盘锦地区1996～2020年的电力负荷预测

本文以不同的负荷预测方法对盘锦地区的近期,中期和长期电力负荷作了预测,并给出了结果,还对此地区负荷增长的可能性和必然性进行了分析。     

最小概率最大化回归方法在电力负荷中期预测中的应用

提出使用最大化最小概率机器回归MPMR方法来解决电力负荷中期预测问题，结合EUNITE网络2001年举办的电力负荷预测比赛提供的数据进行相关数据分析，建立相应的电力负荷中期预测模型。在分析最大化最小概率机器MPM及用于回归的原理的基础上，使用MPMR方法对不同的训练样本集进行训练，并计算出预测期的预测值，取得了理想的预测结果。核函数形状参数p及回归管道宽度8的选取将直接影响MPMR回归技术的系统性能，试验中使用了交叉验证的方法确定这2个参数值。通过交叉验证求得，当核函数形状参数和回归管道宽度取值都为3时预测效果更为理想。文中对试验结果进行分析，并与相关向量机等其它方法比较，总结了MPMR预测方法的特点。     

中长期电力负荷预测探讨

介绍负荷预测的概念及所依据的原理，简述了目前常用的中长期电力负荷预测方法及分析了存在的问题，对一些新的现代负荷预测方法作了归纳说明。     

考虑温度因素的中期电力负荷概率密度预测方法

针对温度因素对中期电力负荷的影响,在现有的神经网络预测、区间预测和概率密度预测方法的基础上,研究在不同分位点上温度和历史负荷对电力系统中期负荷分布规律的影响,提出基于神经网络分位数回归的中期电力负荷概率密度预测方法。根据连续的条件分位数函数预测中期负荷在某天的概率密度,获得更多关于中期负荷预测信息。同时,通过比较在考虑温度因素下和不考虑温度因素下的条件概率密度预测曲线以及峰值对应的点预测值,可以得出,预测当天温度对中期负荷预测有较重要的影响,这为降低中期电力负荷预测的不确定因素提供了更多的决策信息和预测结果。     

冀南电网春节假日期间电力负荷预测方法

春节假日期间电力负荷预测意义非同一般。文章对冀南电网春节期间电力负荷用电规律做了系统认真研究，提出了用数学回归模型与负荷分析相结合这一新的预测方法，成功地用于１９９４，１９９５，１９９６年春节电力负荷预测。文章分析了冀南电网电力负荷变化因素，对短期负荷预测方法提出了新的观战。     

用变权重组合方法预测中期电力负荷

变权重组合预测法集合了多种单种预测法所包含的信息,可使中期电力负荷预测的准确性不断提高。介绍了变权重组合预测法的基本原理,并进行了预测结果的误差分析及关联度分析。以上海市某区的历史电力负荷数据为实例,计算负荷预测值的误差指标以及预测曲线关联度分析证明,变权重组合负荷预测值与实际值具有很好的拟合度,可有效提高中期电力负荷预测的精度和可信度。     

具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型

电力负荷预测是电力系统的一项重要工作，季节型电力负荷预测是一个难点，缺少相应的数量预测方法，对于具有增长和波动二重趋势性的季节型电力负荷，首先提出了季节型负荷预测的组合优化灰色神经网络模型，研究了同时考虑两种非线性趋势的复杂季节型负荷预测问题，说明了优化模型分别优于两种单一发展趋势负荷预测的模型。给出了电力负荷预测的应用实例，通过对河北电网季节最大负荷与销售电量的分析，建立了对应的组合优化灰色神经网络模型，与其它算法进行了比较，计算结果表明，该方法较大提高了季节型负荷预测的精度，为季节型电力负荷预测提供了一种新的，有效的方法，编制了季节型负荷预测的软件，此软件具有实用性和通用性。     

基于MATLAB统计学工具箱的电力负荷中期预测

对电力负荷中期预测中常用的增长趋势预测法和回归模型预测法的优缺点进行分析,在此基础上提出一种电力负荷中期预测的新方法.该方法巧妙运用MATLAB统计学工具箱中的现有函数,并借助可决系数和预测相对标准偏差两个定量判别指标来选择预测模型,从而能更有效地对电力负荷进行中期预测.该方法在理论上兼有常用的增长趋势预测法和回归模型预测法的优点,在实践中又能很好地克服上述两种方法的缺点,且编程简单,预测结果精确度高,具有很强的实用性.最后以浙江省全社会用电量的中期预测为例,说明该方法的有效性.     

准确把握电力市场方向 切实做好电力负荷预测

根据多年从事电力负荷预测的经历和感受,重点介绍在负荷预测中常用的几种预测方法,并对负荷特性分析预测方法作简单的阐述,同时就如何作好电力负荷预测工作提出建议。     

准确把握电力市场方向切实做好电力负荷预测

根据多年从事电力负荷预测的经历和感受,重点介绍在负荷预测中常用的几种预测方法,并对负荷特性分析预测方法作简单的阐述,同时就如何作好电力负荷预测工作提出建议.     

电力零售市场研究:（五）电力零售市场与负荷管理

电力零售市场对负荷管理提出了新要求，在电力零售市场上，负荷预测和电价预测、负荷控制和需求侧管理都具有新的特点及含义。通过一个具体例子，研究了根据实时电价进行居民家庭空调自动控制对系统削峰的作用，分析了大量零售用户负荷转移对发电竞争市场电力批发价的影响，最后，讨论了实施家庭负荷控制的技术可行性。在电价信号的作用下，开展电力零售市场的负荷管理，使电力零售市场和电力批发市场相互联系、相互影响，可以有效地促进竞争、降低电价。     

基于结构化负荷模型的电力负荷概率区间预测

为了考虑电力负荷的不确定性,概率和区间预测成为电力负荷预测的重要方式之一。针对传统的负荷概率及区间预测方法没有考虑不同负荷成分的不确定性对电力负荷影响的问题,在分析电力负荷成分的基础上,基于结构化电力负荷模型提出一种电力负荷概率及区间预测方法。首先,对电力负荷的成分进行分析,针对不同负荷成分分别进行建模,构成结构化电力负荷模型;然后,基于历史负荷数据采用变分贝叶斯估计算法训练模型参数的后验概率分布;最后,基于训练完成的模型对未来负荷的概率分布进行预测,从而实现电力负荷概率区间预测。采用实际电力负荷数据进行验证,并与其他方法进行对比。实验结果表明,所提方法取得了较高的预测区间覆盖率和较窄的预测区间宽度。     

基于客户用电数据的多时空维度负荷预测综述

随着新型电力系统建设的快速推进,风力发电、光伏发电等新能源比例的不断升高,电动汽车等新型电力负荷的加入,以及用户参与新型电力市场需求响应等新形势,均对电网结构产生深刻影响,使得客户用电负荷时空特性逐渐增强,进一步对电力负荷预测技术提出了新的要求。该文在此背景下,对电力负荷预测现有技术进行总结与展望。首先,从预测方法、预测尺度、预测对象等多方面分析电力负荷变化给负荷预测带来的变革;在分析传统电力负荷预测技术不足的同时,对现代电力负荷预测方法和技术进行总结;进而,梳理出目前电力负荷预测领域面临着数据可用性、影响因素多元化、地区差异性等方面的挑战;进一步地针对这些挑战,对未来电力负荷预测在技术层面和应用层面的发展进行分析和展望。     

应用人工神经网络进行中期电力负荷预报

应用人工神经网络(ANN)对电力负荷进行了中期预报，对ANN的主要参数作了比较计 算和优化调整，得到了较为满意的预报结果。     

空间电力负荷预测方法综述与展望

空间电力负荷预测是电力系统规划的前提与基础,特别是随着对电力系统进行精益化管理要求的提出,空间电力负荷预测问题成为重要的研究课题。为了能够充分地利用该领域内已有的研究成果,并开展更深入的探索及其有效的应用,回顾了空间电力负荷预测技术发展的历史,对现有的各种空间电力负荷预测方法、原理做了系统的归纳,提出了尚需解决的问题,对未来的研究方向作了展望。     

层次分析法在电力负荷组合预测中的应用

应用组合预测理论，引入层次分析法（AHP）建立了电力负荷组合预测的结构模型，利用AHP的1-9标度，计算相应权重，对电网负荷进行预测，从而获得电力负荷预测的满意解及推荐值。     

银川城市电力负荷特点分析与中长期预测

近年来银川市国民经济呈高速发展态势,用电负荷结构已发生了很大变化。根据银川市历年负荷资料,分析了银川城市电力负荷各方面的特点,找出影响银川电网电力负荷变动的因素,并对银川市2009-2015年以及2020年电力负荷与用电量进行了预测,分析与预测有利于掌握城市用电负荷的发展趋势．对城市电网规划和开拓电力市场提供决策依据具有指导意义。     

电力零售市场研究:（五）电力零售市场与负荷管理

电力零售市场对负荷管理提出了新要求，在电力零售市场上，负荷预测和电价预测、负荷控制和需求侧管理都具有新的特点及含义。通过一个具体例子，研究了根据实时电价进行居民家庭空调自动控制对系统削峰的作用，分析了大量零售用户负荷转移对发电竞争市场电力批发价的影响，最后，讨论了实施家庭负荷控制的技术可行性。在电价信号的作用下，开展电力零售市场的负荷管理，使电力零售市场和电力批发市场相互联系、相互影响，可以有效地促进竞争、降低电价。     

基于变化趋势和气象因子的加权负荷预测方法

针对采用趋势变化法预测电力负荷时,存在因未充分考虑气象因素而影响预测精度的问题,提出了一种基于变化趋势和气象因子的加权负荷预测方法。该方法综合考虑气温、湿度和天气类型3个气象因子,对基于变化趋势的电力负荷预测方法进行修正。分析了基于变化趋势的电力负荷预测方法存在的2个问题：未考虑外界因素对电力负荷变化趋势的影响和预测电力负荷时存在累计误差。在充分研究日内平均负荷变化率和点间平均负荷变化率的基础上,给出了算法的详细计算步骤,并将其应用于苏北某地区电力负荷的预测算例中。结果表明该方法的预测误差为3.42%,预测精度高且数据波动小,验证了该方法的有效性和可行性。     

灰色模型在普通日短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及灰色差值模型在短期电力负荷预测中的应用，提出了适合普通日电力负荷预测的数据处理方法，提高了短期电力负荷预测的精度。