基于饱和负荷密度的城市远景空间负荷预测

针对城市中长期发展过程中的电网规划问题,提出一种基于饱和负荷密度的城市远景空间负荷预测方法.基于粗糙集和元胞自动机理论模拟城市不同类型的用地动态变化过程,根据不同用地类型的土地转换规则预测规划区域内未来的土地使用类型及面积变化;基于logistic饱和负荷预测模型预测出不同用地类型的饱和负荷密度曲线;最终根据不同用地类型的饱和负荷密度曲线及面积预测出城市远景空间负荷分布,并通过案例验证所提出方法的有效性,为城市空间负荷预测的研究提供了理论参考.     

电力系统饱和负荷预测研究综述

随着我国城镇化及工业化水平地不断提高,基于电网远景规划的饱和负荷预测越来越受到人们的重视。做好电力系统饱和负荷的预测对城市电网架构、电网规模的规划和发展具有重要的指导意义。该文综述了电力系统饱和负荷预测研究的最新进展,从电力系统负荷特性及常用负荷预测方法、饱和负荷的含义及判断依据和电力系统饱和负荷预测方法等方面进行了总结研究,分析了城市电力系统饱和负荷预测常用的方法,并对电力系统负荷预测技术发展趋势进行总结和展望,为城市电力系统饱和负荷预测的研究、推广提供参考。     

基于交替条件期望的短期负荷概率密度预测

现今电力系统短期负荷预测的点预测方法多种多样。为弥补传统点预测方法结果过于单一的问题,结合温度及日历序列因素对负荷的影响,提出基于交替条件期望(ACE)的短期电力负荷概率密度预测方法。以温度及日期序列为负荷影响因子,建立基于交替条件期望理论的非参数回归模型,计算历史负荷与影响因子的非线性回归方程;考虑日类型及星期类型等多重因素,利用模糊聚类方法选取相似日;以回归方程为基础,根据所得相似日及预测日影响因子,进行负荷回归值计算,并利用核密度估计(KDE),得到负荷概率密度曲线。利用某市的实测数据,进行负荷概率密度曲线预测,并选取概率密度众数作为负荷点预测值,与其他负荷预测方法结果相比较,仿真结果表明该方法的精度高、可靠性好。     

基于多变量分析的城市电网空间负荷预测方法

提出了一种基于多变量分析的城市电网空间负荷预测方法。该方法采用"自上而下"的方式来实现,首先建立计及经济、人口、气温等因素影响的多变量预测模型,并在此基础上预测出城市电网的负荷总量;然后根据城市用地信息,采用负荷密度指标法把负荷总量分配到各个供电小区,从而实现空间负荷预测。最后以吉林市城市电网为例进行分析,结果表明该方法是有效的。     

加权Markov修正模糊信息粒的电力负荷区间预测

针对电力负荷预测存在波动性且预测精度不高的问题,提出一种基于加权马尔可夫(Markov)修正模糊信息粒的电力负荷区间预测方法.该方法首先对电力负荷数据序列进行基于模糊信息粒化(FIG)的空间窗口重构,以此得到电力负荷模糊信息粒和电力负荷的各阶自相关系数;然后建立由基于FIG和长短时记忆网络(LSTM)组合的模型(FIG-LSTM),以此获得能够预测不同模糊粒的3组LSTM模型;最后建立加权Markov-FIG-LSTM模型,并通过消除3组LSTM模型中的预测误差得到电力负荷预测区间和趋势值.实例分析表明,Markov-FIG-LSTM模型的RMSE、MAE和MAPE指标比FIG-LSTM模型分别降低了4.78%、11.37%和11.72%,因此该方法可为电网调度提供有效的数据支撑.     

改进粒子群算法在中长期电力负荷组合预测模型中的应用

为提高电力负荷预测的精度,提出了基于改进粒子群算法的电力负荷组合预测模型求解方法.该方法以回归分析、比例系数、灰色模型为基础建立负荷组合预测模型,利用改进粒子群算法优化组合预测模型的权值,并与单个预测模型进行比较.预测结果表明,基于改进粒子群算法的电力负荷组合预测模型运算速度快,预测精度高,相对误差小.     

计及温度影响的短期负荷预测时间序列模型

时间序列模型在国际和国内的短期电力负荷预测中得到了广泛应用.然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去.在此背景下,首先基于负荷和气温数据建立了负荷预测的回归模型,然后构造了回归模型残差累积式自回归一滑动平均模型并对回归模型进行修正.最后,用广东电力系统的实际负荷数据说明了所发展的...     

基于城市能源互联网的配电网规划优化研究

传统配电网规划方法忽略了分布式电源接入配电网前后功率值的变化,导致其规划后建设投资成本较高。为此,提出基于城市能源互联网的配电网规划优化方法。首先,计算分布式电源接入配电网前后的发电功率值,通过功率值对比分析分布式电源接入配电网前后负荷变化,确定城市能源互联网对配电网影响因素。随后,基于该影响因素建立负荷预测模型,预测配电网在城市能源互联网影响下的负荷变化。最后,设置电力供需平衡、潮流容量、电压和电流等约束条件,建立配电网规划优化模型。仿真结果表明：该配电网规划优化方法的预测区域负荷准确度高,功率预测性能与实际值相差极小,并且该方法可降低配电网规划建设投资和经营的总成本,实现配电网规划的合理化。     

滑动平均法改进型灰色预测模型在德山开发区电力负荷预测中的应用

利用灰色控制理论对德山开发区电力需求量进行预测.用生成方法对原始数据进行处理,消除了影响电力需求量的众多非重要因素,并从原始数据中挖掘有用的信息,建立微分拟合方程,基于残差修正提出滑动平均法改进型灰色预测模型,增加当年数据的权重,避免数值的过度波动.德山开发区电力负荷预测结果表明该模型能有效提高预测精度.     

基于混沌蚁群算法的电力短期负荷预测

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先利用混沌理论将杂乱无章的历史数据进行相空间重构,找出其中的潜在规律,并粗选预测参考点;然后利用蚁群优化算法,考虑距离因素和相点演化的相关性因素,对粗选的预测参考点作进一步精选,提高其质量;最后采用GM（1,1）灰色模型得到预测日的负荷数据。实际算例验证了提出的方法具有较好的预测精度。     

基于时间序列分解技术的电力负荷预测乘积模型

电力负荷预测是电力系统安全经济运行的重要保障,其关键是预测方法及预测精度等问题。考虑到电力负荷受到长期趋势、季节变化、周期变动及不规则变动等诸多因素的影响,本文运用时间序列分解方法,建立电力负荷预测的乘积模型,并通过全社会用电量进行预测与检验,结果表明了方法的有效性。     

基于趋势变化分段的电力负荷组合预测方法

提出了一种基于趋势变化分段的电力负荷组合预测方法,该方法基于趋势变化与加权组合的思想,有效提高了电力负荷的预测精度。在充分研究电力负荷“三峰三谷”变化特性的基础上,将电力负荷变化曲线划分为六个时段,每个时段均采用线性回归法、趋势变化法、BP神经网络和支持向量机的加权组合预测方式,并基于最小二乘法的思想,求解得到了模型最优参数。最后以苏北某地区的电力负荷预测为例进行了分析,结果表明该方法预测电力负荷的平均相对误差为2.83%,精度高,在电力系统具有较好的应用价值,从而验证了该方法的有效性与可行性。     

物元分析法在负荷密度指标求取中的应用

介绍了物元分析的基本原理和方法,将样本负荷密度指标、影响因素及其量值组成物元,建立了负荷密度指标求取的物元模型,进而求取待预测结果.实例分析表明,物元分析理论用于负荷密度指标求取是切实可行的.     

基于模糊聚类理论的水量短期预测方法

为提高城市供水系统水量负荷的预测精度,提出一种基于模糊聚类理论的城市管网水量短期负荷预测的新方法.该方法通过对负荷历史数据进行聚类、隶属度分析,利用模糊聚类参数来描述负荷与影响因素之间的关系,并应用这种确定的相关关系进行负荷预测.应用MATLAB语言进行预测仿真得到基于模糊聚类的模糊训练结果、最终预测结果和预测误差.实践表明该方法较多地考虑各种影响因素,结构简单,预测精度高.     

物元分析法在负荷密度指标求取中的应用

介绍了物元分析的基本原理和方法,将样本负荷密度指标、影响因素及其量值组成物元,建立了负荷密度指标求取的物元模型,进而求取待预测结果．实例分析表明,物元分析理论用于负荷密度指标求取是切实可行的．     

电力期货价格的协整建模与预测

在电力市场环境下,电力期货价格受现货价格、利率和负荷需求等多种因素影响,变化趋势复杂,很难将所有的因素都加以考虑来建立一个准确的模型对其进行全面描述．因此,选取最重要的影响因素：电力现货价格,利用协整理论来研究电力期货价格和现货价格之间的动态关系,并建立向量误差修正模型（VECM）,对电力期货价格进行有效的预测．     

基于社会经济指标影响的电力系统月度负荷组合预测模型

电力负荷受到多种因素影响,用负荷历史数据进行负荷预测结果往往不准确.考虑社会经济指标的影响,采用无偏灰色预测模型与偏最小二乘模型相结合的方法对月度电力负荷进行预测.首先通过无偏灰色理论的方法预测各社会经济指标,然后针对社会经济指标与电力月度负荷的变化特点进行偏最小二乘建模.最后拟合出负荷与各指标之间的线性关系式.实例证明,该组合预测模型具有较高精度.     

用时间序列法进行电力系统短期负荷预测

电力系统负荷预测是指从电力负荷自身的变化情况以及经济、气象等因素的影响规律出发,通过对历史数据的分析和研究,探索事物之间的内在联系和发展变化规律,以未来的经济、气象等因素的发展趋势为依据,对电力需求作出预先的估计和推测。本文通过使用经典的时间序列法进行短期负荷预测,以C++语言程序为计算手段,并将预测结果与实际值进行比较分析。同时类比其他各种预测的方法,对短期负荷预测的方法、过程、意义进行一些分析。     

基于多维度与主成分分析的年最大负荷分解预测

为提高年度最大负荷预测准确度,更好地服务电网公司电网规划与运行科学精准管理,结合最大负荷可分解特性,文章将年度最大负荷分解为基础负荷和空调负荷;并从经济增长、城镇化进程、居民与服务业需求、气象和电网供电能力5个维度系统总结了基础负荷和空调负荷共计11个影响因素指标,构建了基于多维度与主成分分析的年最大负荷分解预测模型。安徽省某地市的实例表明,文章提出的年最大负荷分解预测模型由于综合考虑了分类负荷特性及其多维度影响因素,预测准确率高,可作为电力市场分析预测和电网规划人员开展年度最大负荷预测的一种有效方法。     

多因素支持向量机模型在江苏省中长期电力负荷预测中的应用

为提高电力负荷预测的准确性,建立了多因素支持向量机负荷预测模型,运用影响因素和历史负荷向量进行智能预测,明显提高了预测值误差精度,实证结果表明,利用该模型对电力负荷进行预测,可得到有效可靠的结果.