某市春节负荷特性分析及预测方法应用研究简

分析了江苏连云港地区春节期间特别是除夕负荷曲线的形状、走势和特点,综合考虑天气、重大事件、历史负荷等对春节期间负荷变化的影响,针对春节负荷应用一种自适应神经网络负荷预测方法。该方法通过选取人体舒适度相似的节假日、历年相似日、前一日的负荷数据预测当日负荷,以提高预测精度。算例表明,该方法有效地提高了春节负荷预测的精度,弥补了传统算法除夕负荷预测误差大的问题。     

某市春节负荷特性分析及预测方法应用研究

分析了江苏连云港地区春节期间特别是除夕负荷曲线的形状、走势和特点,综合考虑天气、重大事件、历史负荷等对春节期间负荷变化的影响,针对春节负荷应用一种自适应神经网络负荷预测方法。该方法通过选取人体舒适度相似的节假日、历年相似日、前一日的负荷数据预测当日负荷,以提高预测精度。算例表明,该方法有效地提高了春节负荷预测的精度,弥补了传统算法除夕负荷预测误差大的问题。     

基于支持向量机的中长期日负荷曲线预测

提出了一种预测中长期日负荷曲线的新方法,通过历史典型日负荷数据构造出典型日年度发展时间序列,运用支持向量机方法对预测日各时刻负荷值进行预测并得到了典型日负荷曲线。该方法不需要对日负荷特性、最大负荷及需电量进行预测,因此避免了可能的误差积累问题。以某电网为例对该方法进行了测试,结果表明其具有较高的预测精度。     

电力系统负荷分析及预测方法

针对以往用一确定的数学模型描述负荷变化的负荷预测方法，提出一种先由人工进行负荷分析，挑选出与被预测日相应时段条件相符的历史负荷曲线。再由算法对这些历史负荷曲线进行处理以得出负荷预测的结果的新的负荷预测解决方案。     

月前日负荷曲线的概率预测和随机场景模拟

针对现有中长期日负荷曲线预测方法大多为点预测,难以满足电力系统不确定性分析的不足,提出了一种基于因子分析和神经网络分位数回归的月前日负荷曲线概率预测和随机场景模拟方法。采用因子分析技术,在保留日内负荷时序相关性的前提下,对日负荷序列向量降维;提取出少数相互独立的负荷公共因子作为预测变量,以日气象因素、星期类型和前一日公共因子值为输入特征,建立计及相邻日负荷相关性的神经网络分位数回归概率预测模型;以此为基础,利用中期气象预报信息,逐日预测和模拟未来30日的负荷曲线,并生成未来月负荷曲线的随机模拟场景。实际算例结果验证了所提概率预测方法的准确性和高效性,其生成的日负荷曲线模拟场景更好地体现了负荷的时序相关性,能为调度人员提供更准确、全面的月前负荷预测信息。     

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。     

典型日负荷曲线预测的一种简单方法

在介绍负荷预测方法的基础上,通过分析日负荷曲线,得出日负荷率与日负荷曲线的内在规律,提出了一种简单实用的典型日负荷曲线预测的新方法,此方法不用复杂的数学方法和模型,通过实例计算,表明该方法简便有效。     

霍普金斯统计在短期负荷预测中的应用探讨

提出了一种评价电力负荷受各相关因素影响的分析方法。该方法利用霍普金斯统计获取地区年度负荷霍普金斯统计值曲线,通过该曲线综合评价气候变化、季节更替、降雨量、温度等因素对电力负荷的影响程度。在此基础上,根据霍普金斯统计值选择和调整输入节点、样本集空间大小等预测策略,实现与支持向量机短期负荷预测方法的有效结合,并对96个时刻点的日负荷曲线进行仿真预测,结果表明,霍普金斯统计方法在分析地区负荷影响因素的应用中是有效可行的。     

参照系统负荷预测的母线负荷预测修正方法

由于母线负荷预测结果的精确度相对系统负荷预测较低,提出了一种参照系统负荷预测值的母线负荷预测值修正方法。先根据母线负荷预测值之和与系统负荷预测值之间的差值确定需要修正的负荷点,再选择该点临近的连续数点系统负荷组成曲线,寻找系统负荷的相似曲线,对应相似日的各母线负荷组成样本、各样本修正值的期望和方差决定修正后的各母线负荷值的范围,采用最小二乘逼近建立二次规划问题,最后利用LINGO软件求解。算例表明了该方法从整体上提高了母线负荷预测的准确率。     

基于改进倍比平滑法的节假日短期负荷预测方法

为了提高节假日短期负荷预测精度,提出了基值与归一化曲线结合并加入灰色关联度气象因素修正的负荷预测方法.基值预测时兼顾“重近轻远”的原则,将指数平滑预测改进后应用于节假日负荷预测中,并采用0.618优选法确定平滑系数,对关联日样本进行指数平滑处理;归一化曲线预测时考虑基于相同节假日负荷波动的相似性,引入灰色关联度法分析气象关联性.将该方法应用于广东省某市2011年96点节假日负荷预测,预测结果精度较好,验证了该法的可行性.本模型将正常日的基值与归一化曲线短期负荷预测方法用于节假日负荷预测中,克服了样本贫乏带来的预测精度不高问题,为电力部门节假日负荷预测提供参考.     

扩展短期负荷预测方法的应用

扩展短期负荷预测方法利用最新的历史负荷数据，预测当日当前时刻以后若干小时的未知负荷，其预测精度明显高于常规的短期负荷预测。为满足电力市场实时交易对负荷预测的新要求，将这种方法应用于修改历史负荷坏数据和补足当日未知负荷数据，以协助提高短期负荷预测的准确度。文中详细介绍了这两种应用的背景和实现原理，并以实际电力系统的应用结果数据证实了这两种应用方案是有效的和实用的。     

基于电力负荷模式分类的短期电力负荷预测

根据历史数据集的基本知识建立一个基于模糊规则的电力负荷模式分类系统,在考虑规则的分类准确性和可解释性的情况下,利用遗传优化算法挑选出Pareto最优模式分类规则集用于电力负荷模式分类.并在仿真试验中,将此分类系统用于电力负荷预测,结果表明此分类系统具有较好的分类性能,可为电力负荷预测提供更为充分有效的历史数据,从而改善其负荷预测性能.     

基于卡尔曼滤波的短期负荷预测方法的研究

负荷历史数据是负荷预测的基础。负荷历史数据由于测量、人为等因素而造成不准确，因而导致负荷预测也不准确。文中提出利用最小二乘法线性拟合建立负荷数据基本模型，用3次样条插值对卡尔曼滤波器的系统参数进行辨识，最终用卡尔曼滤波器对历史数据进行预处理，以纠正由于测量错误或人为改动的数据。对文中所提方法进行了验证。结果表明，后验误差在3％之内，效果很好。     

扩展短期负荷预测的原理和方法

在电力市场环境下，制定和调整当日负荷计划的周期缩短，负荷预测系统需要在留有2h时间裕度的情况下，对当日未知负荷进行重新预测。该文提出的扩展短期负荷预测方法可以满足这种要求，并在文中仔细阐述了该方法的应用背景，理论及概念，给出了实现方案，最后，以实际系统数据说明了该方法的必要性和实用性。     

基于农历日期的节假日负荷预测研究

分析了节假日的负荷特性,基于农历对节假日的负荷特性进行了研究,给出了负荷预测的计算方法,并以春节为例进行了虚拟预测,说明了预测的可行性。     

基于最优可信度的月度负荷综合最优灰色神经网络预测模型

月度负荷具有增长和波动二重趋势.作者首次提出以纵向历史数据为原始序列,用灰色预测模型进行增长趋势预测;以横向历史数据为原始序列,用人工神经网络模型进行波动趋势预测的方法,并在此基础上,引入最优可信度的概念,同时考虑了月度负荷的两种趋势,建立了综合最优预测模型.该模型兼顾了前两种模型的建模特点,优于只考虑单一发展趋势负荷预测的模型.对电力负荷预测应用实例的计算结果表明,该方法明显地提高了月度负荷预测的精度,也同样适用于进行周、季负荷等具有二重趋势的负荷序列的预测.     

用样条插值法模拟典型日负荷曲线

文章针对规划水平年需电量为给定的特点,用样条插值法模拟典型日负荷曲线,此方法可用在负荷预测中,也可用于实时负荷数据处理。     

短期负荷预报的"双周期加混沌"法中的子模型优选理论探讨

对于只依据历史记录的短期负荷预报，可以采用多个子模型来进行预报。拆分子模型的一种优化原则是定性和定量结合的原则。定性原则即子模型类型的选取顺序：首先选择可以精确预报的周期行为，其次是可以部分预报的混沌行为，最后来用随机行为。定量原则就是根据功率谱上的密度分布来选取子模型。对于某负荷记录时间序列，根据其功率谱等，可以发现该负荷记录是以双周期行为为主的。双周期以外的剩余成分是以混沌为主的。因此可以来用“双周期加混沌”这2个子模型来进行负荷预报。由于双周期行为不直接引起预报误差，因此“双周期 混沌”方法会有更高的预报精度和可靠性。     

自适应卡尔曼滤波在电力系统短期负荷预测中的应用

将卡尔曼滤波原理运用于电力系统负荷预测通常是针对线性定常系统,并在定常噪声协方差的前提下进行,模型的灵敏度差和预报精度不高.作者考虑了电力系统负荷自身的变化特点,根据不同日期同一时刻的负荷历史数据建立了含有时变系数的负荷系统模型、观测模型和系统参数模型,采用两段自适应卡尔曼滤波方法,同时考虑噪声协方差对预测精度的影响,运用时变噪声统计估值器对噪声协方差进行自适应估计,用预测方程预测次日的负荷.结合实际电网数据进行的预测计算取得了较好的结果.