基于灰色关联分析及BP算法的用电量预测

用电量是电力系统规划及地区资源配置的重要影响因素,为了提高用电量预测的精度,提出将灰色关联分析法与BP神经网络相结合进行用电量预测。利用灰色关联分析法对影响用电量的主要因素进行分析,确定了3个影响因素并将其作为 BP 网络的输入参数,建立了用电量BP神经网络预测模型;在MATLAB环境下对模型进行训练测试,结果表明该系统收敛速度快、预测精度高,可为用电量的预测提供参考方法。     

考虑产业结构调整的用电量指标关联分析及负荷预测

近年来,我国产业结构升级进入"三期叠加"的新阶段,使得电力需求结构发生剧烈与频繁的变动。鉴于常见的电力负荷预测方法在产业结构调整期预测精度不佳的问题,本文借鉴计量经济学的向量误差修正理论,分析了用电量与三大产业之间的关联关系,探讨了用电量指标与分产业生产总值之间的相关程度,并提出了一种基于VECM模型的用电量预测方法。算例证明了该方法的适用性和有效性。     

应用向量误差修正模型的行业电力需求关联分析与负荷预测方法

近年来,国民经济发展与能源消耗之间的关系日益密切,产业结构变化与产业升级现象更加显著,使得电力需求的发展趋势与内部结构都出现了剧烈与频繁的变动。现有的研究工作缺乏对于电力需求的结构性分析,常见的中长期负荷预测方法在用电结构发生剧烈变化时往往会出现精度下降的现象。基于此,借鉴计量经济学的向量误差修正理论,从短期扰动和历史存续2个方面深入分析了不同行业间电力需求的关联关系,并在此基础上提出了一种新型的中长期负荷预测方法。该方法能够有效识别行业电力需求的关联关系,避免用电结构突变给负荷预测带来的不良影响。算例分析结果验证了该方法的有效性与适用性。     

智能电网环境下采用关联分析和多变量灰色模型的用电量预测

智能电网的发展将给传统用电方式带来重大变化,在此背景下,基于灰色理论提出一种用电量预测新方法。首先通过灰色关联分析法确定影响用电量的主因素变量,然后采用多变量灰色模型(multi-variable grey model,MGM) (1, n)进行用电量预测,该方法能够反映各因素间的相互制约、相互促进的关系,避免了传统灰色模型GM(1,1)未考虑其他随机因素对用电量影响的局限性。对一个实际电力系统的用电量进行预测,结果表明所提方法能有效提高预测精度且适用于中长期电量预测。     

山东省“八五”期间用电分析及1996年用电量预测

本文重点分析了“八五”期间山东省分行业及城乡居民生活用电情况,并对1996年的供电形势及需电量进行了分析预测。     

企业用电量及用电负荷预测方法的探讨

本文主要介绍用回归分析来预测企业用电量及用电负荷的大小。     

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。     

多元线性回归分析在用电量预测中的应用

从影响电力需求的某些因素出发，利用多元线性回归模型建立居民人均纯收入与人均生活用电量的回归方程，为科学地预测居民用电量提供参考依据。此方法可推广到工业用电、农业用电、以及商业用电等用电量的预测。     

用电量的灰色-多元回归耦合模型预测

应用灰色关联分析方法,探讨了江苏省全社会用电需求量与其影响因素的关系,确定了影响用电需求量的主要因素(重工业用电量、地区生产总值、人均收入、固定资产投资总额和基本建设投资).建立了用电需求量与主要影响因素之间的多元线性回归预测模型,经过回归检验,确定了优化的多元线性回归预测模型.用灰色模型拟合该回归模型自变量的历史数据,并预测其未来发展趋势.应用优化回归模型对江苏省2004～2010年全社会用电量进行了预测.结果表明,到2010年,江苏省全社会用电量将达到3661.95亿kW·h,是2004年用电量实际值的2倍.     

基于小波分析和灰色模型的用电量预测

月度用电量同时具有增长性和季节波动性的二重趋势,针对月度用电量的这一变化特点,提出了一种基于小波分析和灰色预测模型的用电量预测方法,同时考虑春节影响因素,结合移位修正法对1月份和2月份的用电量进行修正。经过实例分析和计算,结果表明该方法有较高的预测精度,具有较好的适用性和可行性。     

基于X-12-ARIMA季节分解与年度电量校正的月度电量预测

月度电量预测是电力计划部门安排运行计划与制定购售电计划的基础。提出一种综合考虑多种经济因素的月度电量预测方法。首先,采用X-12-ARIMA模型对月度电量和多种经济因素进行季节分解,并利用逐步回归分析研究各经济量与用电量的关联关系和回归模型,获得初步预测结果;然后,利用多项式拟合进行年度电量预测,并对已有月度电量预测结果进行调整;最后,采用自回归积分滑动平均模型(autoregressive integrated moving average model,ARIM A)对受气象与节假日因素影响较大的月份进行分季节预测修正,获得精度良好的月度电量预测模型。该文采用广东省2009年3月至2014年4月的经济数据与电量数据对2014年5月至2015年4月的电量数据进行预测。预测结果的平均预测精度为97.78%,验证了预测模型的有效性。     

吉林省电力消费与经济增长的协整分析

介绍了协整理论的基本原理,运用协整理论对吉林省1978～2010年的电力消费与经济增长之间的关系进行了实证研究,分析结果验证了吉林省电力消费与GDP增长之间存在着长期稳定的均衡关系,建立了吉林省电力消费和GDP之间的协整关系和误差修正模型,通过G ranger因果关系分析发现,吉林省电力消费与经济增长之间只存在单向的因果关系。     

基于港口经济特点分析的电力需求预测

介绍了港口经济促进地区经济发展的功能以及我国港口经济的发展概况;分析了秦皇岛港口经济的现状和未来发展趋势;根据港口吞吐量和港口用电量的相关性,选取三产GDP作为关联变量,针对秦皇岛港的港口经济特点对秦皇岛港口用电量做出了预测。     

基于Logit模型的华东四省一市居民生活用电预测研究

分析了华东居民家用电器及照明需求的变化规律及用电特征,利用Logit模型自下而上构建了居民生活用电模型,在验证模型稳健性的基础上,对未来华东居民生活用电进行了情景预测。     

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。     

中国电力消费协整关系模型

选择电力消费为被解释变量,固定资产投资、人均可支配收入、出口和电力价格水平为解释变量,以1980-2004年的实际数据为样本,对变量进行协整分析,建立的协整模型揭示了我国电力消费与解释变量之间存在长期协整关系,同时该模型反映了解释变量对电力消费的影响机理和影响程度。Granger检验表明电力消费与解释变量之间存在单向的Granger因果关系。向量误差修正模型中的误差调整项显著且其系数为负,说明具有将系统的短期波动调整到长期均衡的机制。通过对向量误差修正模型(vector error correctionｍodel,VECM)进行脉冲分析,固定资产投资、人均可支配收入和出口对电力消费具有持续的正影响,而电力价格对电力消费具有持续的负影响。分析结果对电力消费预测和电力政策制定具有一定的参考。     

面向需求侧主动响应的工商业用户电力套餐优化设计

电力需求响应是应对电网峰谷差持续拉大、间歇性可再生能源大规模并网、能源结构转变等问题的有效方法。为此,提出了一种新的需求侧主动响应策略——面向工商业用户的电力套餐,并对电力套餐的设计问题进行了优化研究。首先,采用基于特性指标降维的负荷聚类方法辨识工商业用户的负荷特征,为电力套餐的设计进行市场细分;其次,在综合考虑电费支出满意度和用电方式满意度对用户决策的影响的基础上,基于多项Logit模型构建用户对电力套餐的选择行为模型;接着,构建基于成本—效益分析的电力套餐综合评估模型,以衡量电力套餐的经济价值;然后,在此基础上,提出以最大化益本比为优化目标的电力套餐设计的优化模型。算例采用某地区工商业用户的实际数据,结果显示了所提电力套餐的经济价值及其调动需求侧主动参与负荷管理的效果。     

基于修正自适应Logistic模型的电力需求饱和预测

饱和电力需求是影响电网发展规模的关键指标,研究电力需求的饱和趋势、预测需求进入饱和的时间与规模对于电网规划具有重要意义。将电力需求的增长过程划分为3个阶段,提出了修正自适应Logistic模型,并以中国华东地区的电力需求为例,验证了该模型的准确性与实用性,开展了针对案例的饱和预测研究。     

Electricity Price Forecasting Based on AOSVR and Outlier Detection

Electricity price is of the first consideration for all the participants in electric power market and its characteristics are related to both market mechanism and variation in the behaviors of market participants. It is necessary to build a real-time price forecasting model with adaptive capability; and because there are outliers in the price data, they should be detected and filtrated in training the forecasting model by regression method. In view of these points, this paper presents an electricity price forecasting method based on accurate on-line support vector regression (AOSVR) and outlier detection. Numerical testing results show that the method is effective in forecasting the electricity prices in electric power market.