基于负荷空间分布预测的电网规划方法研究(II):电力系统负荷分区分布预测

对电力系统负荷的分区分布预测方法进行探讨。利用系统论中的整体与个体的关系,采用系统动力学建模的方法对各个分区建立统一的预测模型,并根据实际情况对预测模型进行修改,体现出个体间的差异。利用预测结果获得分配因子,对系统的总量预测结果进行分配,获得分区的预测结果。然后采用用地仿真法,建立负荷分布的运输模型,通过求解模型获得负荷的具体分布情况,通过自上而下的负荷细分,获得具体的负荷增长情况。这种预测结果对变电站的布点以及具体线路的规划具有重要的指导作用。     

基于负荷空间分布预测的电网规划方法研究(Ⅱ)电力系统负荷分区分布预测

对电力系统负荷的分区分布预测方法进行探讨.利用系统论中的整体与个体的关系,采用系统动力学建模的方法对各个分区建立统一的预测模型,并根据实际情况对预测模型进行修改,体现出个体间的差异.利用预测结果获得分配因子,对系统的总量预测结果进行分配,获得分区的预测结果.然后采用用地仿真法,建立负荷分布的运输模型,通过求解模型获得负荷的具体分布情况,通过自上而下的负荷细分,获得具体的负荷增长情况.这种预测结果对变电站的布点以及具体线路的规划具有重要的指导作用.     

基于省级电网的短期负荷预测系统的开发

在对吉林省网及其所辖分区电网负荷规律性进行全面分析的基础上，开发了一种基于省级电网的电力负荷短期预测系统。系统包括回归、组合加权等多种预测方法，提供了直接预测与分区汇总两种预测方式，具有对省网负荷及所辖各分区负荷进行规律性评价的子模块，采用数据库形式对历史负荷、预测结果等多种数据进行分类管理，使数据维护更方便。对省网负荷及所辖各分区负荷的预测结果进行了比较，并在此基础上分析了省网及各分区负荷的规律性。该系统界面友好，操作简单，已成功应用于吉林省调度中心。     

基于系统动力学的电力系统中长期负荷预测

将系统动力学应用于电力负荷的中长期预测。首先根据历史用电情况分析建立模型结构图,然后进行方程式设计,最后通过仿真和参数敏感度测试证明模型的合理性和实用性。电力系统负荷中长期变化是一个受政策、经济等多方面不定因素综合影响的动态过程,采用系统动力学的方法进行预测可以充分利用专家的经验,并且在模型使用中不断积累经验,提高了预测精度。     

柔性直流输电系统显式模型预测低复杂度控制技术

建立电压源型换流器的高压直流输电系统三阶分段仿射系统模型。针对传统的模型预测控制需要滚动优化的缺点,应用显式模型预测控制的方法,通过多参数二次规划来对状态空间进行凸划分,将原本大量的在线控制计算过程转移到离线阶段进行预计算。为降低其离线计算的复杂度,引入分离函数和误判点的概念,通过严格分离饱和分区的方法,减少需要预计算和划分的分区数量,也间接加快了在线计算时状态量搜索对应分区的速度。通过仿真分析验证了嵌入分离函数后,在负载突增和系统参数变化等环境下显式模型预测控制的控制性能。     

基于灰色模型和Kalman平滑器的多母线短期负荷预测

提出一种基于灰色模型和Kalman平滑器的多母线短期负荷预测方法。首先利用频域分解消去母线负荷序列的周周期分量,建立序列的灰色模型;利用系统负荷预测方法得到系统负荷预测值。然后基于灰色模型,将各母线负荷的累加序列作为状态,系统负荷的累加序列作为观测,建立线性离散随机系统模型,利用Kalman平滑器计算各母线负荷累加序列的最优估计值,最后经过累减还原并加上周周期分量得到母线负荷的预测值。Kalman平滑器利用高准确率的系统负荷预测结果对母线负荷预测进行调整,降低预测误差。在实际系统中进行了仿真验证,证明了该方法的有效性。     

计及风电预测可信度的经济调度及辅助决策方法

含风电系统经济调度的研究为大规模风电并网运行提供了相关对策。文中针对风电出力预测水平的局限性,建立了风功率预测可信度模型,并利用分区建模的手段建立了风功率预测误差模型。基于此,分析了考虑预测可信度的储能成本模型,结合火电机组出力成本模型完成了含风电系统的经济调度模型。模型考虑了系统失负荷、弃风概率约束及输电线路安全约束;为减小储能成本,将储能容量表示为平抑风功率预测误差的概率模型;同时在目标函数中引入储能成本调节系数,用于风功率调度水平的辅助决策。以10机系统为例,采用Monte Carlo模拟技术及模糊聚类辅助决策手段验证了所述方法的可行性。     

中长期负荷预测的计量经济学与系统动力学组合模型

电力系统中的长期负荷预测受政治、经济、人口、气候等各种随机因素的影响,单一的预测方法很难提高预测精度。为此,提出一种基于计量经济学和系统动力学的组合方法。首先,利用计量经济学的方法找出电力需求的主要影响因素,在此基础上建立电力需求与其影响因子的计量方程;其次,建立考虑人口、经济及环境的可持续发展的系统动力学电力需求预测模型;最后将人口、经济、电力需求的子系统方程带入系统动力学模型进行预测。实际算例结果表明该方法具有较高的预测精度。     

基于小样本集的网侧风电功率预测方法

风电功率预测多采用统计预测模型,为了达到可接受的预测精度,需要大量的历史数据对模型进行训练,不适用于缺少历史数据的新建风电场,为此提出基于小样本集的网侧风电功率预测方法。基于风电场少量的历史数据,运用支持向量机方法建立了网侧风电功率预测通用模型,并用此通用模型对风电场功率进行初步预测;在通用模型预测的基础上,利用区域内风电场的特征参数对这一网侧通用模型进行辨识和修正,从而得到区域电网网侧风电功率预测结果。实际算例验证了基于小样本集的预测方法的可行性,实际预测精度较好,说明该方法适于历史数据样本较小的风电场的功率预测,能够减少功率预测中统计预测方法对数据的依赖。     

分区支持向量回归及其在负荷预测中的应用

为解决局地短期电力负荷预测问题,给出了一种基于自适应聚类分区和支持向量机回归的多模型变结构负荷预测新方法.首先根据局地电力负荷的特点,使用模糊C均值聚类方法给出预测时间点的自适应分区;然后利用支持向量回归方法对不同分区分别构建预测子模型;最后提出一种基于仿真分析的模型评估和参数优化方法,在测试评估的基础上优化确定各子模型的参数,并适当调整各分区的结构.实验表明该预测方法比常用的神经网络预测方法具有更高的准确率和更强的鲁棒性.     

模糊聚类分析在分区负荷预测中的应用

分区负荷预测通常直接按行政区域划分预测区域,没有考虑同一行政区内可能存在电力负荷增长规律有较大差异的情况。通过模糊聚类的方法,按下一级行政区域中负荷变化规律的近似程度,实现新的分区,有利于改善分区负荷预测的预测效果。针对聚类过程中各项聚类指标对用电量水平影响力不同的问题,引入了加权标定方法。以苏南5市为例进行了聚类分析,其结果和实际情况相符。     

灰色Verhulst模型在中长期负荷预测中的应用

灰色系统预测模型用于中长期负荷预测是一种有效的方法。但是，当负荷按照“S”型曲线增长或增长处于饱和阶段时，采用灰色模型进行负荷预测的误差较大，预测精度不能满足实际要求。将灰色Verhulst模型引入到负荷预测中，可以很好地解决这个问题。作者通过典型的实例介绍了灰色Verhulst模型在中长期负荷预测中的应用。结果表明，此模型在负荷预测中是适用的，尤其对于负荷按“S”型曲线增长的情况，不但具有较高的预测精度，同时保留了灰色预测方法的优势和特点。     

基于分配因子和信息熵的母线负荷组合预测模型

负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求。因此,母线负荷预测是解决这一问题的关键途径。然而,系统内母线数量庞大,负荷基数小,特性各异,波动性强,给母线负荷预测工作带来了困难。本文研究了母线负荷预测模型,根据实际电网情况提出了负荷分配因子的概念及预测思路;充分考虑历史数据的有效性,采用日特征量和趋势相似度综合选择相似日,并提出基于信息熵的变权重组合预测方法,提高各类型负荷预测精度;结合类型负荷预测结果和负荷分配因子,最终得到各条母线的预测结果。采用某区域电网负荷进行实例验证,结果表明,本文所建立的预测模型具有良好的预测精度和稳定度。     

一种实用的超短期负荷预测曲线外推方法

超短期负荷预测对电网功率平衡控制具有重要作用。文中针对超短期负荷预测特点,提出一种基于曲线模式分析的曲线外推方法,并讨论了历史坏数据处理以及对当前负荷水平的特殊处理等实用性问题,以保证预测结果的稳定性。通过对几个实际系统的应用结果表明,该方法速度快,精度高,运行稳定可靠,同时具有较强的适应性。     

Multi-substation control central load area forecasting by using HP-filter and double neural networks (HP-DNNs)

Electricity load demand forecasting of Thailand using Hodrick–Prescott (HP) filters and double-neural networks (DNNs) is presented in this article by dividing whole country area into multi-substation areas. The signals of load demand in each subarea will be decomposed to trend and cycling signals by HP-filter before sent to DNNs for load demand forecast. The trend signals show close relationship with economic affecting features, while the cycling signals demonstrate strong relationship with weather features. These obvious correlations will be used for feature input selections. In the finally stage, the forecasting results from each subarea will be composed for the whole country area result. Comparing to other forecasting models, this approach not only reduce complexity of the forecasting model but also decrease mean absolute percent error (MAPE) as 1.42%. Moreover, this method can be applied to other load forecasting in power system and any application that can be separated into subarea.     

提高电网短期负荷预测精度的研究

以广东珠海电网为例,对负荷特性、经济发展特点、气候变化、预测技术等影响负荷预测的因素进行分析,提出提高电网短期负荷预测精度的措施:建立和完善典型日负荷样本数据库;特殊事件造成负荷较大变化时进行人工干预;合理做好负荷日的类型分析;采用扩展短期负荷预测方法进行明日负荷预测;建立气象负荷数据源预测模型.这些措施在珠海电网中应...     

基于空区推论的空间负荷预测分类分区实用法

目前对无历史数据的新老城区空间负荷预测,一般采用分类分区法,所有同类小区基于统一的分类负荷平均密度预测其负荷。针对这一不足,基于空区推论的思想对分类分区法进行了改进,提出现有面积（不含新城区）上的分类总负荷减去有历史负荷数据的老城区的负荷即得到无历史负荷数据的同类老城区的总负荷;同理,规划面积（含新城区）上的分类总负荷减去现有面积上的分类总负荷即得到同类新城区总负荷,再结合面积算得无历史数据的新老城区的平均负荷密度,进而预测其负荷分布。这样使得有、无历史数据的老城区和新城区采用不同的负荷预测思路以提高其预测精度。该方法几乎不增加收集原始数据的工作量或附加的数据较易获得。最后通过实例说明了该方法的实用性和有效性。     

基于智能技术的短期负荷预测研究

电力系统负荷预测是电力研究的一个重要组成部分,随着电力智能化的加快发展,为电力负荷预测提供了更准确有效的方法。目前有多种电力负荷预测方法,但由于预测模型适用条件的限制,使得负荷预测存在困难。因此,本文选择了基于统计理论的支持向量回归方法来进行预测。文中结合贵州某经济开发区短期电力负荷的历史数据,应用支持向量回归法对该负荷进行了预测,得到了精度较高的预测结果。     

基于误差预测修正的负荷预测研究

电力系统负荷预测对电力系统的可靠和经济运行意义重大。国内外学者对负荷预测理论做了大量研究,提出了许多预测方法。基于这些方法,提出了一种有辅助和修正作用的措施——误差预测修正,即通过对预测产生的误差进行预测和分析,形成预测修正模型,再结合原预测模型预测负荷,以扩大原模型的适用范围和提高它的预测精度。最后通过算例,验证了该方法的科学性和实用性。