电力负荷短期预测

文章从调度运行和需求侧管理出发,分析电力负荷的构成特点和负荷值变化的原因;将负荷突变值和平稳值采用平均值的方法求出接近的真实值,建立负荷短期预测模型,再输入历史负荷(常规)数据、天气状况的历史数据和特别事件预测数据,得到负荷短期预测值。     

开放售电环境下用户短期负荷预测方法

开放售电环境下用户负荷预测精度将直接影响售电公司的利益和电力系统的稳定性。提出了一种开放售电环境下的用户短期负荷预测方法,首先根据用户历史负荷数据计算用户的典型日(工作日,节假日)负荷曲线;然后,利用Kohonen神经网络挖掘用户用电行为之间的相似性,对用户用电负荷进行聚类,将用电行为相似的用户划分到同一个聚类中;最后在考虑电价和温度等影响因素下,利用在线顺序极限学习机(OS-ELM)负荷预测模型对已经聚类的用户分别进行负荷预测,并对负荷预测结果求和得到系统负荷。为了验证提出方法的可行性,采用某地区的智能电表数据进行试验,试验结果表明,该方法能够深入挖掘用户的用电行为,揭示了用户聚类数目与系统负荷预测精度的关系,能很好地满足系统短期负荷预测的精度要求。     

售电公司负荷预测的争论与化解方法

售电公司负荷预测的争论主要源于市场发展趋势.在市场的不断发展下,受市场竞争影响,售电价格越来越接近,该趋势说明售电公司的利益在不断降低,为此售电公司必须作出改变,负荷预测就是改变后的主要特征.     

售电市场环境下电力用户选择售电公司行为研究

售电市场放开是我国售电侧改革的发展方向,竞争性售电市场中用户选择权放开,用户选择结果直接影响售电公司的市场份额,进而影响售电公司的售电策略。分析了售电市场环境下影响用户选择售电公司的因素,考虑不同类型用户的用电特性,计及可中断负荷、用户分布式可再生能源的影响,基于层次分析法建立用户效用模型,在此基础上,采用演化博弈理论分析用户选择过程,基于logit修正协议构建了不同类型用户群体选择售电公司的多群体动态演化模型,给出了模型的求解算法并证明了模型稳定性。算例分析验证了所提模型和算法的有效性,并分析了售电市场环境下各类因素对用户选择结果的影响。     

天津市电力公司售电市场实时预测分析系统建设及应用

随着电力供需形势的转变及能源市场行情的变化,研究和构建电力市场营销分析预测系统,可以使销售市场分析预测工作规范化、科学化、高效化。介绍天津市电力公司售电市场实时预测分析系统的建设思路及目标、系统体系结构,突出介绍系统的创新功能。该系统建设为天津市电力公司的营销工作提供了强有力的技术支持,提高了营销部门的整体工作效率。     

现货市场中考虑中长期交易限制的售电公司决策

不断深化的电力现货市场改革给售电公司的购售电业务带来了新的机遇和挑战,现货市场下售电公司的决策研究具有重要意义.通过价格-份额函数反映售电公司在零售市场中面临的竞争和用户选择行为,建立售电公司购售电的成本与收益的数学模型,基于对数正态分布产生一系列现货电价的不同场景,用条件在险价值(conditional value ...     

基于电力负荷模式分类的短期电力负荷预测

根据历史数据集的基本知识建立一个基于模糊规则的电力负荷模式分类系统,在考虑规则的分类准确性和可解释性的情况下,利用遗传优化算法挑选出Pareto最优模式分类规则集用于电力负荷模式分类.并在仿真试验中,将此分类系统用于电力负荷预测,结果表明此分类系统具有较好的分类性能,可为电力负荷预测提供更为充分有效的历史数据,从而改善其负荷预测性能.     

售电商参与现货市场下的售电套餐优化设计

随着中国电力现货市场的快速发展,售电商可以通过设计售电套餐来引导电力用户参与电力需求响应,以此提高双方利益。文中引入避峰响应系数,在分时电价的基础上制定售电套餐激励以吸引电力用户积极转移用电负荷。首先,根据设计的售电套餐计算出电力用户选择售电套餐后的负荷转移情况;其次,考虑电费支出的变化与用电方式的变化对电力用户效用产生的影响,基于效用函数构建售电套餐决策模型来计算出电力用户对售电套餐的选择情况;然后,文中基于售电商参与现货市场交易转移负荷,以售电商利益驱动量最大化为目标优化设计出4种售电套餐;最后,通过算例分析,验证了优化后的售电套餐符合双方的利益要求。     

面向电力市场的短期负荷预测系统设计及实现

考虑近期我国电力市场需求,提出了一种较实用的短期负荷预测系统构架。它由信息采集和管理系统、负荷预测系统、信息监测和计划考核系统、计划制定和上报系统构成。提出了扩展短期负荷预测的概念和预测方法, 完成当日剩余时段负荷点的重新预测,为实时电力市场日计划修正提供依据。短期、扩展短期、超短期负荷预测环节作为一个整体组成负荷预测系统,满足不同时段的负荷预测需求。信息采集和管理系统完成负荷预测前期的信息采集和分析,提高信息的有效性和可用性。信息监测和计划考核系统对上述信息进行监视,并对负荷预测系统进行控制。计划制定与上报系统依据预测结果制定负荷计划并上报。文中具体描述了各环节的实现原理和方法。     

面向电力市场的短期负荷预测设计及实现

考虑近期我国电力市场需求,提出了一种较实用的短期负荷预测系统构架。它由信息采集和管理系统、负荷预测系统、信息监测和计划考核系统、计划制定和上报系统构成。提出了扩展短期负荷预测的概念和预测方法,完成当时剩余时段负荷点的重新预测,为实时电力市场日计划修正提供依据。短期、扩展短期、超短期负荷预测环节作为一个整体组成负荷预测系统,满足不同时段的负荷预测需求。信息采集和管理系统完成负荷预测前期的信息采集和分析,提高信息的有效性和可用性。信息监测和计划考核系统对上述信息进行监视,并对负荷预测系统进行控制。计划制定与上报系统依据预测结果制定负荷并上报。文中具体描述了各环节的实现原理和方法。     

短期负荷预测方法在浙江省电力市场的应用

用已知的电力系统的历史数据、自然因素和系统的运行特性介绍了电力系统短期负荷预测的神经网络、时间序列和小波时间序列结合的方法 ,并利用浙江省电力市场的数据对 3种模型进行了实验和效果评估。     

美国电力市场售电公司信用管理体系及启示

售电公司作为连接发电侧与用户侧的关键节点,其信用关乎电力市场的稳定运行。在新电改背景下,我国诸多省份都已构建信用管理体系且取得一定成果。随着电力市场的不断深化改革,依靠当前较为简单的信用评价与担保信用额度相结合的管理体系已不能完全适应当下的市场环境。因此,以中、美典型电力市场为例,针对售电公司从评价模式、第三方评价、担保与无担保信用额度等方面进行多层次剖析,结合我国电力市场发展需求,从信用评价指标构建、第三方评价、信用额度等多方面提出售电公司信用管理体系建设的建议。     

基于VMD-ARIMA-DBN的短期电力负荷预测

针对短期电力负荷预测精度不足的问题,提出一种基于变分模态分解、深度信念网络、差分自回归移动平均模型的组合预测模型。首先选取电力负荷影响较大的相关参数,采用变分模态分解将负荷数据分解为低频和高频两种分量;然后利用差分自回归移动平均模型和深度信念网络分别对低频和高频两种分量进行预测,为克服深度信念网络参数随机化的缺陷,采用粒子群优化算法优化模型以进一步提高精度;最后组合各模型结果得到最终预测值。实验结果表明,该组合模型较其他模型具有更好的预测性能。     

基于PSO-LSSVM的短期电力负荷预测

提出一种基于粒子群优化-最小二乘支持向量机(particle swarm optimization-least squares support vector machine,PSO-LSSVM)的短期负荷预测的方法。采用PSO算法对LSSVM的模型参数进行寻优,实现LSSVM参数的自动优化选取,进而得到比单一LSSVM更准确的短期负荷预测模型。实际算例结果验证了所提预测方法可行性,与其他方法预测结果的对比进一步突出了所提方法的有效性。     

基于CNN-BiLSTM的短期电力负荷预测

短期电力负荷预测能准确评估地区整体电力负荷变化情况,为电力系统运行决策提供准确参考。电力负荷参数受多维因素影响,为充分挖掘电力负荷数据中的时序特征,提升电力负荷预测精度,该文提出一种基于特征筛选的卷积神经网络—双向长短期记忆网络组合模型的短期电力负荷预测方法。以真实电力负荷数据作为数据集,通过对多维输入参数的优化筛选,选取高相关性特征向量作为输入,构建预测模型。通过与添加注意力机制的组合模型对比验证了输入参数优化分析的可行性和优越性。最后利用实际算例将该方法与利用自动化模型构建工具构建的梯度增强基线模型及常用预测模型相比,该方法构建的组合模型可以提升多维电力负荷数据的短期预测精度。     

基于EEMD-GRU-MLR的短期电力负荷预测

针对电力负荷随机性较强,预测精度不高的问题,通过构建集合经验模态分解(ensembleempiricalmode decomposition,EEMD)以及门控循环单元神经网络(gated recurrent unit neural network,GRU)和多元线性回归(multiple linearregression, MLR)组合而成的EEMD-GRU-MLR(EGM)预测方法,有效提高了电力负荷短期预测精度。首先通过集合经验模态分解将电力负荷数据分解为频率由高到低的不同本征模态函数(intrinsicmodefunctions,IMF),不同频率的本征模态函数分量代表了电力负荷不同的部分特征,随后分别使用多元线性回归方法和GRU神经网络方法对低频部分和高频部分进行快速准确的预测,最后将所得各预测结果组合后得到完整的预测结果。EGM预测方法不但能够对电力负荷的变化趋势进行有效预测,而且能够准确预测随机性较强的局部特征。最后通过实验验证,该方法有效地提高了负荷预测精度。     

电力大数据下的短期电力负荷预测

电力产业是国民工业系统中重要的产业。在电网运行管理中,对于负荷预测具有非常重要的作用。更加准确的电力负荷预测可以为电网的安全稳定运行、实时进行电网负荷的调度提供了重要依据。特别是在经济方面,精确的电力负荷预测可以优化发、用电电网调度计划,合理调度和分配资源,从而起到使社会效益、经济效益最大化的作用。然而随着中国经济的飞速发展,对电力的需求不断增长,电力负荷本身受诸多因素以及政策影响比如日期、天气、气候、市场等其他因素,这些因素更大大加大了准确进行电力负荷预测的困难性。一直以来,人们一直都致力于提高电力负荷预测的准确性,人工神经网络算法具有泛化、学习能力强等优点,现在该算法已在电力负荷预测领域中得到了广泛应用,并且取得了良好的效果。近年来,人工神经网络领域取得重大突破,涌现出一个新的深度学习研究领域。文章就是基于最新发展的人工神经网络算法,结合实际地区电网数据研究了短期电力负荷预测的相关问题。     

基于KPCA-MEE的电力市场售电公司信用评价研究

建立完善的售电公司信用评价体系,有助于规范电力市场交易、提高电力市场的机制建设和行业管理水平。将核主成分分析法和物元可拓理论相结合,构建KPCA-MEE售电公司信用评价模型。在所设计的售电公司信用评价指标体系基础上,采用核主成分分析法实现指标体系降维并确定指标权重,可有效避免主成分分析法中因各指标贡献率过度分散而影响评价效果的弊端。然后应用物元可拓理论对售电公司进行信用等级评价,解决评价对象的模糊性、不确定性问题,为等级评价提供可靠依据。基于4家售电公司的运营数据进行算例分析,计算结果证明该模型的有效性和合理性。     

自适应电力用户群短期负荷预测方法

随着我国电力市场化改革的推进,用户侧电力负荷预测在电力需求侧管理中呈现出日益重要的作用。因为不同电力用户负荷特性差异较大,单一的短期负荷预测方法无法满足所有用户的预测精度要求,为此提出一种自适应电力用户群短期负荷预测方法。针对不同类型的电力用户群,提出多种基于变分模态分解算法和长短期记忆神经网络的负荷预测方法,根据波动性系数的范围自适应地选择电力用户群短期负荷预测方法进行训练、测试,得到负荷预测结果。以南方地区60家企业电力用户为研究对象,对所提的负荷预测算法进行了验证,结果表明所提方法能有效提高负荷预测精度,获得了较为理想的预测结果。