电力系统多级负荷预测及其协调问题:（一）研究框架

基于对传统负荷预测中总需求与各子需求预测结果的不均衡现象的深入分析，揭示了电力系统负荷预测问题所具有的“多维多级”特点。在此基础上，提出了电力系统中多级负荷预测协调的科学问题，阐明了多级负荷预测和多级负荷预测协调的新理念。进一步分析了负荷预测模型的“量测”特性，并将多级预测协调与状态估计进行了类比，阐明了多级预测协调的理论基础。文中还探讨了多级负荷预测协调问题的类别及其各自的特点，提出了基本协调和关联协调模式，由此建立了多级预测协调问题的理论研究框架。希望该研究能够丰富和发展负荷预测理论，为广大预测人员提供一些参考。     

基于输入空间压缩的短期负荷预测

由于影响负荷预测的因素复杂，并且实际获取的历史数据有限，传统的智能预测方法往往达不到工程应用的精度要求。为解决该问题，文中提出一种准确预测电力系统短期负荷的新思路：首先建立负荷输入特征选择模型，其搜索方法采用浮动搜索算法，在去除影响负荷预测的冗余特征之后，利用有限样本学习的统计学习理论（支持向量机）构造负荷预测回归模型，充分发挥其在解决有限样本、非线性中体现出的优势，较好地提高了评估结果的精度和泛化能力。在EUNITE网络中的应用结果证明了该方法对电力系统负荷预测的有效性。     

模糊集理论在电力系统短期负荷预测中的应用

由于模糊系统能够在任意精度上一致逼近任何定义在致密集上的非线性函数，具有从大量数据中提取相似性的强大能力，且能同时利用数据信息和语言信息，因此模糊集理论在电力系统短期负荷预测中得到了越来越广泛的应用。文中对模糊集理论应用于电力系统短期负荷预测中的研究现状进行了综述，包括模糊集理论分别与专家系统、传统的预测技术、人工神经网络相结合在短期负荷预测中的应用，以及模糊逻辑系统在短期负荷预测中的应用，并指出了这一技术的发展趋势及应用前景。     

基于自适应神经模糊推理系统（ANFIS）的电力系统短期负荷预测

采用ANFIS（Adaptive Neuro-Fuzzy Interference System）进行电力系统短期负荷预测。ANFIS将模糊理论与神经网络融合，利用神经网络来实现系统的模糊逻辑推理，采用混合学习算法调整前提参数和结论参数，自动产生模糊规则。利用某局网负荷数据对网络进行训练和检测，所得结果表明利用ANFIS预测负荷有效。     

基于系统动力学的电力系统中长期负荷预测

将系统动力学应用于电力负荷的中长期预测。首先根据历史用电情况分析建立模型结构图，然后进行方程式设计，最后通过仿真和参数敏感度测试证明模型的合理性和实用性。电力系统负荷中长期变化是一个受政策、经济等多方面不定因素综合影响的动态过程，采用系统动力学的方法进行预测可以充分利用专家的经验，并且在模型使用中不断积累经验，提高了预测精度。     

电力市场中预测问题的新内涵

传统的负荷预测是电力系统规划与运行的基础工作，电力市场化的改革对负荷预测提出了更高的要求，赋予其新的内涵。文中探讨了电力市场中的预测问题，分别针对发电侧竞价和用户侧开放的电力市场，提出了一些新的预测内容和预测思想，包括扩展短期负荷预测、连续多日负荷曲线预测、电力市场价格预测、市场风险预测与评估、考虑需求侧管理影响的电力需求预测、用电需求曲线预测、基于价格弹性的需求预测等，指出了这些预测问题的研究热点和难点,探讨了未来的主要研究方向。     

电力系统短期负荷预测中非线性模型的研究与应用

介绍了时间序列分析中的一类非线性模型-SETAR模型的特点及其建 模，将这一模型应用于电力系统的短期日负荷预报。这种模型可以描述一些非 线性的时间序列，在负荷序列波动较大时仍能进行很好的预测，实例计算结果 表明预测精度满足要求，证实了将这一模型应用于电力系统短期负荷预测是可 行的。     

电力网络负荷预测

介绍了负荷预测在电力系统规划中的重要性，详细分析了影响负荷预测的因素并提出了几种常用的负荷预测的方法，以供参考.     

基于混沌理论的电力负荷预测

针对电力系统负荷的复杂性及非线性．提出了结合混沌理论的思想．充分利用数据信息。在重构电力负荷相空间的基础上对负荷进行预测．并综合了电力负荷混沌特征量的计算及负荷时问序列的混沌预测方法。以非线性为特征的混沌理论的应用。必将开辟电力系统负荷预测的新途径。     

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。     

基于广域测量系统的电力系统综合区域负荷模型

负荷作为电力系统的一个重要组成部分，其模型的精确程度将在很大程度上影响分析的结果。采用电力系统同步数据对电力系统负荷区域进行建模、网络化简和负荷模型辨识，提出了基于电力系统广域测量系统的综合区域负荷模型的概念，分析了该模型的参数可辨识性。确定了综合区域负荷的网络模型，为区域负荷的建模提供了依据。以一个简单电力系统为例进行仿真计算，结果证明了该负荷建模方法的有效性。     

基于神经网络电力系统短期负荷预测的MATLAB实现

介于电力负荷预测在电力系统中的重要性,首先描述了电力负荷预测对电力系统的重要意义,分析了传统电力负荷预测方法的优缺点,在详细分析BP神经网络原理的基础上,设计了负荷分析方案,通过对某市负荷数据的分析,并且在充分考虑了日常负荷与天气因素的关系之后,建立了神经网络短期负荷预测模型,并进行短期预测,验证了其具有较高的精度,且具有很强的稳定性,适合多种不同的预测环境。     

灰色系统电力负荷预测模型在北疆电网的应用研究

电力系统负荷预测的准确度和精度会对电力系统安全、稳定、经济、可靠性产生巨大影响.本文在对灰色系统理论的基础上,建立灰色系统电力负荷预测模型,并对模型应用到新疆北疆电网,对2020年电力负荷进行预测,其预测结果精度较为满意.灰色系统电力负荷预测是较为可靠的预测方法.     

电力短期负荷预测相似日选取算法

短期负荷预测是电力系统安全经济运行的基础，相似日选取的准确与否直接影响到短期负荷预测算法的精度。针对短期负荷预测的特点，提出一种能便于考虑各种因素影响的新算法。分析了气象、日类型等因素对负荷影响的常见规律，便于识别主导负荷变化的因素，建立了在短期负荷预测中选取相似日的新方法。理论和实例均表明，该方法适应性较强，能够通过历史数据分析从历史日中选取最合适的相似日，对提高短期负荷预测的精度具有较大价值。     

多层分区空间负荷预测结果综合调整的区间方法

提出了一种新的能计及不确定性因素的空间负荷预测结果综合调整的区间方法。首先建立了多层分区的空间负荷预测区间模型，将预测单元分为总量层、数据收集层和仿真层，既能结合趋势法和仿真法的优点，又能在保证足够土地划分解析度和预测精度的前提下有效控制数据收集的工作量。然后提出了基于该模型的空间负荷预测综合调整区间方法，这是一种在信息不完备条件下的负荷分布估计方法，解决了实际中空间负荷预测结果综合调整的难题。最后通过实例说明了该方法的实用性和有效性。     

网格化的电力系统短期负荷预测的MDRBR模型

针对大电网的短期负荷预测，建立了按地域划分的网格化电力系统短期负荷预测模型。各子网格根据自身的历史负荷和气象条件建立对网格更为有效的负荷预测模型，并采用了面向粗糙集的默认规则挖掘算法（MDRBR——mining default rules based on rough set）构造各单一预测模型，从而获得更加准确的预测结果。文中首先描述了MDRBR算法，然后分析研究了网格化的日负荷多层规则网络构造过程，并给出了基于MDRBR算法的日负荷预测过程以及对某地历史数据的负荷预测结果。分析结果表明，该网格化负荷预测模型能更加准确地得出预测结果，有效地减少噪声，计算简单，且规则搜索效率高。     

EMS中负荷预测不良数据的辨识与修正

分析了实际电力系统中负荷异常数据的主要成因，并针对2类主要的坏数据各自的特点，分别使用不同的方法处理负荷预测样本数据。针对自动化系统故障造成的坏数据，提出了具有负荷预测应用特点的总加值动态多源处理技术，从而能够充分利用采集设备或网络通道对负荷总加值而言的多重冗余配置；针对大负荷的突发性偶然波动造成的坏数据，采用对电网终端负荷的逐一扫描辨识，部分避免了对单一总加数据预处理的误判和漏判。     

系统负荷通用预测方法概述

介绍了电力系统负荷通用预测方法，包括传统方法和近代方法，指出了传统负荷预报方法存在的问题，说明了负荷预报方法发展趋势。     

基于多分辨率SVM回归估计的短期负荷预测

针对短期负荷预测支持向量机（SVM）方法的局部逼近能力和泛化能力进行研究，将多分辨率支持向量机（M-SVM）用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点，设计了负荷预测数学模型，采用96条回归曲线进行日负荷的曲线预测，并在该模型的基础上采用实际数据进行验证，分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。     

电力负荷与系统广域动态特征的相关度

提出一种电力负荷与电力系统广域动态特征的相关度分析方法。以发电机相对功角作为系统广域动态特征，构造研究广域相关度问题的特征向量，特征向量包括系统当前运行状态及各发电机功角的相关度指标，并计入了负荷时变性的影响。以特征向量之间的相异度作为分类标准，采用Chameleon聚类算法对特征向量空间进行分类。对分类结果进行频繁模式挖掘，根据相应关联规则的支持度和置信度，最终确定负荷的广域相关度。10机39节点系统的仿真结果表明，是否计入负荷时变性并不影响研究结果的总体趋势，体现了该研究方法的有效性和鲁棒性，为进一步开展广域负荷建模提供了重要的参考依据。