高速公路施工用电负荷预测

介绍了高速公路施工用电特点,并应用负荷预测近似计算公式对某项目施工用电负荷进行预测分析。     

基于聚类分析的配电网小区负荷预测

通过引入聚类分析,对样本数据聚类,利用聚类后的结果预测小区负荷密度,并且提出了2种修正小区负荷密度的方法,有效减小了预测误差。与传统负荷密度法相比较,该方法不仅提高了预测精度,精简了优化配电网建设的资金,而且计算简单,通过算例表明其工程实用效果较好。     

城市新建小区的负荷预测

依据国内外的相关法规和有关技术资料，根据城市小区的建设特点，以陕西省某城市新区的市政发展规划及布局为基础，对该城市新建小区负荷进行科学、合理的预测，给出了该小区详细的分区负荷密度。     

基于用电需求的负荷预测系统的初步设计

在对目前负荷预测系统的研究与应用状况调查分析的基础上,考虑到当前用电企业用电形势的变化,提出了负荷预测工作应基于用电需求的新思路,并初步设计基于用电需求的负荷预测系统,着重探讨了实现该系统的主要技术问题。     

江苏电网用电负荷展望

1　 2 0 0 2年 -2 0 0 4年用电负荷预测2 0 0 2年最高用电负荷达到 1 976.2万kW ,同比增长2 1 .0 5 % ,其中常州市增长率最高为 2 1 .5 5 % ,其他城市均在 1 0 %以上 ,全省用电总量苏南地区占 62 .95 % ,其中苏州市占 2 1 .97% ,苏北地区占 1 6.0 4% ,可见江苏南北地区经济发展不平衡带来用电量差距进一步拉大。由此测算 2 0 0 3年全省电网统调用电负荷为 2 2 80万kW ,净增3 2 0万kW ,,增长 1 4.0 4% ,实际上江苏 2 0 0 3年 1季度经济增长 1 3 .6% ,而电力负荷和用电量同比增长了2 4.0 3 % ,部分地区出现电力紧张 ,如苏州、无锡、常州2 0 …     

南宁市夏季用电负荷特性分析

以2007-2009年的电力负荷统计数据为依据,分析南宁市区夏季用电负荷特性的变化趋势,找出夏季负荷的主要增长点.通过对夏季气温与负荷情况的详细分析,得出影响南宁负荷及负荷特性变化的主要因素,进一步揭示了夏季强降雨对负荷水平影响的规律性,从而提出了一些电力负荷发展的建议.     

地源热泵空调系统用电负荷预测

建筑是能源的消耗大户,空调系统更是其中的主要消耗源。住宅在小区中使用地源热泵空调系统可极大地降低能耗,起到显著的节能减排效果。通过对地源热泵空调系统用电负荷的预测,以及对地源热泵节能特性的介绍,为推广新技术、创建低碳型社区提供了有效方法。     

上海用电负荷预测中气温累积效应分析

用电负荷预测是电力运行管理工作的基础,随着“互联网+”智慧能源发展,由人工预测转信息化系统自动预测为必然趋势。文中选日最高温度为负荷预测气象特征,考虑气温累积效应,提出预测日最高气温修正法,并分析负荷与气温的相关性。最后给出基于决策树模型预测下一工作日最高用电负荷的算法。     

从用电终端需求侧管理看负荷预测

从用电终端需求侧管理看负荷预测江西省电力试验研究所（３３０００６）曾庆仪１用电终端需求侧管理概念的引进随着现代科学技术的进步,人们对科学地利用资源、开发和提高能源使用效率以及节约能源提出了新的要求。如何在现有基础上,通过采取有效的措施来提高终端设备的...     

居民用电负荷超短期预测研究

负荷预测是电力系统安全运行的基础，而由于居民用电负荷的随机性和波动性，可能会影响电力系统的正常运行与维护，因此准确预测居民用电负荷为电网的实时调度提供了有利指导。提出了一种基于长短时记忆型循环神经网络的居民用电负荷超短期预测方法，利用该方法的“记忆”特性挖掘负荷数据间的关联特性，建立了基于基于长短时记忆网络的居民用电负荷超短期预测模型，并和双层前馈神经网络模型仿真结果相对比，其基于长短时记忆网络的预测结果精度更高，验证了模型的有效性。     

基于用电大数据的中长期负荷预测研究

随着全球信息化的发展,大数据时代已然来临。而电力行业与国计民生息息相关,有必要引入大数据技术提高其经济性、可靠性。江苏用电信息采集系统的建成,营销历史档案信息的积累,都为电力大数据的研究奠定了丰富的数据基础,江苏公司有优势、也有必要充分利用用电大数据,开展相关的研究工作。本文以基于用电大数据建立了行业负荷和电量影响模型,开展了中长期网供负荷预测研究,取得了一定的成果,为推动大数据技术在江苏电网中的应用做出了一定的贡献。     

基于梯度提升决策树的电力物联网用电负荷预测

在电力物联网系统中,为用户提供准确、快速的用电负荷预测一直起着至关重要的作用。由于台区内用户活动的可变性,导致用电负荷通常波动较大,传统方法往往难以准确预测。为了满足智能化、多功能的电力物联网监测,提出了一种基于梯度提升决策树的用电负荷预测方案。首先对台区内历史用电数据进行预处理,并构建时间窗口特征。然后使用基于梯度提升决策树的XGBoost和LightGBM交叉构建预测算法,并采用该算法预测下一时间段短期用电负荷结果,实现台区用电分析。最后与现有方案相比较,本文提出的方案可提供准确的负荷预测结果,在即将发生超负荷用电或者当前台区即将发生大规模停电时,能够及时发出预警。     

电力系统负荷预测技术

负荷预测是电力系统规划、供电、调度等部门的重要的基础工作,讨论了负荷预测的特点、分类及各种成熟的负荷预测技术,研究了现代负荷预测技术的发展动态,并指出未来主要的研究方向。     

基于人群搜索算法的电网短期用电负荷预测研究

针对传统预测方法缺少对未知变量的分析,导致预测效果较差的问题,提出了基于人群搜索算法的电网短期用电负荷预测研究。将电力系统负荷时间序列进行分解,获取负荷时间序列的高低频分量,并对电网短期用电负荷特性展开分析。借助人工智能研究成果,研究人群搜索算法原理,充分考虑电网短期用电负荷受到温度因素影响,选取输入变量,并以此构建人群搜索算法预测模型。通过设计预测流程以及对未知变量分析,实现对电网短期用电负荷预测。通过实验结果可知,采用该预测方法具有良好预测效果,为保障电网稳定运行提供依据。     

基于用电模式数的大用户负荷短期预测技术研究

针对传统负荷预测方法适用性差问题,文中通过月均负荷率和负荷标准差与月均负荷率的比值对大用户进行划分,明确大用户的负荷特性分类。在此基础上,对分类用户的典型负荷曲线、波动曲线、连续负荷曲线进行分析,得出各类用户的用电模式数,再分别根据模式数制定针对性预测方法,提高可调度容量预测的精确度,为电力营销需求响应业务的快速发展提供技术支撑。     

城市新建小区的负荷预测

依据国内外的相关法规和有关技术资料,根据城市小区的建设特点,以陕西省某城市新区的市政发展规划及布局为基础,对该城市新建小区负荷进行科学、合理的预测,给出了该小区详细的分区负荷密度.     

智能小区居民用电负荷特征权重分析

以往对智能小区居民用电行为聚类分析时,存在着负荷特征选择与权重计算描述不足的问题。为了提高居民用电行为聚类分析的准确率,降低聚类分析运行时间,提出一种基于ReliefF算法建立的以峰时耗电率、日负荷峰值时刻、谷时耗电率、日负荷周期数、日最小负荷率等特征的数据模型。该模型可以对海量居民用电行为数据进行处理,并通过k-means算法对其进行聚类分析。实验数据来源为已建成的智能小区,结果准确率达94.61%,证明了基于ReliefF算法建立的特征数据模型在居民用电行为类分析中是有效的。