共查询到10条相似文献,搜索用时 15 毫秒
1.
将负荷分解为正常负荷及小水电负荷,进一步将其分别分解为气象负荷和长期趋势负荷分量,建立气象因素和气象负荷的回归关系,并以回归结果对历史负荷数据进行相似搜索,该方法可提高预测样本同被预测日负荷的相似度,从而增加预测结果的可信度和精确度。采用多种负荷预测方法以权重优化组合的方式进行负荷组合预测。应用实例证明,所提出的方法可体现不同地区、不同类型、不同气象敏感度的负荷特性,对于负荷总量较小,变动范围较大,受天气因素影响明显且含有山区小水电负荷的地区具有较好的精度。 相似文献
2.
3.
用于小水电地区负荷预测的两阶段还原法 总被引:3,自引:2,他引:3
影响电力负荷预测的因素较多,其中小水电出力的强不确定性对多小水电地区负荷预测准确率的影响尤其明显。文章首先分析了小水电发电负荷的特性及主要相关因素,根据小水电的规律性,提出了小水电负荷预测的有效方法。考虑到不同负荷成分的差异性,提出了多小水电地区负荷预测的两阶段还原法,将网供负荷分解为全社会负荷与小水电负荷,根据各自特点选择不同的适合的方法预测,再还原为网供负荷预测结果。实例验证了文中方法的正确性和有效性。文中的工作对于多小水电地区网供负荷或小水电负荷预测具有重要现实意义与实用价值。 相似文献
4.
剖析了气象因素和小水电在湖北电网短期负荷预测中所具有的影响和作用,提出了负荷预测中处理气象因素和小水电影响的不同策略,处理策略应用效果理想,负荷预测准确率明显提高. 相似文献
5.
基于相似日负荷修正的台风期间短期负荷预测 总被引:2,自引:0,他引:2
在台风期间现有的负荷预测方法的预测精度一般不高.在此背景下,以广东地区为例,首先分析了气象因子与系统负荷之间的相关性,从总负荷中分解出趋势分量、周期分量和气象敏感分量,在此基础上提出了基于相似日气象负荷修正的适用于台风期间的短期负荷预测方法.同时,为克服台风日样本较少所导致的预测困难,将近期及往年同期气象因素相似的历史日扩充到相似日样本中,并引入趋势相似度因子、气象相似度因子和时间相似度因子来评估历史日的相似性.用广东电力系统的实际数据做了测试,预测结果表明采用所发展的修正模型时台风日的负荷预测精度较现有方法有了较大提高. 相似文献
6.
基于改进回归法的电力负荷预测 总被引:16,自引:4,他引:16
提出了一种基于改进回归法的电力负荷预测方法,在对历史数据进行分析和参数估计的基础上,先用岭回归法剔除奇异值,再用主成分回归法提取影响负荷的主要因素,得出模型的解析形式。针对实际系统的应用验证了该方法不仅适用于短期负荷预测,也适用于超短期负荷预测。此外建立了一些特定因素的模糊函数,在超短期负荷预测过程中采用了聚类分析法提取负荷相似日。通过不同的简化,该方法可蜕化为传统的Kalman预测、相似日预测和神经网络预测,是一种比较全面的负荷预测方法,可得出高精度的预测结果。 相似文献
7.
8.
9.
基于负荷分解和实时气象因素的短期负荷预测 总被引:5,自引:3,他引:2
根据地区气象与负荷的相关关系,从总负荷中分解出对气象不敏感的基础负荷和受气象因素影响的气象敏感负荷,并分别采用灰色系统GM(1,1)模型和基于LMBP (Levernberg–Marquardt back propagation)算法的多层前馈神经网络对二者进行建模预测。在对实时气象因素、日特征气象因素与气象敏感负荷相关性分析的基础上,重点把握某些气象因素与气象敏感负荷之间的联系。通过合理选择神经网络的输入变量,实现了基于实时气象因素的短期负荷预测。实际应用证明了所提出方法的有效性。 相似文献
10.
为充分挖掘不同气象因素的相似日信息和输入特征蕴含的信息以提升负荷预测精度,提出一种基于时间卷积网络和长短期记忆网络组合(TCN-LSTM)和气象相似日集的电网短期负荷预测方法。首先通过Pearson系数和最大信息系数,选出与负荷强相关的气象因素;然后根据该气象因素,选取最佳相似日组成气象相似日集,以气象相似日集负荷、历史负荷、气象因素和时间因素作为预测模型的输入特征;最后,搭建TCN-LSTM预测模型,用TCN进行特征提取后,再用LSTM网络完成短期负荷预测。以中国某地区的实际历史数据进行仿真验证,结果表明所提预测方法可有效提升负荷预测精度。 相似文献