考虑气象累积效应的IPSO-BP神经网络短期负荷预测算法

气象因素是短期负荷预测中的重要因素,考虑气象累积效应选取相似日作为训练样本,提出基于改进粒子群优化算法的BP神经网络负荷预测方法(IPSO-BP)。首先通过相关性分析得出与日负荷相关程度较大的气象因素;在此基础上,采用加权几何距离选取与待预测日关联度较大的历史日作为相似日,并对IPSO-BP神经网络模型进行训练和预测。实际应用结果表明,所提出的预测模型和数据处理方法能够得到更加精确的预测结果。     

短期负荷预测中考虑夏季气温累积效应的方法

由于气象因素对负荷的影响较大,在短期负荷预测中需合理考虑气象因素的影响。气温累积效应是夏季气象因素影响负荷的重要现象,是指待预测日之前若干日的气温对待预测日的负荷具有比较明显的影响,持续高温情况下影响尤其明显。对大量气象数据的分析表明,在不同条件下,累积效应的强度不同,对负荷的影响程度也不同。据此,提出了用离散的累积系数和温度修正公式来反映累积效应强度的方法,考虑了各种影响累积效应强度的因素,如待预测日的气温、高温持续天数等。实例表明,所提出的方法比较准确地反映了累积效应对负荷的影响。     

考虑高温累积效应的夏季日最大负荷预测

对湖南地区夏季日最大负荷与温度进行敏感性分析,得出夏季温度对负荷的影响可分为2个阶段,并提出变换公式来描述平均温度对负荷的阶段性影响。确定出现高温累积效应的温度界限值,并以高温持续天数与最高温度定义高温累积效应,直观反映持续高温对负荷的影响程度。引入温度的＂1度效应＂和高温累积的＂1天效应＂概念,并对其进行分析。建立考虑温度变化、持续高温和人们生产、生活规律的夏季日最大负荷预测模型,验证了高温累积效应的方法合理、有效。     

考虑夏季气象因素的短期负荷预测方法研究

由于夏季电力负荷受气象因素影响较大,尤其是连续高温情况下,短期负荷的预测结果往往存在较大偏差.通过对气象敏感负荷与温度、湿度等气象因素的相关性研究,提出了考虑温度累积效应的修正模型.该模型不仅考虑了多日前温度对负荷的影响,还考虑了待预测时段之前时段的温度对负荷的影响,同时对湿度进行了相关性修正.通过综合预测模型试算,实例表明,引入修正模型后夏季高温负荷的预测精度有了较大提高.     

考虑夏季气象因素的短期负荷预测方法研究

由于夏季电力负荷受气象因素影响较大,尤其是连续高温情况下,短期负荷的预测结果往往存在较大偏差。通过对气象敏感负荷与温度、湿度等气象因素的相关性研究,提出了考虑温度累积效应的修正模型。该模型不仅考虑了多日前温度对负荷的影响,还考虑了待预测时段之前时段的温度对负荷的影响,同时对湿度进行了相关性修正。通过综合预测模型试算,实例表明,引入修正模型后夏季高温负荷的预测精度有了较大提高。     

考虑气象因素的电采暖负荷预测研究

为了改善空气环境,政府大力推进煤改电工程的落地实施,电采暖负荷被大量采用。电采暖负荷具有功率大、与季节和气象关系紧密、负荷密度集中的特征,对配电网规划运行产生较大影响,文中主要从气象因素角度出发,通过分析电采暖负荷的典型特征,筛选了温度和湿度两个主要气象因素,并结合北京某煤改电工程实际数据,通过回归分析方法分别提取了温度和湿度两个因素对电采暖负荷的灵敏度系数,提出了以温度因素为主,湿度因素为修正的电采暖负荷预测方法,经与实测数据对比,证明该预测方法具有更高的精准度。     

考虑舒适度指数累积效应的短期负荷预测研究

正提出了人体舒适度指数修正模型,并提出了根据相关系数的原理求解舒适度指数最大连续天数以及不同舒适度指数区间的累积系数。通过对江苏某地区进行算例分析,证明该方法进一步提升了短期负荷预测的准确度。     

考虑经济因素时滞效应的月度负荷预测方法

近年来,我国经济结构发生较大规模的调整,经济形势的变化对于负荷的影响愈发显著。针对现有考虑经济因素的预测方法往往存在的适应性、实用性不足的情况,提出了一种既能充分利用现有的经济因素数据,又能有效地考虑经济因素对负荷影响时滞效应的新中长期负荷预测方法框架。其核心是通过季节分解模型消除各种经济因素与负荷数据的季节效应,并以计量经济学的向量误差修正模型来处理多因素间的相关影响,同时考虑多种因素间的时滞效应。最后通过算例分析验证了该方法的有效性与适用性。     

考虑气象因素的改进虚拟交互回归负荷预测方法

由于终端设备中大量气象敏感型负荷的投入,负荷随气象因素变化的特征越来越显著。以复杂度低、解释能力强的虚拟交互回归预测模型为基础,将人们的用电行为及气象中的温度与相对湿度变量引入到模型中,并充分考虑其相互间的交叉效应,深度挖掘各时间点的影响因素与负荷间的动态映射关系。在用电行为方面,引入虚拟变量来量化负荷在年、周、日的周期性变化特征,且考虑节假日负荷的特殊性并做相应的量化处理;在温度方面,采用三次函数模型描述负荷与温度的关系并提出了温度的近因效应,将滞后时温度信息引入模型;在相对湿度方面,采用变量的二次函数模型,提出了新的模型构建方法。最后,以某地区2006—2010年实际负荷为例进行了验证,结果表明所提方法可以较准确地反映各种日期类型下的负荷变化,适用于气象因素变化不大的地市级电网的负荷预测。     

考虑气象因素的电网短期负荷预测策略

影响电网负荷预测的因素很多,其中气象因素是主要原因之一,尤其在天气系统的转变过程中,气象因互对电网用电和短期负荷预测准确率的影响更大,对气象负荷进行了明确定义,提出了一种预计气象负荷分量的实用方法和考虑气象因素的短期负荷预测策略。     

考虑气象因素的PCA-BP神经网络短期负荷预测

为有效提高电力系统短期负荷预测精度及效率,提出一种基于主成分分析的BP神经网络短期负荷预测优化算法。利用主成分分析法将多个原始变量降维成少数彼此独立的变量作为输入,并根据各主成分的贡献率来确定网络的结构,有效解决BP网络预测精度与效率不高问题。在考虑气象因素的影响下通过对某地区历史负荷数据进行训练仿真,平均预测精度接近98%,预测程序运行效率提高两倍以上,仿真结果表明,该模型在效率和预测精度方面优于BP神经网络模型。     

基于生长曲线与气温累积效应的气象负荷预测

夏季受高温天气的影响,由降温设备所引起的气象负荷日趋变大.针对气象负荷获取困难以及负荷预测精度不高的问题,提出一种新的气象负荷预测方法.首先,为获得准确的气象负荷数据,采用生长曲线来描述基础负荷的增长特性,通过剔除基础负荷来获得气象负荷数据;其次,考虑到夏季高温天气的气温累积效应,需要对高温天气的日最高温度进行修正,提...     

基于小波分解与气象因素影响的电力系统日负荷预测模型研究

采用小波变换对日负荷数据进行分解处理,使得数据信息相对集中,在此基础上将小波分量分解为受气象因素影响的部分与不受气象因素影响的部分之和,对受气象因素影响的部分采用咽归方法建立气象因素影响模型;对不受气象因素影响的部分,幅值大的分量建立顺归神经网络预测模型,进行重点预测,而对幅值小的分量建立线形ARMA（p,q）模型。这样不仅提高了预测精度,还能提高建模效率。     

考虑气象因素的相似聚类短期负荷组合预测方法

提出以气象负荷和长期趋势负荷之和为聚类中心对历史负荷数据进行相似搜索的方法,该方法可提高预测样本同被预测日负荷的相似度,从而增加预测结果的可信度和精确度。以权重优化组合的方式采用多种负荷预测方法进行组合负荷预测,应用实例证明该方法可体现不同地区、不同类型、不同气象敏感度的负荷特性,因而具有广泛的自适应性,对于负荷总量较小、变动范围较大且受天气因素影响明显的地区具有较好的预测精度。     

96点短期负荷预测方法及其应用

结合相似日方法和人工神经网络方法的优点,提出一种基于相似日和径向基函数网络的新方法。该方法具有较好的稳定性和精度,与普通相似日方法相比,减少了对人的经验的依赖,但仍然保持了应用简便、实用有效的特点。开发了96点短期负荷预测软件,并在陕西电网成功运行1年多。给出了几种方法的实际应用结果,并进行了比较,统计表明新方法的平均均方根误差较普通相似日方法从3.153%降低到2.954%,用综合方法则进一步降低到2.854%。     

气象因素对电力系统短期负荷预测精度的影响

为研究气象因素对短期负荷预测结果及精度的影响,通过用Matlab对云南省和深圳市两地区2014年实际负荷数据生成持续曲线,并在此基础上,用SPSS分别对日最高负荷、日最低负荷、日平均负荷与各气象因素的关系进行多元线性回归分析。结果表明,两地区全年的变化趋势基本相同,但云南省年持续负荷曲线有更好的平滑性和周期性,可以获得更准确的预测结果。同时,气象因素中最低气温与平均气温对短期负荷预测精度影响较大,在提高短期负荷预测精度方面应着重考虑这两个气象因素。     

基于相似日的96点短期负荷预测实用方法及其应用

短期负荷预测是各供电分公司调度部门的基础性工作,96点日负荷预测采用模式识别中的聚类分析方法,对影响负荷的不同相关因素建立历史映射数据库,在不同日之间计算相关度而得到相似日,并在相似日的基础上采用线性外推法得到预测日的对应负荷。文章对奉贤地区三月份某一周的负荷数据做了预测验证,通过比较分析,表明该方法具有较高的精确度和较强的工程实用价值,不但减少了负荷预测对人的经验的依赖,而且应用简便、有效。     

考虑气象因素SVR算法的短期电力负荷预测

介绍了SVR(Support Vector Regression)算法在短期电力负荷预测中的应用。结合地区实际,在算法中考虑相应的气象因素。该算法具有精度高、收敛速度快、全局最优等优点。     

考虑气象因素的SVM方法在短期电力负荷预测中的应用

介绍了支持向量机(SVM)方法及其在短期电力负荷预测中的应用.结合地区实际,在算法中考虑相应的气象因素,该算法具有收敛速度快、全局最优等优点.预测算例表明,考虑气象因素的SVM方法可提高预测精度.     

基于累积平均气温模型的气象负荷预测

本文首先分析我国中部某城市的基础负荷和气象负荷特性,利用历史气象资料根据最高气温对该地区夏季气候特性归类;然后通过相关系数法筛选出与日气象负荷最相关的气象指标,选取累积平均气温作为气象负荷的预测模型参数,最后本文通过回归算法给出日气象负荷与主导气象指标的关系模型,并根据气温条件的不同分情况给出2019年最大负荷预测值。