主动配电网短期负荷预测研究

主动配电网通过市场机制来引导群体性的主动需求行为,电网负荷特性随之发生改变,降低了传统负荷预测技术的预测精度。考虑主动配电网在传统负荷的基础上引入响应负荷的计算分析,提出适用于主动配电网的组合预测方法。分析用户响应特性及规律,考虑影响用户响应度的因素并将其线性参数化,建立基于响应度评估模型的响应负荷预测方法;将传统负荷分解成季节性基荷和残差,基荷采用相似日负荷预测技术进行预测,残差利用集成神经网络模型进行预测,建立改进神经网络组合预测模型。利用时变响应模型模拟主动配电网负荷数据集来进行仿真验证,与其他负荷预测技术进行对比,实验结果证明了所提负荷预测方法的有效性。     

考虑主动需求的主动配电网负荷预测

主动配电网的主动需求管理技术(Active Demand,AD)通过市场引导机制来改变用户的典型用电行为,电网负荷特性随之发生改变,降低了传统负荷预测技术的预测精度。针对AD对主动配电网负荷预测的影响,考虑用户响应特性分析影响AD响应负荷的因素,作为负荷预测的外生输入量,然后利用粒子群优化的支持向量机技术在黑盒框架下建立含AD输入的完备负荷预测模型,提出了适用于考虑主动需求的主动配电网负荷预测新方法。基于用户响应行为的现实考虑,建立时变AD模型产生含AD效应的负荷数据集来测试所提出的负荷预测方法。实验结果表明,所提负荷预测模型与不含AD输入的负荷预测模型相比,预测精度更高。     

小波分析及其在短期负荷预测中的应用

利用小波分析把原始负荷分解成受国民经济影响的经济负荷部分和受气象因素影响的气象负荷部分,然后分别对两者建立相应的模型进行预测,最后把两者的预测值合成得到最终预测结果.小波分解尺度通过建立气象数据和不同分解尺度下得到的气象负荷部分之间的相关系数序列来确定,从而把经济负荷和气象负荷合理分开.实例表明该方法是可行和有效的.     

自下而上的主动配电网负荷曲线化预测方法

为在主动配电网负荷预测工作中计及柔性负荷的影响,提出了一种自下而上的主动配电网负荷的曲线化预测方法。首先,将待预测区域按用地性质、功能边界划分为若干小区,将每个区域的负荷需求细分为刚性负荷和柔性负荷需求两类;然后,建立可转移负荷和可调整负荷两种柔性负荷的曲线化调控模型,进而模拟主动管理策略下柔性负荷对整体负荷需求的调整作用;最后,将待预测区域的地块负荷进行叠加,得到主动配电网管理模式下的负荷需求曲线。通过北京某开发区负荷曲线预测算例,验证了所提预测模型和方法的有效性。     

计及需求侧响应的主动配电网多时间尺度优化调度

考虑分布式电源出力的波动性、负荷预测的误差以及各类调度资源的运行特性在时间尺度上存在差异等问题，提出一种在需求侧响应机制下主动配电网的多时间尺度优化调度模型。首先，负荷参与需求侧响应的形式分为价格型和激励型两类，分别对这两种需求侧响应的形式进行建模分析。其次，建立基于模型预测控制的主动配电网多时间尺度调度框架，根据模型预测控制方法分别建立日前调度、日内滚动和实时反馈三个阶段的配电网优化调度模型。考虑到配电网调度过程中的有功无功耦合特性，通过控制无功调度资源使得配电网各节点电压控制在允许范围。最后，通过对改进的31节点算例进行仿真，验证了所提模型可以有效地降低预测产生的误差并提高主动配电网运行的经济性和安全性。     

考虑可靠性与故障后负荷响应的主动配电网供电能力评估

针对传统供电能力评估中难以同时解决既避免单纯以负荷高峰时刻全网N-1准则为基础又细致计及分布式电源、储能和负荷需求响应影响等问题,提出了考虑可靠性柔性需求与故障后负荷响应的主动配电网供电能力评估方法。首先,结合出力不确定性与用户差异化的响应能力,对主动配电网中的分布式电源、储能与可响应负荷等基本元素进行建模;其次,构建了以最大供电能力为目标、以可靠性需求和故障后负荷响应经济性为主要约束的主动配电网供电能力评估模型;继而,发展了考虑分布式光伏、蓄电池以及需求响应的主动配电网可靠性评估准序贯蒙特卡洛模拟法,并提出了基于遗传算法的供电能力评估模型优化求解方法;最后,通过算例验证了所提方法可有效挖掘主动配电网供电能力,提升资产利用效率。     

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。     

基于改进灰色理论的主动配电网中长期负荷预测

中长期负荷预测是影响主动配电网规划和调度的重要方面。从柔性负荷、分布式电源及电动汽车等主动配电网中特殊负荷入手,分析提炼负荷长期发展的影响因素;将灰色理论引入主动配电网负荷预测,分析了多变量残差修正灰色模型在计及多因素影响作用和消除累积误差方面的作用。通过具体实例计算,证实了改进灰色方法在主动配电网中长期负荷预测中的有效性和实用性。     

基于负荷分解和实时气象因素的短期负荷预测

根据地区气象与负荷的相关关系,从总负荷中分解出对气象不敏感的基础负荷和受气象因素影响的气象敏感负荷,并分别采用灰色系统GM(1,1)模型和基于LMBP (Levernberg–Marquardt back propagation)算法的多层前馈神经网络对二者进行建模预测。在对实时气象因素、日特征气象因素与气象敏感负荷相关性分析的基础上,重点把握某些气象因素与气象敏感负荷之间的联系。通过合理选择神经网络的输入变量,实现了基于实时气象因素的短期负荷预测。实际应用证明了所提出方法的有效性。     

考虑需求响应和电动汽车负荷路-电耦合特性的配电网可靠性评估

随着电动汽车的普及,大量的无序充电行为给配电网可靠性带来负面影响。文章建立了考虑需求响应和路-电耦合特性的配电网可靠性评估模型,准确预测电动汽车时空分布负荷并对其进行调度,改善可靠性指标。提出了路-电耦合模式结构及时空负荷预测框架;建立了路网模型、用户模型、考虑需求响应的充电负荷补充模型,得到电动汽车负荷时空分布;基于双向层级结构、启发式削减策略对电动汽车接入的配电网可靠性进行评估。以某区域路-电耦合网为例,分析了该区域电动私家车充电负荷时空分布情况并对考虑需求响应、路-电耦合特性的配电网可靠性进行了评估。各种场景下的仿真结果验证了文章模型的有效性以及需求响应对可靠性指标的优化作用、路-电耦合特性对可靠性指标的恶化影响。     

基于系统动力学的分区负荷预测

应用系统动力学理论,结合汕头市“十五”电网规划,对汕头市各分区电量进行了预测。在分析分区预测特点的基础上建立了一个通用模型。通过对特殊情况的数据分析,对通用模型进行修正,建立特殊情况下的模型,并按照分区预测结果确定分配因子,将系统的总预测量分配到各分区。仿真结果表明了系统动力学方法在分区负荷预测中的有效性。     

相空间重构和SVR耦合的短期电力负荷预测

电力系统的短期负荷预测精度对智能电网安全运行有着重要影响,其中预测精度和训练步数至关重要,目前当地气象因素逐渐成为负荷预测中的关注点。以某市短期电力负荷为研究对象,建立了考虑日特征相关因素的支持向量回归机短期电力负荷预测模型,随后对某市考虑气象及日期类型的电力负荷做出预测。研究表明:利用考虑实时气象因素的SVR预测模型对短期电力负荷进行预测精度较高;考虑气象及日期类型的预测误差比不考虑气象及日期的预测误差小;嵌入维数和时间延迟对负荷预测模型精度具有重要影响。     

短期负荷预测中实时气象因素的影响分析及其处理策略

短期负荷预测对于电力系统安全经济运行有着重要的作用,因此,人们一直致力于研究新的预测模型,提高预测精度。目前,实现提高预测精度这个目标的关键是如何更加合理地考虑气象因素对负荷的影响,因为气象敏感负荷在总负荷中所所占的比重越来越大。长期以来,鉴于气象部门无法提供实时温度等气象预测结果,电力系统所建立的预测模型绝大多数都是基于日特征气象因素,诸如日最高温度、最低温度等。针对短期负荷预测,作者剖析了气象因素的影响和作用,分析了处理不同阶段气象因素的策略,并提出了考虑实时气象因素的短期负荷预测新模型,该模型基于神经网络,力图寻求温度、湿度等实时气象因素与负荷曲线之间的相关关系和变化规律。实际应用表明,文中的预测模型和处理策略可以得到更加精确的预测结果。此短期负荷预测新模型也适用于超短期负荷预测。     

考虑不确定性的城市电网空间负荷预测方法

为解决不确定性因素对城市电网负荷预测结果的不利影响,该文分析了空间负荷预测方法的优势,对其理论和模型进行了详细的描述,并对某城市新区电网进行负荷预测,预测得到的负荷大小和地理位置分布与实际情况偏差较小,取得了预期的效果,为城市电网规划奠定了基础.     

多元指数加权电力负荷灰色优化组合预测

由于电力负荷具有增长性和波动性并且受到多个因素影响,使得电力负荷的变化呈现出复杂的多元性及非线性组合特性,对于这种具有复杂的多元性及非线性组合特性的序列,使用传统的模型进行预测,预测精度往往不理想.为了提高预测精度,作者为提出了多元指数加权电力负荷灰色优化组合预测模型.其中灰色优化组合预测模型用于进行非线性增长趋势的电力负荷预测,指数加权法能解决历史负荷的波动性问题.实际算例表明,所提出的方法由于综合考虑了电力负荷的多种特性,能有效地提高负荷预测精度.     

基于神经网络的短期负荷预测

针对电力系统短期负荷的变化与影响因素间的复杂非线性关系,首先,提出用BP神经网络进行负荷预测,接着,在输入变量的选择上引入了负荷日期和气象温度,对于日期变量分为工作日和休息日,对于气温变量进行分段处理。最后通过实例仿真表明该方法可以取得较高的预测精度。     

基于改进Apriori关联分析及MFOLSTM算法的短期负荷预测

电力负荷预测结果的准确性对电力系统安全稳定运行具有重要意义。针对多气象因素影响下的短期负荷预测任务,提出改进Apriori关联度分析及飞蛾火焰优化的长短时记忆神经网络算法的电力负荷短期预测新方法。首先,提出改进Apriori算法分析气象因素与负荷之间的关联程度。依据分析结果除去非必要气象影响因素,并在此基础上引入人体舒适度评价指标。其次,将降维后气象数据结合地区负荷数据作为模型输入。最后,基于长短时记忆神经网络进行短期负荷预测建模,并结合飞蛾火焰优化算法的全局寻优能力来优化模型。通过对某地区负荷数据协同气象数据进行对比预测试验,测试结果表明该负荷预测模型能有效提升地区电网短期负荷预测性能。     

基于负荷细分的差异化用户基线负荷预测

电力用户基线负荷(CBL)预测精度会极大影响需求响应效果的评估。本文基于负荷细分,考虑多维用电行为及其影响因素,通过精细化用户用电行为特征,提出一种考虑用户用电模式差异化的基线负荷预测方法。首先采用Ward-模糊C均值(FCM)聚类法,并结合负荷特性指标,改善用户负荷曲线聚类分析的效果;然后,分析气象、时间等多维影响因素,建立考虑温湿度和气温累积效应等城市微气象因素及节假日社会行为因素的差异化用电行为分析模型,提出温度敏感型、节假日敏感型以及两者均不敏感的精细化用电模式;最后,提出不同用电模式的CBL预测方法,建立综合评估方法分析其预测准确度。算例结果表明,所提算法能进一步提高CBL预测精度。     

基于经济、气象因素的安徽省年最大负荷预测方法研究

首先从用电结构上分析了年统调最大用电负荷的特性,将最大负荷分解为相互独立的3种负荷：基础负荷、居民空调负荷、非居民空调负荷。在此基础上,运用计量经济学原理,逐步分析影响3种负荷的经济因素和气象因素。最后建立了包含经济、气象因子在内的最大负荷预测模型。模型从根本上解释了最大负荷的影响因素,并将预测精度控制在3%范围内,预测精度满足负荷预测实际工作的需求,具有一定的应用价值。     

能源互联环境下考虑需求响应的区域电网短期负荷预测

在区域能源互联系统中,需求响应改变了电力用户的常规用电习惯,增加了预测环境的不确定因素。针对这种特定的环境,提出一种考虑需求响应的区域电网短期负荷预测方法来满足企业对预测精度的需求,该方法通过依次构建数据处理模型、负荷预测模型和误差预测模型实现了预测精度的提升。更具体地,针对历史数据样本集,采用灰色关联分析法处理气象数据以获取输入预测模型的相似日特征变量;针对电力负荷预测,建立了长短期记忆网络模型,利用其特殊的门结构选择性地控制输入变量对模型参数的影响,从而改善了模型的预测性能;针对误差数据样本集,采用了动态模式分解技术来挖掘误差数据的潜在价值,并利用其数据驱动特性刻画了误差时间序列的趋势变化特征,实现了良好的误差预测。最后,结合实际的电网数据,对比验证了所提方法的有效性和优越性。