区域电网规划负荷预测实例

负荷预测是电力规划的基础,采用线形趋势模型法、电力弹性系数法、空间负荷密度法对广州经济技术开发区进行了负荷预测。提出了负荷指标的改进方法,并对新发展起来的空间负荷密度法进行了论述。几种负荷预测方法的结合有效改善了负荷预测结果。     

月敏感负荷预测方法研究

主要研究了敏感负荷领域中的相关问题,建立了敏感负荷预测模型,并在原季节指数预测方法的基础上,提出一种改进季节指数法用以预测月敏感负荷,与原预测方法相比,有效地提高了预测精度。根据江苏省实际负荷运行数据,对两种预测结果进行了比较。     

组合预测方法在电力负荷预测中的应用

为了提高负荷预测的准确性,引入了优化组合预测模型,从而将几个电力负荷预测模型有机地结合起来,通过综合各个预测模型的优点,得出更为准确的结果。文中采用了进化规划作为优化方法,对盐城市的供电量和负荷预测的历史数据进行了优化分析计算,得到了满意的结果,并对盐城市２０００年负荷进行了预测。     

准确把握电力市场方向 切实做好电力负荷预测

根据多年从事电力负荷预测的经历和感受,重点介绍在负荷预测中常用的几种预测方法,并对负荷特性分析预测方法作简单的阐述,同时就如何作好电力负荷预测工作提出建议。     

准确把握电力市场方向切实做好电力负荷预测

根据多年从事电力负荷预测的经历和感受,重点介绍在负荷预测中常用的几种预测方法,并对负荷特性分析预测方法作简单的阐述,同时就如何作好电力负荷预测工作提出建议.     

负荷求导法在超短期负荷预测中的应用

负荷求导法是超短期电力负荷预测的一种新方法。以负荷求导法为基础,对其中的不足进行了改进,并根据分形理论和相似日理论提出了一种历史数据处理的新方法:对历史负荷分类取样同时进行伪数据辨识处理,以提高预测精度。算法具有实现简单、运算迅速、精度高等特点。仿真表明了改进模型的有效性和算法的可行性,对于超短期负荷预测这类需要反应迅速的问题,采用本文提供的方法进行预测是可靠且非常有效的。     

改进的优化组合预测方法在城网负荷预测中的应用

优化组合预测方法是一种能够综合各种负荷预测方法的有用信息,提高预测精度的方法,通过分析,指出其存在缺点,采用自适应递推算法进行改进,并在汕头电网规划负荷预测中进行应用,获得了很好的结果。     

负荷预测在电力市场中的应用

分析了负荷预测在计划体制下与电力市场中应用的区别 ,简述了负荷预测的方法 ,分析了存在的问题 ,并提出了改进建议     

几种电力负荷预测方法的比较

本文对目前的几种智能负荷预测方法:人工神经网络、模糊预测法、数据挖掘、专家系统、支持向量机的原理、特点及研究情况进行了阐述,从学习能力、运算速度、处理模糊信息能力等角度对这几种方法进行了比较,指出了其中各自的优缺点,同时又结合新疆电网负荷预测的具体情况提出了相适应的负荷预测方法。     

多级负荷聚类和解耦机制的配电网短期负荷预测方法

为解决配电网供电分区负荷特性因用电结构与用户用电习惯差异呈现多样性,导致泛化的预测模型难以提供满意计算精度,以及新投运配变由于缺乏历史数据积累,无法为机器学习提供大量训练样本的问题,提出了一种多级负荷聚类和解耦机制的短期负荷预测方法.首先,进行基于变电站用电量以及台区用户用电特性差异的多级负荷特性聚类.随后,对不同聚类配变构建基于脉冲神经网络的短期负荷预测模型,并采用负荷标幺曲线和基准值分开预测的解耦机制应对新投运配变的小样本问题.最后,综合分类预测结果得到日负荷预测曲线.实例证明该方法能实现负荷预测的精细化,并减小新投运配变的预测误差影响,改善了综合预测结果.     

基于人工神经元网络及模型算法的空间负荷预测

改进了配电网的空间负荷预测方法,将其研究重点 放在对各类负荷的负荷密的预测上,在原始数据不充分的条件下,引入模糊隶属度分析和人工神经元网络中的聚类分析,对负荷进行分类和简化,从而得到环境因素相适应的负荷,预测取得了满意的效果。     

小波分析方法在电力系统短期负荷预测中的应用

本文将对目前基于小波分析方法的电力系统短期负荷预测的一些理论与存在的问题进行初步的探讨，提出使用小波分析对基于不同频段的负荷进行分类，然后对分类后的不同频段的负荷使用人工神经网络进行训练预测的一种改进负荷预测方法，并尝试提出小波理论在短期负荷预测方向应用的建议。     

基于改进模糊回归分析法的负荷预测

对电力系统的负荷预测问题进行了研究,并提出了一种改进后的模糊回归分析算法。该方法利用模糊预测法和回归分析法各自的优点,按不同情况下两种方法的重要程度,用区间层次分析法赋以灵活可调的权重值。通过算例验证,此方法适合于中长期电力系统负荷预测。     

基于神经网络的短期负荷预测与误差纠正算法

提出一种基于模糊神经网络的电力短期负荷预测方法,并对其运行特点进行分析。提出通过改进数据样本从而改善模糊神经网络的方法,可以预测在一些不确定性条件发生剧变的情况下发生突变的负荷。还提出了一个关于误差整合的观点,根据此观点提出了减小误差的方法。实例计算表明,这一模型和方法应用于短期负荷预测能获得较高的预测精度。     

基于改进数据流在线分割的超短期负荷预测

为同时提高超短期负荷预测的实时性和准确性,应对现代电力系统对实时负荷预测的更高要求,提出一种基于改进数据流在线分割的超短期负荷预测方法。该方法根据负荷发展的时间趋势,利用数据流实时处理技术进行超短期预测,然后结合蕴含天气因素和负荷周期特性作用的短期负荷预测结果,对分割点的实时预测结果进行修正;其快速分段预测能力,避免了重复建模,提高了预测速度;对分割点的实时修正处理有效地增加了历史信息利用率,降低了分割点误差,使预测精度稳定在一个较高的水平。采用实际负荷数据检验该预测模型的有效性,结果表明,基于该模型的预测精度和速度均优于几种常规超短期预测算法,同时降低了拐点预测误差,在天气突变时也具有稳定的适应性。     

两种短期负荷预测精度考核标准的比较

负荷预测精度是对电网的负荷预测结果相对于实际发生负荷的偏离程度的事后衡量指标，是电力主管部门促进各级负荷预测部门提高负荷预测精度的考核手段之一。现行的两种考核标准还存在一些问题。文中主要对日负荷预测准确率和日合格点百分数进行了比较分析，揭示出这两种考核指标之间的内在联系，并对存在的问题进行了针对性研究，界定了这两种考核标准的适用范围。在对实际负荷进行概率统计分析的基础上，初步给出了针对具体电网负荷变化的规律性制定考核标准的参考方案，并验证了其可行性。     

几种负荷预测方法在西藏电网的应用分析

电力负荷预测在电力系统规划和电网运行方面发挥着越来越重要的作用,利用电力负荷预测常用的几种方法（比例系数增长法、线性趋势预测法、弹性系数法、灰色模型预测法）对西藏电网未来几年负荷情况进行了预测,并给出了相应的结论。     

基于人工神经元网络及模糊算法的空间负荷预测

改进了配电网的空间负荷预测方法,将其研究重点放在对各类负荷的负荷密度的预测上.在原始数据不充分的条件下,引入模糊隶属度分析和人工神经元网络中的聚类分析,对负荷进行分类和简化,从而得到与环境因素相适应的负荷,预测取得了满意的效果.     

中长期负荷预测中一种改进的人工神经网络方法

给出了中长期负荷预测中一种改进的人工神经网络方法,着重考虑了历史年份的经济产值及负荷值等相关量与目标年负荷值的关系,在此基础上建立了电力系统中长期负荷预测的人工神经网络模型,并且使用改进的BP算法有效地实现了由这些历史相关量到预测目标年负荷的复杂映射.实例结果表明了该方法的准确性和实用性.     

几种负荷预测方法在西藏电网的应用分析

文章利用电力负荷预测常用的几种方法对西藏电网未来几年负荷情况进行了预测,并给出了相应的结论。