湘潭地区负荷特性分析

根据湘潭地区历史负荷及气象等相关资料,研究分析了该地区的负荷特性,对负荷的各种影响因素进行了量化分析,重点对气象敏感负荷和大用户对地区负荷的影响进行了分析,分析结果有利于提高短期负荷预测准确率,为电力负荷紧张期间的负荷调控与合理分配提供了有力的依据.     

基于柔性负荷响应特性的超短期预测方法

在自动需求响应系统(ADRS)中,当大量的用电负荷数据被自动实时采集时,受节假日、天气、温度等因素的影响,用户侧负荷用电特性会随着响应策略的变化而发生变化。传统负荷预测方法的预测精度也将会被降低,不再满足ADRS要求。针对这一问题,基于柔性负荷的响应特性,将"预测-调度-响应"各环节视为一个闭环控制系统,把自动响应(AD)信号作为一个输入变量引入系统。基于丰富的负荷用电数据,采用"黑匣子"思想建立了闭环超短期负荷预测模型,并用仿真结果验证了模型的有效性。结果表明,该模型与传统预测模型相比,预测精度明显提高。     

北京郊区电网冬季典型日"煤改电"负荷特性分析

"煤改电"负荷在北京冬季电网负荷中的占比越来越大,负荷增长幅度远超预期值,给地区电网调度、抢修、服务等各项工作带来较大压力.为深入分析"煤改电"负荷特性,本文基于"煤改电"智能服务平台,通过研究北京某郊区电网总负荷与气温相关性、"煤改电"线路及用户用电特性,总结出该区冬季电网负荷用电规律,为地区电网负荷预测及安全可靠运行、统筹农村电网规划、提高优质服务质量提供参考依据.     

基于“分层-汇集”模型的短期电力负荷预测

针对目前短期电力负荷预测方法未充分利用电力用户用电特征,以及预测精度不高等问题,提出了"分层-汇集"模型。首先,对电力用户按用电特征"分层",得到表征不同类型电力用户用电特征的层负荷特性曲线,并将层负荷特性曲线作为构造总负荷曲线的属性因子;之后,"汇集"不同日的层负荷特性曲线,结合实时负荷训练模型;最后,进行回归预测。以某区域实际电力负荷数据为算例,基于所提出的预测方法进行负荷预测。结果显示,基于"分层-汇集"模型的短期电力负荷预测在平均百分误差(mean absolute percentage error,MAPE)、均方根误差(root-mean-square error,RM SE)以及Pearson(皮尔逊)相关系数3项评价指标上均优于一般的回归预测方法,验证了模型的有效性;在"分层"和"汇集"阶段采用不同算法组合,"分层-汇集"模型均具有较好的预测效果,验证了模型的鲁棒性。使用"分层-汇集"模型可以提高负荷预测的精度,为短期电力负荷预测提供了一种新思路。     

多元数据融合的智能配电网负荷分析预测管理系统

针对多元大数据在智能配电网中的应用问题,为实现配电网的精益管理、科学预测和合理规划,文章开发了多元数据融合的智能配电网负荷分析预测管理系统。对软件系统的总体框架进行了设计;对软件系统的各功能模块进行开发和介绍;给出了软件系统的一个应用实例。该系统充分利用海量的历史负荷数据进行负荷特性分析,建立负荷特征库以及业扩信息库,通过对新接入用户进行信息匹配实现负荷管理及最大负荷预测。此外,该系统建立负荷预测方法模型库,可提供不同维度的负荷预测功能,从传统的地区负荷预测转变为馈线负荷预测,结合馈线现状以及业扩信息优化用户接入决策。总的来说,该系统具有功能模块数据链路互通、不同功能之间能提供信息支持、整体采用模块化设计思想等特点,可满足电网企业的日常应用需求。     

考虑需求响应的温度敏感用户夏季短期负荷预测方法

在新常态下为了降低生产成本,用户会参与需求响应进行错峰和避峰。传统负荷预测模型对用户负荷特性变化不敏感,对一些突变信息难以准确预测。针对此问题,考虑温度敏感用户参与需求响应,提出了夏季短期负荷预测方法。该方法采用小波变换和局部离群因子方法对负荷数据预处理,基于模糊C均值聚类和径向基函数网络相结合的方法识别预测日的负荷特性,采用线性回归模型对预测日的负荷特性相同的历史负荷数据进行负荷预测,根据降温负荷的基准值和温度变化值评估出降温负荷值,最后综合得出预测日的负荷。对3类温度敏感的纺织行业大用户进行算例分析,验证了所提方法的可行性和有效性。     

考虑大用户报装的新兴区域负荷预测研究与应用

负荷预测是电网节能经济调度的基础,而有效的大用户负荷预测是提高整个电网负荷预测准确率的关键因素。以典型的新兴区域远景负荷预测为例,综合对比常规负荷预测结果及部分大用户报装容量之间的数据差异,通过对预计新增大用户负荷进行统计分析并进行负荷预测校验修正,从而制定大用户供电策略,不仅提高了地区负荷预测的精度,还对电网规划、安全经济运行等提供了有力支撑。     

上海电网负荷结构分析及特性预测

认为产业、居民负荷的差异及其用电结构的变化造成了电网负荷特性的变化.对上海电网第一、二、三产业和居民生活用电负荷进行了分析对比,预测了上海电网"十一五"期间电力电量需求和负荷特性,并就改善上海电网负荷特性,提高系统运行效益提出了建议.     

考虑新用户负荷发展的中短期负荷预测方法

区分新接电用户与老用户负荷增长的不同规律,使中短期负荷预测更符合实际.介绍了考虑新接电用户负荷发展的中短期负荷预测方法的基本思路,数学模型及负荷预测表达式,新接电用户需用系数计算方法.通过地区中短期负荷预测实例的结果分析,建议了准确度最高的负荷预测公式,并证明该预测方法较原有的方法明显提高了负荷预测的精确程度.     

大用户法在电力负荷预测中的应用

文章通过综合分析某地区近5年的电力负荷预测结果,提出了大用户法,该方法充分考虑了宏观经济政策及地区的产业政策,采用统计分析单独预计新增大用户负荷,并使用大用户负荷数据修正用一般方法预测的负荷结果,并通过某地区实际数据验证了该方法的有效性。     

基于FFT，DC-HC及LSTM的短期负荷预测方法

针对电力负荷序列非线性、随机性等特点引起的电力负荷预测精度低问题,提出一种基于快速傅里叶变换（FFT）、密度层次聚类算法（DC-HC）与长短时记忆（LSTM）神经网络相结合的短期负荷预测方法。首先,采用FFT计算出所有原始电力负荷序列对应的期望频率,并以之作为负荷聚类的特征量。然后采用DC-HC算法对负荷进行聚类,将原始数据分拆成具有特征属性的数据分量组;运用LSTM模型对各分量组进行负荷预测,再将各分量组预测结果进行叠加,得到最终负荷预测值;最后,采用爱尔兰实际电力负荷数据进行算例分析,结果表明所提方法能够有效提高负荷预测精度。     

计及需求侧资源作用的负荷预测模型及应用

智能电网的发展与应用,智能表计装置安装比例的增大,为从需求侧优化用户用电负荷提供了可能,但同时也对已有的负荷预测模型提出了新的问题.提出了一种考虑需求侧资源（DSR）作用的负荷预测模型,该模型能够定量计算DSR对负荷预测的影响及节电效果.通过某110 kV变电站供电区域负荷预测分析,验证了模型的可靠性,为当前电网规划的负荷预测工作提供了有效的工具.     

地区电网节能调度系统

针对现代地区电网调度的特点,从电网经济运行、无功电压优化、线损在线分析、负荷预测和电厂出力等方面分析了地区电网的节能调度系统。通过该系统的运用可以实现地区电网调度的自动化和智能化。     

基于SD-SVM的负荷预测研究与应用

以临沂地区电网负荷预测系统开发为背景,以提高电网负荷预测精确度为目的,提出了基于相似日的支持向量机的(SD-SVM)负荷预测应用方案.介绍其实现的原理、业务功能及其在实例中的系统体系架构和实现技术.重点对系统采用的SD-SVM数据模型算法作了描述.该项应用研发,实现了对地区电网负荷的智能预测、自动分析、气象数据处理等功能,提升了调度人员对电网负荷变化趋势的预见性、掌控的即时性.SD-SVM法的负荷预测结果对气象因素变化较大时有明显的精度优势,具有很好的适应性.实用结果证明这一研发的实时性和预测精度优于基于传统SVM理论的预测方法,能够满足地区电网负荷预测实用性、有效性、智能化的要求.     

基于分配因子和信息熵的母线负荷组合预测模型

负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求。因此,母线负荷预测是解决这一问题的关键途径。然而,系统内母线数量庞大,负荷基数小,特性各异,波动性强,给母线负荷预测工作带来了困难。本文研究了母线负荷预测模型,根据实际电网情况提出了负荷分配因子的概念及预测思路;充分考虑历史数据的有效性,采用日特征量和趋势相似度综合选择相似日,并提出基于信息熵的变权重组合预测方法,提高各类型负荷预测精度;结合类型负荷预测结果和负荷分配因子,最终得到各条母线的预测结果。采用某区域电网负荷进行实例验证,结果表明,本文所建立的预测模型具有良好的预测精度和稳定度。     

基于TCN-LSTM和气象相似日集的电网短期负荷预测方法

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。     

基于EMD和干预分析的电力系统短期负荷预测

电力系统短期负荷预测受到多方面因素的影响,变化规律复杂。在将经验模态分解法(empirical mode decomposition,EMD)引入电力负荷预测领域的基础上,结合干预分析理论,构建了基于干预分析理论和EMD分解相结合的短期负荷预测模型,先应用干预分析理论将气温敏感负荷从原始负荷序列中提取出来,再对消除了气温负荷后的净化负荷序列应用EMD进行分解预测,并将模型应用于我国华东某地区电网负荷预测。算例结果表明,与不经干预分析直接进行分解预测的结果相比,本模型预测误差明显降低。     

基于局部相似与神经网络的超短期负荷预测方法

为提高超短期负荷预测精度,特别是负荷曲线在拐点处的精度,在模糊聚类分析的基础上提出了一种选取局部相似日的改进模型。通过该模型选取局部相似日,并结合RBF网络提出一种新的预测超短期负荷方法。采用该方法建立2个预测模型,分别用于预测下个时刻和下一个小时段的数据。将该方法与灰色关联分析预测方法进行比较,发现该方法在预测精度上具有显著优势,证明新的预测超短期负荷方法有较高的可靠性与有效性。仿真结果表明,新的预测超短期负荷方法在工作日或休息日负荷曲线拐点处的预测上,均具有较高精度。     

基于非负矩阵分解和相关向量机的短期负荷预测

为了能够进一步提高电力系统负荷预测的准确性,提出了一种基于非负矩阵分解（nonnegative matrix factoriza-tion, NMF）和相关向量机,（relevant vector machine, RVM）的短期负荷预测方法。此方法通过利用NMF对输入样本进行分解,得到低维的非负映射矩阵,将该低维矩阵输入到相关向量机进行训练预测。仿真结果表明,预测效果有明显的改善,而所提出的NMF—RVM模型较之单一的RVM模型具有更高的预测精度。