电力系统短期负荷预测方法研究

采用混沌理论进行电力系统短期负荷预测 ,对利用Lyapunov指数算法进行负荷预测作了介绍 ,包括用混沌理论实现相空间的重构 ,以及通过计算关联维得到最优嵌入维数的方法、计算Lya punov指数的方法和利用Lyapunov指数得到预测负荷数值的过程 ,并给出了算法的简单实现步骤。实例预测结果 ,证明了算法的有效性 ,揭示了采用混沌理论进行短期负荷预测的优越性     

电力系统短期负荷预测方法的研究

采用混沌理论进行电力系统短期负荷预测，对利用Lyapunov指数法进行负荷预测作了介绍，包括用混沌理论实现相空间的重构，以及通过计算关联维得到最优嵌入维数的方法、计算Lyapunov指数的方法和利用Lyapunov指数得到预测负荷数值的过程，并给出了算法的简单实现步骤。实例预测结果。证明了算法的有效性。揭示了采用混沌理论进行短期负荷预测的优越性。     

天气敏感型神经网络在电网短期负荷预测中的应用

针对运城地区电网易受气象影响的特点，应用了一种具有天气敏感性的基于快速反应BP算法的神经网络预测模型，模型中合理地考虑了影响负荷变化的气温和降水量等主要气象因素，使其能够适应天气的变化。对运城地区的实际负荷进行预测，结果较好地满足了现场要求．从而验证了该模型和算法的有效性。     

基于敏感气温空间分布的度夏度冬日最大负荷预测与应用研究

随着电气化率的提升,新型电力系统“双高双峰”特性愈发明显,准确预测度冬度夏日最大负荷对电力平衡安排、迎峰保电保供的重要性也更加突出。采用负荷分解理论,提出了基于敏感气温空间分布的夏季和冬季日最大负荷预测方法。利用社会发展因素,建立基础负荷与国内生产总值(gross domestic product,GDP)、居民消费价格指数(consumer price index,CPI)关联模型,为基础负荷的估算提供更客观、严谨的理论依据。根据各区域电网负荷占比识别重点分区,采用M-K(Mann-Kendall)检验确定分区敏感气温并统计各分区温变负荷范围,结合聚类分析方法构建分档位温变负荷预测模型。以国家电网有限公司经营区2021年度冬度夏日最大负荷预测为例,预测结果相比ARIMA(autoregressive integrated moving average)时序预测法、支持向量回归法(support vector regression,SVR)的结果更具优势。结合2022年度夏日最大负荷预测算例,进一步验证了所提方法和模型的有效性。     

基于空间负荷预测的临夏城网远期饱和负荷预测方法研究

由于电力系统负荷的大小和多种因素有关,不同的条件衍生出了不同的预测方式,因此通过论述负荷预测的重要性及基本思路,根据每个行业的负荷密度指数调查结果,比较中国成熟地区的负荷密度指数,开展基于空间负荷预测的临夏城网远期饱和负荷预测,以提高远期负荷预测的准确性,具有较好的参考价值。     

山东电网气温敏感负荷研究

随着社会经济的发展以及居民生活水平的提高,气温敏感负荷对电网生产运行的影响越来越大,气温敏感负荷分析愈发重要。收集山东省2011—2014年用电负荷和相关温度数据,测算空调降温负荷及单位温升负荷,并在此基础上,定量分析降温负荷对日负荷特性的影响,为电网规划和生产调度提供参考。     

多层次母线负荷预测方法研究

母线负荷预测不仅是推进调度精益化管理的重要手段,而且对于节能调度的推行、发电计划的制定、电力现货的交易等工作具有至关重要的作用.目前绝大多数短期负荷预测都是系统级的,母线负荷预测很难直接套用系统负荷预测的方法,因此提出一种基于挂接电源、终端用户及检修、气象等因素的多层次母线负荷预测方法.通过该方法可实现母线负荷预测的精...     

夏季温湿指数与气象敏感电力负荷的研究

为了深入了解夏季电力日峰荷与气象因子之间的关系,从负荷资料中分离出随气象因子变化的气象敏感负荷,在考虑气象因子对气象敏感负荷的累积效应基础上,建立了气象敏感负荷变化率与气象因子间的关系模型。对2004～2005年某市夏季气象敏感负荷与温湿指数、日平均温度、日最大温度进行的灰色关联分析结果表明:温湿指数是对夏季气象敏感负荷影响最大的关联变量。在此基础上建立了夏季气象敏感负荷与温湿指数的三次多项式模型,计算分析了气象敏感负荷变化率与温湿指数的关系,为电网负荷的预测和运行调度提供依据。     

考虑需求响应的温度敏感用户夏季短期负荷预测方法

在新常态下为了降低生产成本,用户会参与需求响应进行错峰和避峰。传统负荷预测模型对用户负荷特性变化不敏感,对一些突变信息难以准确预测。针对此问题,考虑温度敏感用户参与需求响应,提出了夏季短期负荷预测方法。该方法采用小波变换和局部离群因子方法对负荷数据预处理,基于模糊C均值聚类和径向基函数网络相结合的方法识别预测日的负荷特性,采用线性回归模型对预测日的负荷特性相同的历史负荷数据进行负荷预测,根据降温负荷的基准值和温度变化值评估出降温负荷值,最后综合得出预测日的负荷。对3类温度敏感的纺织行业大用户进行算例分析,验证了所提方法的可行性和有效性。     

基于负荷分解的日最大负荷预测方法研究

提出了1种基于负荷分解的日最大负荷预测算法,即将负荷分解为正常负荷分量和天气敏感负荷分量,用结合指数趋势和周期趋势的组合模型预测正常负荷分量．用神经网络法预测天气敏感负荷分量。同时,在分析最大负荷和人体舒适度相关性的基础上,在预测中用人体舒适度替代了常规气象因子。预测结果表明,该方法可以取得较为满意的预测效果。     

电力负荷预测方法浅谈

简要介绍了几种常见的电力系统负荷预测的经典方法和现代方法,并介绍了近年来较为热门的支持向量机模型法及其仿真软件,并对未来负荷预测技术的发展做出了展望。     

电网自然区域负荷预测研究

农网改造中变电站的规划是一项核心工作,其中对变电站所带区域的负荷,称为自然区域负荷,进行准确的预测又是关键。分析了典型的农村用电量结构,将之分为四类,并对其中三类主要用电量进行单独分析和预测。首先利用粗糙集理论对每类用电量的影响因素集合进行约简,之后利用支持向量回归机对其进行分别预测。最后的预测结果是三个预测结果相加再按比例加上其它用电量。实验结果表明粗糙集结合支持向量回归机的方法比传统方法有比较大的优势,预测精度比较好。     

小波软阈值去噪和GRNN网络在月度负荷预测中的应用

在介绍了小波阈值降噪理论和广义回归神经网络基本理论的基础上,针对电力系统的月负荷数据同时具有趋势增长性和季节波动性的复杂非线性特征,提出了一种月负荷预测新方法.首先对历史数据进行小波软阈值去噪,以横向历史数据和纵向历史数据作为神经网络的输入,建立了月度负荷预测模型,并将其应用于我国某地区月度负荷预测,结果表明:该模型既具有较好的鲁棒性,预测精度较高且较为稳定,又具有良好的实用性.     

电力负荷季节指数的测定和分析

电力负荷是时刻变化的,具有鲜明的周期性和季节性。通过简单平均法、移动平均比率法和最小平方趋势剔除法对2000-2008年的月电量计算季节指数。揭示电量随时间推移而变化的规律性,并通过误差分析比较各种方法结果的优劣,为中长期负荷预测提供了依据。     

Machine-Learning based methods in short-term load forecasting

Short-term load forecasting is of great significance to the secure and efficient operation of power systems. However, loads can be affected by a variety of external impact factors and thus involve high levels of uncertainties. So it is a challenging task to achieve an accurate load forecast. This paper discusses three commonly-used machine-learning methods used for load forecasting, i.e., the support vector machine method, the random forest regression method, and the long short-term memory neural network method. The features and applications of these methods are analyzed and compared. By integrating the advantages of these methods, a fusion forecasting approach and a data preprocessing technique are proposed for improving the forecasting accuracy. A comparative study based on real load data is performed to verify that the proposed approach is capable of achieving a relatively higher forecasting accuracy.     

考虑季节特性的多时间尺度电动汽车负荷预测模型

当前对电动汽车(Electric Vehicle,EV)充电负荷预测的研究大多集中在短期单一时间尺度,且鲜有考虑在较长时间尺度下不同季节电动汽车充电负荷存在的差异.基于此,提出一种考虑季节特性的多时间尺度电动汽车负荷预测模型.首先,考虑季节特性对EV的电池最大载电量、里程耗电量和空调耗电量的影响,结合时空分布规律建立短...     

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。     

短期负荷预测神经网络方法比较

以某地区购网有功功率的负荷数据为背景,建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作,并对其结果进行比较。针对传统的BP算法具有训练速度慢,易陷入局部最小点的缺点,采用具有较快收敛速度及稳定性的L-M优化算法进行预测,使平均相对误差有了很大改善,具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力,使平均相对误差和每日峰值相对误差降低,但收敛速度过慢(慢于SDBP模型),不适于在实际应用中采用。     

人均用电量法在区域饱和负荷预测中的应用研究

探讨了饱和负荷预测工作的必要性和紧迫性,针对人均用电量法在饱和负荷预测中的应用过程做了详尽的说明,给出了预测模型中各变量子模型及其参数的确定方法,并以福建省的历史统计数据为例,验证了该方法的预测精度。