电力负荷灰色预测模型及性能分析（英）

本文将灰色模型GM（1,1）应用于电力负荷预测中,并对GM（1,1）模型的混沌特性进行了研究,指出了GM（1,1）模型的适用范围．     

基于改进灰色理论的中长期负荷预测方法研究

摘要： 中长期负荷预测是配电网规划的必要前提,对于电力系统经济效益和社会效益的提升具有重要意义。针对传统灰色预测模型预测精度低,适用性不强的缺陷,提出了一种基于改进灰色理论的电力系统中长期负荷预测方法。该方法在经典灰色预测GM（1,1）模型的基础上,首先利用三点平滑法对历史数据进行预处理,然后再构建基于等维新息矩阵的GM（1,1）模型,最后利用残差处理方法对预测结果进行修正。基于四川某地区售电量负荷预测的实际算例的仿真结果表明,相比于传统灰色预测模型,本文提出的改进灰色预测方法在预测精度和适用性方面都具有显著优势。     

负荷预测的变权重灰色模型及其应用

针对传统灰色预测模型GM(1,1)在电力负荷预测中存在的局限性,提出了电力系统中期负荷预测的变权重灰色模型.以河北承德为例进行负荷预测,并与指教平滑法、动平均法、二项式预测模型和GM(1,1)模型四种方法的预测结果及实际用电量进行分析比较.结果表明,该模型预测精度较高、简捷、合理、实用,可作为中期电力负荷预测的工具之一.     

基于改进灰色模型的江苏省发电量预测研究

针对传统灰色预测GM(1,1)模型在实际应用中存在预测精度不高或精度通不过检验的问题,基于2000～2009年江苏省发电量数据,采用改进的灰色预测GM(1,1)模型预测了江苏省2000～2009年发电量,并与传统灰色预测GM(1,1)模型的预测结果进行比较。结果表明,改进的灰色预测GM(1,1)模型显著提高了原始数据序列的光滑度,预测误差远低于传统灰色预测GM(1,1)模型,进而预测了江苏省2015、2020年的发电量,对江苏省制定电力发展规划具有重要的参考意义。     

改进的灰色理论在短期负荷预测中的应用

针对短期负荷预测问题,以减少预测模型复杂度和提高预测精度为目的,提出了一种改进的灰色理论预测方法,并与传统GM（1,1）方法进行了对比。仿真算例结果表明,该方法预测精度较优,具有较好鲁棒性,适用于短期负荷在线预测。     

短期电力负荷预测的GM(1,1)模型群方法及应用

针对灰色GM（1，1）模型用于电力短期负荷预测不能有效反映负荷周期性变化及精度不高的问题，提出了GM（1，1）模型群方法。该方法通过分时段（时、天）单独建模，利用一群GM（1，1）模型进行预测，有效提高了预测精度并很好地反映了负荷的周期性变化。该方法克服了使用GM（1，1）模型不能很好体现实际负荷过程的局限，具有较高的实用价值，拓宽了GM（1，1）模型用于电力负荷预测的范围。     

基于改进GM(1,1)模型的电力市场期货价格的预测

建立和实现了基于灰色理论的电力市场期货价格的改进GM(1,1)预测模型。从改进θ参数、修正初始条件、等维新息处理等三个方面对原始GM(1,1)模型进行了改进,并利用真实期货价格检验改进GM(1,1)模型的拟合效果。结果表明,改进GM(1,1)模型的预测效果明显好于原始模型,具有较高的预测精度。     

土石坝竖向位移的灰色非线性拟合与预测

应用灰色系统理论,在一阶单变量灰色线性模型GM(1,1)基础上,引入使平均相对误差为最小的灰元 a作为模型参数,建立了灰色非线性模型GM(1,1; a),该模型弱化了模型精度对累加生成序列须呈指数规律的要求。将之用于冯家山土石坝竖向位移拟合与预测,精度高于灰色线性模型,并更具普遍适用性。     

系统优化的GM(1,1)模型在大坝位移预测中的应用

针对传统灰色GM(1,1)模型的缺陷,以陈村大坝为例,根据最小二乘原理提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,求得新灰色GM(1,1)预测模型的最优初始值,改进了原GM(1,1)模型的背景值及灰度值,并与传统GM(1,1)模型做了比较.数值仿真结果表明,新模型精度较高,预测效...     

大坝实测性态的灰色马尔科夫链预测方法研究

为实现大坝安全性态的准确预报,以西南某坝的多年扬压力极值为例,以扬压力实测序列建立GM(1,1)预测模型,基于预测模型的残差序列建立马尔科夫残差模型,对比分析GM(1,1)残差预测模型和马尔科夫残差模型;综合GM(1,1)模型和马尔科夫残差模型建立灰色马尔科夫模型,并利用灰色马尔科夫模型预测扬压力极大值。结果表明,灰色马尔科夫模型提高了预报的精度并恰当地反映了过程的摆动性。     

基于最小二乘组合灰色模型的中长期电力负荷预测

电力负荷预测是实现电力系统管理现代化的重要内容,有效的中长期电力负荷预测可为电网运行方式、电源建设规划等提供可靠的决策依据。针对中长期电力负荷预测,综合考虑负荷的历史数据和未来可能走势,在对三种灰色预测模型分析的基础上,以其预测值为解释变量,实际负荷值为被解释变量,通过最小二乘法建立多元回归方程,并通过计量经济检验,以此构造了负荷预测组合模型。将该模型应用于北京市年用电量预测中,结果表明所构造模型具有较高的预测精度,有效可行。     

对风电功率预测系统中预测精度的讨论

为了合理地利用风电,提高电力系统经济性,需要对风电场输出功率进行预测。针对目前风电场输出功率预测系统中预测结果缺乏足够精度的原因展开分析和讨论,在此基础上对预测模型中存在的问题以及对基础数据的处理方法进行了改进,并结合并网型风电场给预测系统带来的预测精度不准确的原因展开讨论,提出了解决方案,最后阐述了对提高风电功率预测精度还需要进一步做的工作。     

考虑源荷不确定性的电热系统联合调度

针对风电和电热负荷不确定的问题,提出计及源荷不确定性的旋转备用容量的优化方法,建立考虑电热备用耦合影响的调度模型.在日前阶段,以能源与负荷的预测量制定机组的出力方案,风电由于其预测精度较低,利用Beta概率密度函数来拟合风电出力,从而确定风电的不确定性带来的旋转备用容量,利用机会约束规划来处理不确定问题;负荷有较高的预...     

基于ALIF-LSTM多任务学习的综合能源系统短期负荷预测

综合能源系统中风电、光伏等可再生能源出力具有波动性和间歇性,精准的短期负荷预测有利于平抑可再生能源对系统运行的影响。系统中的多元负荷时间序列为典型的非平稳性信号,难以进行精准地预测。为了从数据层面提高综合能源系统短期负荷预测模型的精度,提出基于自适应局部迭代滤波（ALIF）的历史负荷数据分解方法,将历史负荷序列分解为具有不同频段模态函数的多个分量;针对预测模型训练中长时间序列处理困难及系统中多元负荷间耦合信息挖掘利用的问题,建立基于长短期记忆（LSTM）网络多任务学习的综合能源系统短期负荷预测模型。实验结果显示,与LSTM、ALIF-LSTM单任务学习、随机森林、LGBM方法相比,所提方法能够应对负荷波动剧烈的工况,预测精度较高,满足综合能源系统安全稳定运行控制的要求。     

基于逆推理论改进模糊均生函数的短期负荷预测

为提高短期电力负荷预测精度,针对电力负荷序列的周期性、随机波动性等特点,提出一种基于逆推理论改进模糊均生函数的短期负荷预测模型。该模型先将模糊均生函数算法引入负荷预测领域,同时应用逆推理论改进模糊均生函数的构造过程,然后将其与最优子集回归算法相结合,建立短期负荷预测模型,最后使用该模型进行预测。以山东电网某市的负荷数据为例,对该模型进行了验证,并与实际负荷数据及传统均生函数模型的预测结果进行对比。结果表明,所提模型能有效提高短期负荷预测的精度,具有很好的实用性。     

基于改进遗传算法优化的小波神经网络短期负荷预测模型

针对传统小波神经网络在电力系统短期负荷预测中存在预测结果的精确度依赖初始网络参数的问题,提出了一种基于改进遗传算法优化的小波神经网络短期负荷预测模型。为了保证神经网络在训练过程中,各个层的权值和阈值按最优方向变化,将遗传算法引入小波神经网络,利用遗传算法寻优能力指导权值和阈值进行优化。将概率分布策略用于遗传算法的种群交叉和变异过程,解决遗传算法在中后期搜索精度差,收敛速度慢等问题。应用结果表明,与基本的小波神经网络的预测模型相比,在只考虑短期负荷历史数据的情况下,通过均方根误差计算比较,基于改进遗传算法优化的小波神经网络短期负荷预测模型具有更高的预测精度。     

火电机组负荷多模型鲁棒预见控制方法

提出一种火电机组负荷多模型鲁棒预见控制方法,该方法首先对负荷区间进行模糊划分,然后在每个模糊子区间建立相应的结构参数摄动模型,并使用鲁棒预见控制方法设计控制器,最后总的控制量为多个子控制器输出的加权平均。仿真研究表明,该方法能够使负荷系统获得良好的全局控制性能。     

基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识

针对分布式光伏发电系统广泛接入配电网,导致电力系统潮流计算速度和精度较低的问题,提出一种基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识模型。首先,在综合负荷模型的虚拟母线上接入等效光伏发电系统的负荷模型,从而建立配电网广义负荷模型;之后,提出一种将混沌优化与海鸥优化相结合的优化算法,基于该算法完成配电网的等值,并在此基础上进行含光伏发电的综合负荷模型参数辨识。最后,通过仿真表明该文提出的算法,相比于传统的粒子群算法和单一海鸥优化算法,在计算精度和收敛速度等方面具有优越性,并可应用于负荷模型的参数优化。     

Estimating future balancing power requirements in wind–PV power system

This paper presents a general model—based on the Monte Carlo simulation—for the estimation of power system uncertainties and associated reserve and balancing power requirements. The proposed model comprises wind, PV and load uncertainty, together with wind and PV production simulation. In the first stage of the model, wind speed and solar irradiation are simulated, based on the plant disposition and relevant data. The second stage of the model consists of wind speed, PV power and load forecast error simulation, based on the associated statistical parameters. Finally, both wind and PV forecast error are combined with the load forecast error, resulting in the net uncertainty. This net uncertainty, aggregated on a yearly level, presents a dominant component in balancing power requirements. Proposed model presents an efficient solution in planning phase when the actual data on wind and PV production is unavailable.     

基于遗传程序设计的中长期径流预报模型研究与应用

应用遗传程序设计建立径流中长期预报模型,结合径流序列数据的特点通过自相关分析确定其滞时输入变量的个数,采用均方误差作为其适应度评价函数,以漫湾实测月径流序列(1953~2003年)和洪家渡实测月径流序列(1951~2004年)为例,通过与ARMA模型、人工神经网络模型的预报结果比较,显示该模型应用于径流中长期预报简单易行且精度较高。