基于负荷误差和经济发展趋势的组合预测模型在中长期负荷预测中的应用

针对组合预测未来预测期权重的确定,充分考虑电力需求与未来经济发展的关系,提出基于两个评价指标来计算各单一预测模型的权重,指标一是各单一模型预测值与实际负荷的误差,指标二是各预测值的年增长率与国内生产总值年增长率的误差。采用客观熵权法和主观G1法来确定两指标的相对重要性,最后综合得出各单一预测模型的权重。该改进组合预测模型解决了未来预测阶段权重的求解问题,通过对农网中长期电力负荷进行预测,结果表明该方法比常规方差优选组合预测模型更为准确和可信。     

基于负荷误差和经济发展趋势的组合预测模型在中长期负荷预测中的应用

针对组合预测未来预测期权重的确定,充分考虑电力需求与未来经济发展的关系,提出基于两个评价指标来计算各单一预测模型的权重,指标一是各单一模型预测值与实际负荷的误差,指标二是各预测值的年增长率与国内生产总值年增长率的误差.采用客观熵权法和主观G1法来确定两指标的相对重要性,最后综合得出各单一预测模型的权重.该改进组合预测模型解决了未来预测阶段权重的求解问题,通过对农网中长期电力负荷进行预测,结果表明该方法比常规方差优选组合预测模型更为准确和可信.     

基于新鲜度函数和预测有效度的模糊自适应变权重中长期电力负荷组合预测

针对传统电力负荷组合预测模型中出现的负权重、没有区别对待不同历史时段的误差对权重的影响以及变权重计算方法较为复杂等问题,文中提出一种基于新鲜度函数和预测有效度的模糊自适应变权重组合预测模型,并应用到中长期电力负荷组合预测中。利用预测有效度进行模型筛选,利用新鲜度函数体现预测中的“近大远小”原则,利用滚动时间域窗口的方法实现变权。算例表明,文中提出的组合预测模型预测精度较高,实用性强。     

电力中长期负荷模糊优选组合预测方法的研究

传统中长期电力负荷组合预测方法在确定权系数时,由于没能充分考虑各单一预测模型拟合值与历史实际值之间的多种误差信息,而使预测结果不够理想.为此,选取多种误差作为评价单一模型优劣的指标,引入多目标系统模糊优选理论,结合熵权法客观分配各种误差指标的权重,在全面考虑多种误差信息的情况下,通过求取各单一模型预测精度对“优”的隶属...     

基于方差-协方差组合预测的中长期电力负荷预测研究

关于中长期电力负荷预测有多种预测方法,但各方法被许多因素所局限,本文选用线性回归模型、二次多项式模型和灰色预测模型分别对电力负荷进行预测,再综合起来建立方差-协方差组合预测模型。通过比较后得出结论,本方法大大降低了误差,提高了预测精度,可以科学地预测中长期的电力负荷。     

等维新息熵值法在中长期负荷预测中的应用

针对电力系统中长期负荷预测会受到很多不定因素的影响,通过采用组合预测等维新息熵值法对中长期电力负荷进行建模,建立了基于等维新息熵值法组合预测数学模型。先是用最优加权几何平均法和灰色关联分析法算出单一预测模型的权重,接着由熵值法确定模型评价指标的相对权重,最终获得组合权重因子。在组合预测模型中引入了等维新息数据处理的思想,实现了变权重,使预测结果能够更加合理地反映负荷发展趋势;并通过寻找等维新息的最佳维数区,优化了等维新息熵值法组合预测模型,得到更高的预测精度。计算结果显示了采用等维新息熵值法对中长期电力负荷进行预测的有效性。     

基于层次分析法的电力负荷组合预测

为提高电力系统负荷预测的预测精度,提出了一种基于层次分析法的中长期负荷预测组合预测的方法,依据层析分析法中要素权重求取原则,建立了阶梯层次结构,构建两两比较矩阵,分层次对权向量取值,实现了中长期负荷组合预测下各单一负荷预测的总权重的求取,提高了权重求解的准确性;利用组合预测的原理,按照层次分析法中求解出的权重系数,将多个预测模型的预测结果进行拟合,得到组合预测的结果,从而有效减小单一负荷预测中不确定性因素带来的误差,规避各单一预测方法的不足,减少单一负荷预测对电力系统负荷预测的预测风险,提高预测精度。最后利用某县2005-2010年的除大用户用电负荷作为算例进行实例分析并证实了所提方法的科学性、实用性。     

中长期电力负荷预测模型筛选与组合方法

将预测决策思想引入到中长期电力负荷组合预测中,并深入分析了现有预测模型筛选方法的优缺点,在此基础上,完善了以灰色关联度和预测有效度两类指标为基础的预测模型评价指标体系。依据提出的协调因子、综合有效性指标等概念,构造了基于综合有效性指标和模型冗余校验的预测模型筛选方法和基于综合有效性指标体系的中长期电力负荷变权组合预测模型。算例表明,文中提出的组合预测模型预测精度较高,实用性强。     

遗传算法在中长期电量最优组合预测中的应用

为综合考虑多种电量影响因素,以提高中长期电量预测的精度,引入了最优组合模型,在多种预测模型组合中,以各预测模型的组合权重作为优化变量,由于优化组合模型约束条件所构成的解的空间具有非凸的特点,导致常规线性优化算法无法直接求解最优的组合权重,为此,采用了遗传算法计算各预测模型的组合权重,预测了某地区2010年各月的负荷电量。     

层次结构下的中长期电力负荷变权组合预测方法

提出了一种基于层次结构的中长期电力负荷变权组合预测方法,借鉴层次分析法的思想,构造一个层次结构来确定组合权重:采用熵值法确定模型评价指标的相对权重;采用方差–协方差优选组合预测方法和灰色关联分析分别确定各单一预测模型在各评价指标下的相对权重,最终确定组合预测模型中的组合权重。在组合预测的整个过程中,根据负荷发展的"近大远小"原则,引入等维信息的概念,实现了变权组合预测,使预测结果能够更合理地反映电力负荷的发展规律。最后通过一个实例验证了该方法的有效性。     

考虑小区发展不均衡性和不确定性的多阶段空间负荷预测

为减少小区发展不均衡性和不确定性对空间负荷预测精度的影响,结合聚类分析与马尔科夫理论提出了一种多阶段空间负荷预测模型.首先,提取单位面积最大负荷、用电量、平均负荷百分比作为表征小区发展不均衡性的指标,利用k-means算法对小区聚类,确定各个发展阶段的负荷密度.其次,统计不同发展阶段间的转移概率,形成马尔科夫链的状态转...     

考虑数据周期性及趋势性特征的长期电力负荷组合预测方法

为解决长期电力负荷预测精度不足及模型适用性不强等问题,考虑将区域经济发展、社会发展等多项宏观指标与区域用电负荷的时间序列数据进行因素耦合。利用BP神经网络与差分整合移动平均自回归方法(ARIMA)整合改进预测模型,提高年度负荷预测模型的趋势预测能力。采用函数型非参数方法预测月度负荷数据中周期性负荷数据,将年度负荷预测与月度负荷预测相结合以提高模型整体预测精度。最后通过灰色预测等模型数据比对及MAPE误差分析方法验证,考虑数据周期性与趋势性组合的模型方法预测精度显著提升,适用于区域电力负荷的长期性预测。     

A hybrid model based on data preprocessing for electrical power forecasting

Electrical power forecasting plays a vital role in power system administration and planning. Inaccurate forecasting can lead to the waste of scarce energy resources, electricity shortages, and even power grid collapses. On the other hand, accurate electricity power forecasting can enable reliable guidance for the planning of power production and the operation of a power system, which is also important for the continued development of the electrical power industry. Although thousands of scientific papers address electricity power forecasting each year, only a small number are devoted to developing a general model for electricity power prediction that improves performance in different cases. This paper proposes a hybrid forecasting model for electrical power prediction that incorporates several artificial neural networks and model selection. To evaluate the forecasting performance of the proposed model, this paper uses half-hourly electrical power data of the State of Victoria and New South Wales of Australia as a case study. The experimental results clearly indicate that for this particular dataset, the forecasting performance of the proposed hybrid model is outstanding compared to that of the single forecasting model.     

月度用电量灰色预测改进模型

灰色模型是年度电量预测的有效方法。引入季节指数平滑法改进灰色模型,使其更适合具有季节周期性的月度用电量预测;并提出了一种基于马尔科夫过程的残差修正法,以提高月度电量预测的准确率。最后,以某市月度用电量进行实际预测为例,通过与其他模型的比较,验证了改进模型在月度用电量预测中的有效性。     

适应供给侧结构性改革的中长期负荷预测拓展索洛模型研究

随着供给侧结构性改革的深入,电力需求的演变规律变得更难捕捉。传统的中长期负荷预测模型通常未考虑供给侧结构性改革因素,难以满足新形势下中长期负荷预测精度的要求。基于此,提出了一种适应供给侧结构性改革的中长期负荷拓展索洛预测模型(Supply-Side Reform-Extended Solow Regression Model, SSR-ESRM)。首先,通过对供给侧结构性改革内涵的解读,从规模、结构及效率三种效应出发,构建了量化指标体系。其次,在基本索洛模型的结构中,引入供给侧结构性改革因素对模型进行拓展,建立SSR-ESRM实现中长期负荷点预测。为反映供给侧结构性改革的不确定性,建立了系统动力学模型生成多种经济发展场景,进一步实现中长期负荷外推预测。算例分析表明,考虑供给侧结构性改革因素的SSR-ESRM预测精度较高,且对场景切换的灵敏度适中,有利于电网规划的灵活性,能够为实现电网规划提供有益的参考。     

改进的电量灰色预测方法实证对比研究

伴随电力工业的快速发展,科学的中长期电力电量预测成为一项非常重要的基础性工作。在研究传统中长期灰色预测模型的基础上,介绍了2种背景值重构方法以及基于马尔可夫链的处理手段,对模型的构造环节进行改进;然后引入拟合精度指标和预测精度指标,从不同角度检验模型的优劣;最后根据中国实际电量数据,分2种情景进行了定量横向对比,验证了改进模型的有效性。     

基于机器学习的电力大客户群体月度售电量预测研究

精确的售电量预测对于电力公司合理安排供电计划、科学优化电力资源配置、提高用电管理效率、节约能源降低消耗等方面具有积极作用,电力公司也一直致力于研究售电量、售电收入的变化规律。随着预测技术的不断发展,关于售电量预测的理论以及方法已有很多,但每一种单一预测模型只能从某一方面刻画数据序列的规律,都只能反映序列的部分信息,因此文中提出了一种综合时间序列分析方法以及多种机器学习算法的电力大客户群体月度售电量预测方法,最大程度地利用现有信息,并对某省总售电量的实例进行检验,结果显示,组合预测模型的误差小于多数单一预测模型的误差,有利于提高预测模型的精度,并且预测较为稳定。     

非线性季节型电力负荷灰色组合预测研究

短期电力负荷同时具有增长性和季节被动性的二重趋势，这使得负荷的变化呈现出复杂的非线性组合特征。对于这种具有复杂的非线性组合特征的序列，使用某一种模型进行预测，结果往往不理想。为了提高短期电力负荷的预测精度，提出了具有季节型特点的电力负荷灰色组合预测模型。在此模型中，灰色模型处理非线性问题具有一定的优势，它可以很好地反映电力负荷的增长性特点。季节变动指数(SVI)用来拟合电力负荷的季节性趋势。最后对季节型灰色预测的残差建立时间序列的AR(p)模型。由于综合考虑了电力负荷的多种特征，此组合预测模型明显地提高了预测精度。     

基于GDP-电能消费耦合关系的中长期电量预测

建立了一种基于用电量和GDP之间耦合关系的中长期电量预测模型。首先利用协整检验和格兰杰(Granger)因果检验,剖析电能消费和经济发展之间的协整关系和因果关系,并建立中长期电量预测模型。然后采用误差修正方法对预测模型进行短期调节,以提高模型的鲁棒性以及预测精度。以某地区1991—2015年的用电量和GDP数据作为算例输入数据,结果表明:通过构建电能消费和经济发展之间的耦合关系,有助于提高预测模型的解释能力,同时含短期调节的中长期用电量预测模型具有更高的预测精度。