考虑相关因素统一修正的节假日负荷预测模型

能源互联网正在逐步影响电网的规划建设方式,其对于相关的负荷预测技术也提出了更高的要求。节假日负荷预测由于存在与正常工作日差异较大且历史数据较少的原因,其负荷预测的效果往往不理想。通过相关因素统一修正模型对气象、时间等相关因素进行修正处理之后,得到统一相关因素影响下的正常工作日数据。考虑“近大远小”的原则,对于正常工作日和节假日负荷曲线之间的相关性进行分析,并基于点对点倍比预测模型提出节假日负荷预测模型,该模型能够自动削弱历史中不正常数据对于预测精度的影响。将提出的预测方法应用于我国北方某城市和某地区的节假日负荷预测,算例分析结果显示预测精度能够满足实际需要,可以为相关电力部门节假日负荷预测提供一定的参考价值。     

考虑气象信息的节假日负荷预测

因负荷成分与正常日有较大差异且样本较少,故节假日短期负荷预测精度往往不太理想.通过对节假日负荷特性的分析,考虑到节假日负荷影响主要受负荷自然增长及天气等因素的影响较大,文中采用相似日方法和模糊推理分别预测负荷曲线模式和负荷水平.通过对实际系统负荷进行预测,结果表明预测精度较高,尤其在气象出现较大变化的节假日能够得到较好的预测结果.     

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.     

基于模糊推理的节假日负荷预测

由于节假日负荷成分与正常日有较大差异,加之样本较少,节假日短期负荷预测难度较大.而准确预测可以提高系统运行的可靠性和经济性.为了提高节假日负荷预测的精度,针对节假日负荷特点,利用相似日方法获得待预测日负荷归一化曲线,利用模糊推理方法对负荷水平年增长率进行调整.通过对实际负荷进行预报计算,结果表明预报精度较高,建议用于节假日短期负荷预测.     

节假日短期负荷预测的一种实用算法

根据节假日负荷与周末负荷间的相似关系 ,以及节假日负荷受温度变化影响大的特点 ,提出了一种以周末负荷为基础 ,考虑温度修正的实用节假日负荷预测算法 ,实际预测证明了这种方法的有效性     

基于分形特性修正气象相似日的节假日短期负荷预测方法

节假日负荷易受气象信息、国家调休政策等影响,预测精度较低。为解决上述问题,提出了基于分形特性修正气象相似日的节假日短期负荷预测方法。采用归一化处理和日期适当调整,解决了数据值之间的差异性、经济增长率和负荷变化趋势不一致的问题;将分形特性的自相似性引入节假日短期负荷预测,剔除气象突变带来的不良影响,在海量历史样本集中精准确定相似日查找范围;依据相似性原理,综合考虑气象、日类型等影响因素,建立曲线辨析函数计算负荷的差异系数,在特定范围内查找与待预测节假日气象最相似的一天。以南方某电网数据为实际算例进行仿真,结果表明所提出方法满足工程实际的需求,其中2015年春节期间96点日负荷准确度达97.63%。     

基于滤波算法的节假日短期负荷预测研究

针对节假日短期负荷变化幅度大,难以精确预测,提出了一种基于滤波算法的节假日短期负荷预测算法。简要介绍了卡尔曼滤波和维纳滤波的预测原理,结合电力负荷实际情况,建立了相应的短期负荷预测模型。对节假日负荷进行了预测,证实了应用滤波算法进行负荷预测的可行性和有效性,并对比了两种预测算法。针对大幅度负荷变化导致预测精度不高的问题,讨论了基于滤波算法误差原因,在此基础上,提出了通过引入修正因子对预测结果进行修正。修正后的预测结果具有很高的精度,证实了改进算法的正确性和有效性。     

基于参数迁移的节假日短期负荷预测方法

在短期负荷预测中,节假日负荷的相关数据通常较少且负荷规律和平常日差异较大,因此节假日负荷预测的精度往往较差。为此,提出了一种基于参数迁移的节假日短期负荷预测方法,采用深度神经网络结合迁移学习以提高节假日负荷预测精度,用某省电网的实际负荷数据进行了仿真分析。结果表明,方法能有效提高节假日负荷预测的准确性。     

基于相似日负荷修正的节假日短期负荷预测

针对短期负荷预测中节假日的特殊性,提出基于相似日负荷修正的算法。为了克服节假日样本较少所导致的预测困难,将近期周末扩充到相似日样本中。该算法评估相似性时综合考虑气象和时间因素。针对气象因素,采用灰色关联分析法来计算,而对于时间因素,兼顾到“近大远小”和“周期性”的原则,并以二者相似度的乘积量化总体相似性,选出若干相似日。考虑到类型日和年周期对负荷的影响,基于“历年节假日与周末负荷比例”和“负荷年增长率”分别修正相似周末和相似节假日的负荷。该算法应用到某地级市的预测中,平均相对误差为2.29%。     

基于Hausdorff形状分类的配电网日最大负荷预测

日最大负荷及其出现时刻的准确预测是配电网经济调度与安全运行的重点关注对象。研究了各类型负荷日最大值及其出现时刻的内在规律,提出了一种联合Hausdorff负荷形状分类与去年同期节假日修正的日最大负荷及其出现时刻预测方法。首先,分析日负荷形状特性,通过Hausdorff距离算法对负荷类型进行分类。然后,分析去年同期节假日在日最大负荷及其出现时刻预测中的修正作用,并将其与近期日负荷、气温等数据一同作为预测输入。最后,基于ElasticNet线性回归算法对每类负荷单独构建日最大负荷及其出现时刻预测模型。以湖南某台区负荷数据为实例,预测该台区春节期间的日最大负荷及出现时刻,该方法的准确性与有效性在实例中得到验证。     

基于相似日负荷修正的节假日短期负荷预测

针对短期负荷预测中节假日的特殊性,提出基于相似日负荷修正的算法.为了克服节假日样本较少所导致的预测困难,将近期周末扩充到相似日样本中.该算法评估相似性时综合考虑气象和时间因素.针对气象因素,采用灰色关联分析法来计算,而对于时间因素,兼顾到"近大远小"和"周期性"的原则,并以二者相似度的乘积量化总体相似性,选出若干相似日.考虑到类型日和年周期对负荷的影响,基于"历年节假日与周末负荷比例"和"负荷年增长率"分别修正相似周末和相似节假日的负荷.该算法应用到某地级市的预测中,平均相对误差为2.29%.     

提高配电网短期负荷预测准确率的研究

以镇海电网作为研究对象,将影响电网负荷的外界因素量化为特征向量,并修正了最高温度,采用相似日选择法选取与待预测日相似程度最高的日期作为输入样本,通过灰色系统的计算得到负荷预测值.通过对镇海电网工作日和节假日分别进行负荷预测分析,验证了此方法的实用性和有效性.     

模糊线性回归方法在节假日短期负荷预测中的应用

由于节假日负荷与正常日有较大差异,加之样本较少,节假日短期负荷预测一直是一个难点问题。为了降低节假日短期负荷预测的误差,创新性地引入了模糊线性回归方法对节假日短期负荷进行预测,结果表明,该算法预测精度较高,适用于节假日短期负荷预测。     

短期负荷预测的组合数据挖掘算法

给出了一种短期电力负荷预测的组合数据挖掘算法.通过日负荷特性分析,在设定长度的最近历史日期中选择与预测日天气最相似的为基准日,通过该模式下天气相似日的相关影响因素差异与相应负荷变化率关联规则挖掘建模,挖掘模型算法采用C4.5和CART算法的基于BP网络加权组合,算法还基于范例推理给出节假日调整因子校正节假日的影响,设计出一种高精确度短期负荷预测系统.实际应用结果表明该组合算法预测精确度高、效果良好.     

基于人工神经网络和模糊推理的短期负荷预测方法

电力系统短期负荷预测是电力系统调度部门制定发电运行计划的依据，也是制定电力市场交易计划的基础。人们提出了许多种短期负荷预测方法，如时间序列法、状态空间法、人工神经网络法等，但是这些方法都无法精确地描述电力负荷模型。在对大量历史负荷数据进行统计分析的基础上，作者提出了一种基于人工神经网络和模糊推理的预测新方法，其中首先根据实际经验将负荷日类型划分为周一、工作日、周六、周日和节假日5种类型；然后根据不同的类型日建立相应的人工神经网络模型用以预测负荷归一化系数，最后通过模糊推理策略预测日最大负荷和日最小负荷。实际算例表明，所提出的方法能够提高短期负荷预测的精度。     

一种改进的短期负荷预测方法

采用三层BP型人工神经网络来建立短期负荷预测模型,将影响负荷的主要因素:系统的基本负荷、温度的差异、天气的改变和日期的类型(工作日与节假日)作为数据样本,进行网络的自我训练和学习,并且在训练和学习的过程中引入误差反方向传播算法(即BP算法)来修正神经网络的连接权重,从而达到对负荷预测模型的改良和完善,进一步贴近实际的负荷变化。同时,将因电力线路或设备的检修损失的负荷量也作为影响因素进行了考虑,从而得出更精确的预测负荷值。在实际的负荷预测算例中,上述的预测思路得到了较好的印证,其预测的精度也较高。     

动态相似与静态相似相结合的短期负荷预测方法

气温对负荷的影响存在累积效应,这导致气象条件与日类型相同两天的负荷仍然可能有较大的差异。因此,现有的以当天气象条件和日类型为特征参量的相似日选取方法不能保证预测的准确率。针对目前累积效应带来的影响,提出了一种动态相似的思路,并且将其与现有的静态相似方法相结合得到一种新的短期负荷预测方法。运用解耦模型分别对待预测日的日平均负荷和负荷曲线形状进行预测。采用动态相似的思路进行日平均负荷预测,采用静态相似日的思路进行负荷曲线形状的预测。算例中,分别以对节假日的负荷预测以及连续高温日期的负荷预测为例,通过对北京某地区的实例计算,结果表明,该预测方法可以提高短期负荷预测的准确率。     

基于灰色关联分析与人工神经网络算法的节假日负荷预测研究

为了提高广东茂名地区负荷预测的准确率,在分析影响负荷预测因素的基础上,采用灰色关联分析选取主要影响因素,然后运用BP神经网络算法对节假日的负荷进行预测,预测日的负荷预测曲线与历史负荷值曲线对比结果证明了本文所提方法的有效性。     

基于相关邻近点与峰谷荷修正的短期负荷时间序列预测

采用混沌相空间重构理论进行电力短期负荷预测,存在峰谷荷预测精度相对较差和预测参考点不易选取的问题.根据电力系统日负荷曲线构造了日峰谷荷时间序列,揭示了日峰谷荷时间序列的混沌特性,采用相空间重构直接预测未来峰谷荷,进而提高了峰谷荷和整点负荷的预测精度.针对相空间中相点的预测参考点确定问题,提出了按相点演化相关性进行选择的方法,首先根据模型要求的预测参考点数量选出邻近点,然后根据相点演化相关性排除伪邻近点,同时引入时间权重来反映相空间不同坐标的时间次序.实际电网负荷预测的仿真结果验证了文中提出的相空间相关邻近点的选择方法与峰谷荷修正思想的有效性.     

母线负荷预测的实用算法

母线负荷预测是制定电网运行方式的基础,预测的精度将直接影响到后续安全校核的分析结果以及电网输送能力的计算和运行方式的安排。综合考虑母线负荷的特点,根据历史样本数据类型,考虑天气、节假日、企业生产变化、母线负荷的转供等因素,提出一种新的母线负荷预测的实用算法。所提方法基于相似日的模式匹配原则,依照与待预测日模式的相似度大小确定其间的分配系数权重,进而预测母线负荷。通过Matlab对一实际电网进行仿真,结果证明了所提方法的精确性和实用性。