夏季日峰荷与人体舒适度的灰色关联分析

为了深入了解夏季日峰荷与气象因素之间的关系,首次提出了运用人体舒适度作为气象因子以分析它对夏季日峰荷的影响,并以2000年北京市夏季日峰荷、气象因子(温度、湿度、风速等)数据为分析基础,运用灰色理论的关联分析方法,分别计算了2000年北京市夏季日峰荷与日平均温度、人体舒适度参数的关联度,得出了北京地区夏季日峰荷,在芒种至立秋期间,与人体舒适度关联较之与温度参数的关联更为密切的结论,从而为电力运行部门、计划部门在制定夏季日峰荷运行方式或电力需求计划时确定合适的解释变量提供了充分的理论依据。     

人体舒适度指数对用电负荷的影响

通过引入人休舒适度指数这一气象新概念，对电网负荷与气象变化之间的关系进行相关性、离散性和灵敏度分析。通过对南京电网的分析可得，相对于日最高气温、日最低气温而言，使用人体舒适度指数更能准确表明日最大负荷的变化。     

人体舒适度指数在短期电力负荷预测中的应用

针对地区电网负荷易受多种气象因素影响的特点,引入人体舒适度这一气象新概念,综合分析天气因素对用电负荷的影响,并在人工神经网络法短期电力负荷预测的输入单元中,以人体舒适度指数代替温度、风速、相对湿度。经长春电网实际数据预测计算,证明此方法与引入人体舒适度指数前相比,可减少输入单元的个数,提高负荷预测精度。     

考虑人体舒适度的扩展短期负荷预测新方法

扩展短期负荷预测源于滚动发电计划的制定,在原计划与实际负荷发生较大偏离(大于3%)时,精确的扩展短期负荷预测有利于制定科学合理的滚动发电计划.运用多种人体舒适度选取相似日是以负荷求导法的思想,综合分析天气因素对用电负荷的影响,提出了考虑多种人体舒适度的相似日的扩展短期负荷预测方法.研究结果表明,该方法在保证运算速度的同...     

基于人体舒适度指数的配电网短期负荷预测方法

针对配电网负荷特点,提出了一种基于负荷曲线形状相似度与人体舒适度指数的配电网短期负荷预测方法。研究了负荷曲线形状相似的特点,依靠各时刻负荷差值期望,给出了一种负荷曲线形状相似度计算方法。针对气象因素对负荷的影响,引入了人体舒适度指数,并根据日最高气温与最低气温,给出了一种日人体舒适度指数相似度计算方法。根据配电网负荷类型特点,分析了节假日与正常工作日情况下,各类型负荷变化特性。结合上述特性,给出了一种配电网短期负荷预测方法,并详细论述了方法原理及步骤。结合某一配电网电源点9天历史数据与气象数据作为实例,表     

温度、人体舒适度对地区短期负荷预测的影响

通过上海市东供电公司2000年～2002年夏季温度与负荷数据实例，针对上海地区空调负荷比重日趋增大的特点，分析了天气因素中温度及舒适度对短期负荷预测的影响。具体分析了上海夏季负荷与温度的关系，找出了夏季初期积温效应及空调负荷逐渐增加的负荷特点；分析了夏季降温时温度负荷的变化规律以及最高负荷的饱和趋势。重点分析了负荷与舒适度温湿指数的关系，在此基础上，提出了提高地区短期负荷预测水平的具体建议。     

南京市夏季气温--日峰荷特性分析

气候变化对负荷的影响在逐年增大。同时也影响着电力系统负荷预测的精度。南京市夏季的季节性成分在一年中为最大,其中温度因子的影响是其构成的主要因素。通过对1996－1999年期间夏季典型日负荷曲线、夏季日峰荷与温度因子的相关性分析和对温度因子热积累效应的研究,为提高电力负荷的预测精度打下了基础。     

人体舒适度在短期电力负荷预测中的应用

通过在短期电力负荷预测中引入人体舒适度这一气象新概念,综合考虑了天气变化因素对用电负荷的影响,使得在实际预测过程中减少了人工神经网络法中的输入单元,加快了网络收敛速度,明显提高了电力负荷预测精度。     

基于人体舒适度日特征向量的PSO-NN短期负荷预测

通过详细分析负荷特征,结合平均风速、最大风速等8项气象数据,引入风寒指数、炎热指数和人体舒适度用以综合考量气象对负荷的累加影响。同时,通过构建日特征性向量,分别对不同季节采用不同的特征向量选择相似日。利用粒子群(PSO)优化神经网络(NN)的权值和阈值,从而降低了计算规模和提高预测准确性。算例表明,该方法能够针对不同季节特点,选取较合适的相似日,算法收敛速度快、有较高的预测精度和较强的适用性。     

基于动态自适应神经网络和人体舒适度的短期负荷预测

针对BP(Back Propagation)神经网络的适应性较差的问题,提出了自适应神经网络的模型,并将其应用到短期负荷预测中。在神经网络进行数据训练时,对于大量的训练数据,提出采用动态自适应的方式进行处理。分析了实时气象因素对短期负荷的影响,以人体舒适度作为气象因子的处理模型。采用杭州地区数据对提出的模型进行验证,与BP模型预测的结果对比,具有更快的预测速度、更高的预测精度。所构建的预测模型具有很好的适应性,并充分考虑了气象因素、日期类型,预测结果表明所提出的预测方法是有效且实用的。     

基于分形理论的电力系统负荷特性研究

电力系统负荷预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。在当前电力发展迅速和供应紧张的情况下，合理地进行负荷预测对于电力系统规划和运行极其重要。通过分析电力系统负荷曲线，得出电力系统负荷具有统计的自相似性，从而证明了分形理论应用于负荷预测的可行性和合理性，为将分形理论应用于电力系统负荷预测提供了理论依据。     

气象敏感性负荷特性分析及预测

以电网迎峰度冬和迎峰度夏为背景,将电网负荷中的气象敏感负荷作为研究对象,对负荷预测气象指标进行分析,结合天气预报准确性分析,得出累积温度指标的适用性范围。分别采用基于累积温度指标的预测方法和基于综合气象指标的预测方法对气象敏感负荷进行预测,并针对大幅度升温/降温以及天气转化情况时对预测方法进行改进,提出在累积温平均温度变化超过2℃时,宜采用基于累积温度在平日预测时采用变化和平均温度变化加权指标进行负荷预测,在晴雨转换时采用修正后的综合气象指标预测法的综合气象敏感性负荷预测方法。实际算例和应用表明,该预测算法具有更高的准确度,为目前负荷预测提供一定依据。     

基于模糊神经网络的电力负荷短期预测

针对电力负荷的特点,综合考虑了温度及日期类型等因素对日最大负荷的影响,提出了一种采用模糊神经网络进行短期负荷预测的方法,并详细介绍了该方法的实现过程。通过对EUNITE(the European Network of Excellence on Intelligent Technologies for Smart Adaptive Systems)网络提供的实际数据进行详细分析确定了影响日最大负荷的相关因素,进而选择了合适的模糊输入以建立相应的模糊神经网络预测模型,并取得了较为理想的预测结果。算例分析结果充分证明了模糊神经网络在短期电力负荷预测方面具有较好的应用前景。     

热指数指标在电力负荷短期预测中的应用

就电力负荷短期预测工作引入了热指数指标,它来源于生物气象学的统计结果,是人体感受气温和空气相对湿度综合作用的一组统计数据,推导出热指数在工程应用中的拟合函数,并应用于电力负荷短期预测工作中。热指数能更好地体现电力负荷和气象条件之间的关系,因此提高了电力负荷短期预测的准确度。     

基于双修正因子的模糊时间序列日最大负荷预测

天气温度变化是影响短期电力负荷预测的主要因素.为提高预测精度,引入负荷变化影响因子和气温影响因子,提出基于双修正因子的模糊时间序列预测算法.根据负荷变化趋势,提出分段预测的思想,在拐点处用负荷变化因子进行修正,然后用气温影响因子对预测结果进行二次修正.将改进的算法用于某电网夏季最大负荷的预测.数值结果表明该算法具有较高的预测精度.     

基于模糊综合评判的负荷密度指标选取新方法

将模糊综合评判方法应用于电力负荷密度指标的选取。首先分析影响密度指标的各因素所占权重,然后对待定的密度指标进行模糊综合评判,最后根据评判结果对评判对象进行归类并选取相应的密度指标。该方法克服了以往通过简单类比或经验选取密度指标易造成主观随意性大、结果欠量化的问题,具有较强的科学性和实用价值。     

银川城市电力负荷特点分析与中长期预测

近年来银川市国民经济呈高速发展态势,用电负荷结构已发生了很大变化。根据银川市历年负荷资料,分析了银川城市电力负荷各方面的特点,找出影响银川电网电力负荷变动的因素,并对银川市2009-2015年以及2020年电力负荷与用电量进行了预测,分析与预测有利于掌握城市用电负荷的发展趋势．对城市电网规划和开拓电力市场提供决策依据具有指导意义。     

日最大负荷特性分析及预测方法

电力调度和市场营销部门对电力负荷数据的走势形态和预测方法十分重视。在实际应用中,电力市场对提前预测未来连续多天的日最大负荷提出了新的要求。本文根据电力系统中日最大负荷的历史数据,分法定假日与非假日两部分单独研究其特性。对于假日最大负荷的预测,设定假日因子;对于非假日,通过小波分解提取日最大负荷变化的周期特征,再分别建立相应的BP神经网络模型进行预测。通过对某市电力负荷数据的预测及结果表明:采用这种组合方法可行有效、预测精度满足行业要求。有较强的理论意义和广泛地应用前景。     

基于负荷频谱分析的电力系统短期负荷预测

电力系统短期负荷具有非常大的不确定性,而其日负荷信号的频谱具有连续变化的特性。从信号频谱分析角度,对日负荷信息进行建模分析,并通过小波变换,将日负荷数据分解为不同尺度上的投影子序列,用子序列作为小波神经网络的训练样本,然后用训练好的神经网络模型对电力系统的短期负荷进行预测。在Matlab仿真软件中,采用某市某线路的某日负荷数据对算法进行仿真验证,取得了较好的预测结果。