基于夏季气象因素变化的建筑物空调负荷基线预测方法

随着人们对室内舒适度要求的不断提高,空调使用需求也日益增长,夏季日最大负荷在不断升高,其中,空调负荷占总负荷的比重也越来越大。视空调负荷为建筑物夏季负荷的最主要部分,基于气象因素对建筑物进行短期负荷预测方法的研究,首先研究影响夏季负荷的气象因素,并选出主要因素,然后分析主要影响因素的关系及其与负荷的关系,最后采用BP神经网络算法模型对夏季负荷进行短期预测。     

2005年夏季镇江地区空调负荷特点分析

介绍了2005年夏季江苏镇江地区电网用电情况,阐述了镇江地区夏季空调负荷的特点,分析了日最大空调负荷和日最小空调负荷与温度、湿度及持续高温等因数的关系,划分了影响镇江地区空调负荷变化的温度敏感区,得出了敏感区内温度对空调负荷影响的结论。这一结论对镇江地区今后的负荷预测具有实际的参考价值。     

芜湖地区空调负荷预测与建模

夏季空调负荷在总用电负荷中所占的比重越来越大,是产生峰谷差的重要因素。该负荷主要由行政事业、商业以及居民负荷等三部分组成。本研究统计分析大量行政事业、商业电量、负荷等基础数据,统计分析得出芜湖地区夏季空调负荷、行业空调负荷占比以及最大负荷利用小时数等参数,进而得出夏季居民空调负荷;基于SPSS软件,通过人口、人均可支配收入、修正温度与夏季空调负荷的数学关系建立三元一次线性回归模型,可准确预测未来1~5年夏季空调负荷。利用温度与居民空调负荷的关系,建立短期负荷预测模型,结合天气预报,可预测未来数天居民空调负荷。     

江苏电网夏季空调负荷特性挖掘与温度敏感性辨识

江苏最高调度负荷已超过100 000 MW,夏季空调负荷对于最高负荷具有较高贡献。夏季空调负荷特性对于负荷高峰、电网规划、需求响应等有显著影响。文中首先从江苏实际数据出发,使用基准负荷比较法,选取春秋夏季典型周作为研究对象,对夏季空调负荷进行了深入挖掘,并进一步量化出夏季空调负荷及电量。其次对工作日及休息日的空调负荷分别进行最高温度、最低温度及平均温度的敏感性辨识,得出不同温度类型、不同温度区间内空调负荷与温度之间的关系。最后给出了江苏夏季空调负荷的研究结论,对于后续夏季负荷预测的进一步研究具有重要意义。     

基于舒适度的多变量混沌短期负荷预测

针对电力短期负荷预测精度较低的问题,在多变量混沌短期负荷预测基础上,选取负荷时间序列和人体舒适度指数时间序列作为变量,分析人体舒适度指数对负荷的影响,提出一种基于人体舒适度的多变量混沌短期负荷预测方法,采用互信息法求取延迟时间,再由延迟时间求得嵌入维数,最后进行相空间重构,重构好的混沌序列作为径向基神经网络的输入,由此求得预测负荷值,并与基于温度的多变量混沌负荷预测相比较,通过计算实例,验证了基于人体舒适度指数的负荷预测优于基于温度的负荷预测。     

基于气象成分分解的夏季短期负荷预测

夏季负荷受温度等气象因素影响大,表现出随机性强、波动性大的特点。针对现有短期负荷预测模型在夏季预测精度不高的问题,提出在负荷成分分解的同时,将温度分解为日周期分量和波动分量,以此准确把握短时气象波动对夏季短期负荷预测的影响。在充分分析负荷各分量变化趋势及对整体负荷预测精度影响的基础上,针对各个负荷分量特征分别选择预测方法。在预测气象敏感负荷分量时引入温度波动分量,基于XGBoost智能算法构建预测模型。选用我国中部某市夏季历史负荷建立训练样本,对2017年8月份日96点负荷进行预测,预测结果验证了所提模型和算法的有效性。     

张家界地区电网夏季空调负荷特性分析

基于张家界地区近两年负荷数据及气象数据,分析了该地区电网负荷及空调负荷的变化特征,发现了影响该地区负荷季节性变化的主要因素;针对夏季工作日与夏季休息日两种情况,分别研究了温度对该地区空调负荷的影响;采用数学拟合方法,建立了空调负荷的数学模型,得出了两种情况下空调负荷随最高温度变化的特征,为张家界地区电网的负荷预测、调控工作提供有益参考。     

人体舒适度指数在短期电力负荷预测中的应用

针对地区电网负荷易受多种气象因素影响的特点,引入人体舒适度这一气象新概念,综合分析天气因素对用电负荷的影响,并在人工神经网络法短期电力负荷预测的输入单元中,以人体舒适度指数代替温度、风速、相对湿度。经长春电网实际数据预测计算,证明此方法与引入人体舒适度指数前相比,可减少输入单元的个数,提高负荷预测精度。     

夏季空调负荷特性研究与预测建模

夏季空调负荷在总用电负荷中所占的比重越来越大,是产生峰谷差的重要因素本。该负荷主要由行政事业、商业以及居民负荷等三部分组成。本研究统计分析大量行政事业、商业电量、负荷等基础数据,统计分析得出芜湖地区夏季空调负荷、行业空调负荷占比以及最大负荷利用小时数等参数,进而得出夏季居民空调负荷;基于SPSS软件,通过人口、人均可支配收入、修正温度与夏季空调负荷的数学关系建立三元一次线性回归模型,可准确预测未来1~5年夏季空调负荷。     

夏季气象条件对地区空调负荷的影响

分析了夏季气象条件中地区空调负荷与日最高气温、日平均湿度之间的关系,划分了影响空调负荷变化的温度敏感区,阐述电力主管部门进行负荷预测、合理制定电力调度计划等方面,得出敏感区内气温对空调负荷影响的结论.     

陕西电网夏季降温负荷与温度相关性研究

以2011—2017年陕西电网8760负荷数据及气象数据为基础,结合陕西电网年、日用电负荷特性,科学合理选取春（秋）工作日、休息日作为基准计算负荷,利用线性和非线性回归分析方法对夏季降温负荷与气温之间的关系进行定性定量分析研究,在此基础上进一步划分温度区间,并对降温负荷展开分析,得出陕西电网夏季降温负荷与气温变化之间的幅值增减函数关系,对于后续基于空调负荷开展用电需求分析预测的研究具有重要意义。     

夏季日最大降温负荷的估算和预测方法

随着空调等降温设备的大量使用,降温负荷对电力系统安全经济运行的影响越来越显著。以广州市的历史负荷和气温数据为基础,分析了广州市夏季降温负荷与气温之间相关性。首先,考虑到夏季基准负荷逐日的增长量,提出利用灰色系统GM(1,1)模型预测出电网夏季的日基准负荷曲线,进而准确剥离出夏季的日降温负荷曲线,并分析了日降温负荷曲线的“W”型变化特征。其次,基于日最大降温负荷与日最高温度的相关性分析,建立了日最大降温负荷与日最高温度之间关系的分段回归模型,并对日最大降温负荷进行预测。最后考虑温度累积效应的影响,对分段回归模型进行了修正,进一步提高了预测精度,从而为准确预测电网夏季日高峰负荷提供依据。     

基于人体舒适度指数的配电网短期负荷预测方法

针对配电网负荷特点,提出了一种基于负荷曲线形状相似度与人体舒适度指数的配电网短期负荷预测方法。研究了负荷曲线形状相似的特点,依靠各时刻负荷差值期望,给出了一种负荷曲线形状相似度计算方法。针对气象因素对负荷的影响,引入了人体舒适度指数,并根据日最高气温与最低气温,给出了一种日人体舒适度指数相似度计算方法。根据配电网负荷类型特点,分析了节假日与正常工作日情况下,各类型负荷变化特性。结合上述特性,给出了一种配电网短期负荷预测方法,并详细论述了方法原理及步骤。结合某一配电网电源点9天历史数据与气象数据作为实例,表     

基于皮尔逊相关系数的电网夏季空调负荷预测研究

采用统计分析的方式研究地区电网夏季空调负荷的变化规律,综合考虑空调负荷的影响因素,构建了地区电网夏季空调负荷预测模型。该模型以地区电网负荷变化曲线为基础,实现了对空调负荷曲线的有效分离,随后采用Pearson相关系数考察各类影响因素与日最大空调降温负荷的相关性,通过比较日最大空调降温负荷与各类指标的相关系数,构造出一个能够体现最大空调负荷受本地区气象和社会经济影响较大的"经济气象综合指标",并利用回归分析提炼出空调降温负荷与综合指标的变化规律,最终实现夏季空调负荷的精准预测。基于某地区电网2006—2015年电力负荷及其相关数据,使用该模型预测2016年该地区电网夏季空调负荷,预测结果证明了模型的有效性。     

气象因素对江苏夏季高峰负荷的影响研究

温度、湿度等气象指标是夏季高峰负荷的主要影响因素。考虑到夏季负荷峰值与各类气象因素的关联度不同,文中基于实测数据详细研究了近年来温度、湿度与江苏夏季高峰负荷的变化关系,得出了负荷对温度湿度的敏感性结果。基于敏感性分析结果,对江苏2012年夏季高峰负荷与温度、湿度之间的关系进行了预测。预测结果对即将到来的江苏迎峰度夏工作的顺利展开具有一定的参考价值。     

基于BP人工神经网络的空调降温负荷预测

空调负荷是近年来增长较快的一类负荷,其特性对电网的电压稳定性影响很大。夏季影响空调负荷的因素主要是温度和湿度的变化。为了更好的预测空调降温负荷,研究了温度和湿度对空调负荷的影响。利用BP人工神经网络对电网空调负荷进行了预测,经过分析把日平均湿度量化成4段,和日平均湿度实际数值的模型进行计算比较,结果显示考虑日最高温度和日平均湿度量化为4段能更好的模拟温度、湿度和空调负荷之间的非线性关系,能更好的对电网空调负荷进行预测。     

考虑温度积累效应的短期电力负荷预测方法研究

提出了一种考虑夏季温度积累效应的地区短期负荷预测方法。该方法不仅考虑了对短期负荷有影响的日类型、降水、温度等相关因素,并且考虑了在连续高温日情况下,预测日前数日的温度对预测当日的影响。通过利用神经网络工具,对每日48个时刻点分别建立了预测模型。通过对华中某地区电网的实际负荷预测结果的分析来看,该方法可以有效跟踪预测日前数日温度积累对预测日负荷的影响,在夏季负荷大幅变化的情况下,预测精度仍然可以满足要求。     

长沙电网空调负荷与气温相关性分析研究

为了解气温对长沙地区用电负荷的影响,本文对2011—2017年长沙电网空调负荷与气温的关系进行了全面分析,计算了"十二五"以来夏季降温负荷和冬季取暖负荷在整体用电负荷中所占的比例,并利用非线性回归方法进行了近五年空调负荷与日最值温度的相关性分析,给出了温度每改变1℃时空调负荷的变化幅度,同时还分析了高、低温持续时间对空调负荷的影响。     

考虑温度积累效应的短期电力负荷预测方法研究

提出了一种考虑夏季温度积累效应的地区短期负荷预测方法.该方法不仅考虑了对短期负荷有影响的日类型、降水、温度等相关因素,并且考虑了在连续高温日情况下,预测日前数日的温度对预测当日的影响.通过利用神经网络工具,对每日48个时刻点分别建立了预测模型.通过对华中某地区电网的实际负荷预测结果的分析来看,该方法可以有效跟踪预测日前数日温度积累对预测日负荷的影响,在夏季负荷大幅变化的情况下,预测精度仍然可以满足要求.     

离网型微电网短期负荷及发电功率预测

为了提供微电网稳定运行所需的负荷数据及微电源发电功率数据,提出了一种基于天气因素的偏远地区离网型微网短期负荷及发电功率预测方法。首先,通过对天气因素对偏远地区微网内部负荷以及风光发电的影响分析,论证了微网短期负荷及风光发电功率与温度,大气压强等天气因素的相关关系。然后,依据地区历史夏季负荷、温度和风速等天气数据以及预测日前一日的天气数据作为输入量建立基于BP神经网络的预测模型;最后以内蒙古某偏远地区实际微网为算例进行仿真验证,结果与直接应用历史数据预测方法相比,预测模型可以很大程度上减少预测误差,提供更加准确的数据。