多级负荷预测的基础问题分析

围绕多级负荷预测及其协调问题,首先剖析了多级负荷预测的基础---负荷预测的分类方式,通过拓展不同的分类角度,提出了基于雷达图的负荷预测的分类方法,从而清晰地表征负荷预测的“多级”特性。从供应侧和需求侧的角度分析了相关因素对预测对象的影响途径,提出了多级负荷预测中不同级别电网对相关因素的处理策略;研究了多级负荷预测体系下母线负荷预测与系统负荷预测的关系,提出了“虚拟母线”的概念和应用方法;最后总结了多级负荷预测的分析思路和研究内容。该文的研究为建立多级负荷预测理论提供了广阔的空间。     

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。     

基于多级负荷智能协调的母线短期负荷预测

为提高母线负荷预测精度,提出一种基于多级负荷智能协调的母线短期负荷预测方法。首先对预测母线负荷序列进行历史负荷与当前负荷的相关性分析,再进行系统空间母线与预测母线的相关性分析,根据两次相关性分析结果合理设置算例,得到预测网络的最优输入方式,然后利用长短时记忆网络(LSTM)建立母线短期负荷预测模型,最后运用吉林省某地区的实测数据将提出模型与反向传播(BP)神经网络和支持向量机(SVM)的预测结果进行对比分析,验证本文提出的预测模型具有更高的精确度。     

电力系统多级负荷预测及其协调问题(二)基本协调模型

电力负荷预测是一个包含空间、时间、属性等多维度多级别的复杂体系.文中针对具有"直接加和"特性的多级负荷预测问题,借鉴电力系统状态估计思想,建立了多级负荷预测的基本协调模型,提出了相应的基本协调方法.在基本协调模型中引入预测可信度的概念,详细分析和比较了不同可信度情况下基本模型的协调结果.引入调整系数和相对调整系数的概念,阐明了基本协调方法的物理机理.为便于比较不同协调方法的协调效果,提出了协调效果的单项评价指标及综合评价标准.最后指明了基本协调模型的应用场合,并用实例验证了所提出的方法的有效性.     

电力系统多级负荷预测及其协调问题(三)关联协调模型

考虑到多级负荷预测协调的关联特性,将多级负荷预测的基本协调模型扩展为多维多级。首先针对典型的2维2级协调问题,建立了关联协调的标量模型和矩阵模型,并提出了相应的关联协调方法。引入了不平衡向量和调整系数矩阵的新概念,从而阐明了2维2级关联协调方法的物理机理。为便于比较不同协调方法的协调效果,文中继承和扩展了基本协调模型的评价标准,提出了关联协调模型的单项评价指标和综合评价标准。最后,通过实例验证了关联协调模型的协调效果。     

基于预测可信度的多级协调空间负荷预测方法

提出了一种基于负荷预测可信度的多级协调SLF方法。该方法首先确定了元胞历史负荷数据的评价指标,并运用灰色关联度理论,计算出各元胞的负荷预测可信度。然后建立空间电力负荷多级协调模型,并将元胞负荷预测可信度应用到多级协调模型中,最后利用该模型调整元胞目标年的预测值。空间电力负荷多级协调模型以不同层级负荷之间的关系为基础,在一定程度上能够消除上下级电网的预测结果之间出现的不均衡、不协调的现象,从而提高了空间负荷预测结果的准确性,为进一步的电网规划打下了坚实的基础。选取了指数平滑作为预测方法,并对预测结果采用空间电力负荷多级协调模型进行优化调整,调整结果表明空间电力负荷多级协调模型具有实用性和有效性。     

基于雷达坐标及膨胀系数的负荷预测新方法

以分形理论为依据，在雷达坐标中对电力系统负荷序列的分形维数、膨胀系数等参数进行了计算。雷达坐标的引入使负荷曲线呈现拟椭圆形状，这有利于从整体上把握负荷预测。虽然负荷曲线满足自相似性，但是还存在由随机负荷分量所引起的差别。对此，为了减小其影响，首先进行负荷数据的预处理。然后根据分形维数将负荷曲线分为若干段。同时，为了提高预测精度而引入了膨胀系数。最后利用这些参数对经过平滑处理的负荷曲线进行预测。实际的预测结果表明，此方法为一种有效的电力系统短期负荷预测方法。     

电力系统多级负荷预测及其协调问题(四)约束最小二乘可信度

多级负荷预测的基本协调模型和关联协调模型能够较好地解决各种具有直接加和特性的多级预测协调问题.文中在分析其模型特征的基础上,针对原有的加权最小二乘可信度容易出现对预测值调整幅度过大的不合理现象,提出了约束最小二乘可信度优化模型,使得由此形成的多级协调模型可以更加有效地提高电力需求预测的精度.文中还分析了基于约束最小二乘可信度的多级协调模型提高预测精度的机理,并通过实例验证了约束最小二乘可信度的有效性及其对多级预测效果的改善.     

电力系统负荷分析及预测方法

针对以往用一确定的数学模型描述负荷变化的负荷预测方法，提出一种先由人工进行负荷分析，挑选出与被预测日相应时段条件相符的历史负荷曲线。再由算法对这些历史负荷曲线进行处理以得出负荷预测的结果的新的负荷预测解决方案。     

电力系统短期负荷预测的静态分析

通过对电力系统负荷预测主要方法的理论分析，探讨了在短期负荷预测中基本负荷分量组成方式。以及基本负荷分量在电力系统负荷预测模型中变化规律。为提高电力系统短期负荷预测的准确性提供了依据。     

基于聚类分析理论的空间负荷预测方法

基于时序分析的空间负荷预测方法通常先把预测区域划分成若干元胞,然后对每个元胞进行基于时序的负荷预测,从而实现对整体的空间负荷预测.目前基于时序分析的负荷预测模型有很多,但其中任意单一模型均难以做到对每个元胞预测都是误差最小的,即无法保证对总区域的空间负荷预测结果的准确性.为此提出了一种基于聚类分析理论的空间负荷预测方法...     

聚类分析法在短期负荷预测中的应用

短期负荷预测是指预测未来24 h内的电力负荷需求,这是一项非常重要的工作。目前,负荷预测的实用计算方法有很多,线性回归法、时间序列法、人工神经网络法等等,但是,这些算法的预测精度欠佳。现根据相似日负荷的相似性,提出利用聚类分析法来进行短期负荷预测,为此,介绍聚类分析的步骤、方法及验证算例。实际运行结果表明:利用聚类分析法进行负荷短期预测,短期负荷预测的精度大大提高。     

负荷预测线性回归分析法的模糊改进

针对中长期电力负荷预测中观测数据及负荷变化规律的模糊性 ,采用模糊集合论中三角模糊数的概念 ,对传统的负荷线性回归预测模型作了改进。此方法通过建立具有模糊回归参数和模糊相关变量的回归模型 ,由模糊观测数据预测出未来负荷值。通过算例 ,验证了改进的负荷预测模型更加适用于中长期电力负荷预测     

基于回归分析的频域分解短期负荷预测方法

基于回归分析的频域分解短期负荷预测方法通过对负荷序列进行频域分解,将负荷序列分解为周期负荷分量、低频负荷分量以及随机负荷分量。采用了外推法、一元线性回归分析和加权平均法,分别对周期负荷分量、低频负荷分量和随机负荷分量进行预测。最后通过对某地区电网日负荷进行预测,表明该方法应用于短期负荷预测具有较好的预测精度。     

夏季日峰荷特性分析与预测

在分析夏季日峰荷特性的基础上,利用小波变换对负荷序列进行分解和单支重构．得到不同频段上的近似序列和细节序列,用相关性分析方法分别分析其早晚高峰值与气温的关系,根据分析的结果,使用RBF神经网络建立相应模型预测,将各序列的预测值相加得到日峰荷值。根据江苏省实际负荷运行数据,对方法进行了检验。     

Feature extraction via multiresolution analysis for short-term load forecasting

The importance of short-term load forecasting has been increasing lately. With deregulation and competition, energy price forecasting has become a big business. Bus-load forecasting is essential to feed analytical methods utilized for determining energy prices. The variability and nonstationarity of loads are becoming worse, due to the dynamics of energy prices. Besides, the number of nodal loads to be predicted does not allow frequent interactions with load forecasting experts. More autonomous load predictors are needed in the new competitive scenario. This paper describes two strategies for embedding the discrete wavelet transform into neural network-based short-term load forecasting. Its main goal is to develop more robust load forecasters. Hourly load and temperature data for North American and Slovakian electric utilities have been used to test the proposed methodology.     

广州电网负荷特性分析及短期预测模型设计

结合广州电网负荷短期预测系统的开发工作，设计了合理的预测模型。分析表明，该地区负荷表现出较强的以周为间隔和以日为间隔的周期性，民用负荷占据较大份额，日负荷分时段特性明显。的预测系统基于人工神经网络技术，针对性地分别建立了人工神经网络训练周模型和日模型，在对历史电网负荷和气象数据进行预筛选的基础上，结合对日负荷的分时段预测处理，开发短期预测系统。系统具有较高的预测效率和满意的预测准确度。针对该地区夏季高温季节出现的负荷饱和特性，设计了基于专家知识的预测检验环节，运行结果理想。     

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。     

基于谱分析与LS-SVM的中期电力负荷预测

针对支持向量机方法在短系列电力负荷预测中存在空间划分参数的选择受主观因素影响的缺点,提出了谱分析和最小二乘支持向量机相结合的负荷预测方法.该方法采用谱分析预测实际发生最大电力负荷值的周期,根据周期采确定SVM的训练模型.该方法可有效地避免参数选择中的人为因素,提高预测精度.从实际算例可看出,除最后一个点位相对误差为8.67%外,其余最位的相对误差均低于±5%,实测值与预测值的拟合度较好,预测精度较高.