     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ，辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类和正交化法，利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＲＢＦ网络用于负荷预测的有效性。     

电力有源滤波器控制器的研究与仿真分析

建立了包括有源电力滤波器（ＡＰＦ）在内的公共连接点（ＰＣＣ）的数学模型;针对实际控制器计算过程中的时间延迟,提出对负载电流值进行预测的两种算法,对逆变器的开关元件提出一种新型脉宽调制（ＰＷＭ）控制方案,并采用电力电子仿真软件包进行了仿真验证。     

合肥市电力负荷短期预测模型探讨

电力负荷短期预测对于电源布点、电网规划等具有重要意义,时间序列负荷预测技术适宜于建立电力负荷短期预测模型,按照时间序列预测方法的建模步骤,建立合肥市月度供电量预测的数学模型,针对时间序列预测技术的特点提出了进一步优化预测模型的思路。     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（ＲａｄｉａＢａｓｉｓＦｕｎｃｔｉｏ．辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类法和正文化法。利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＡＢＦ网络用于负荷预测的有效性。     

电力衍生品市场研究

电力衍生品市场是电力现货市场发展的必然产物,它有利于发现电力真实的价格,促进电力市场公平竞争,并能为市场交易者提供风险管理工具．还就电力远期、期货、期权等基本的电力衍生品在电力市场的应用进行了研究．     

我国“十三五”末电力需求将达8万亿千瓦时

中国电力网2013-02-22《中国能源报》2月21日刊载了由国家电力规划研究中心发布的《我国中长期发电能力及电力需求发展预测》报告。报告显示,2020年以前,我国电力需求年均增速不会低于6%,到2020年全国需电量将达到7-8万亿千瓦时左右。2021-2030年,我国电力需求年均增速将放缓