考虑夏季气象因素的短期负荷预测方法研究

由于夏季电力负荷受气象因素影响较大,尤其是连续高温情况下,短期负荷的预测结果往往存在较大偏差.通过对气象敏感负荷与温度、湿度等气象因素的相关性研究,提出了考虑温度累积效应的修正模型.该模型不仅考虑了多日前温度对负荷的影响,还考虑了待预测时段之前时段的温度对负荷的影响,同时对湿度进行了相关性修正.通过综合预测模型试算,实例表明,引入修正模型后夏季高温负荷的预测精度有了较大提高.     

针对气象因素的短期负荷预测修正方法

由于受气象因素的影响,目前的短期负荷预测方法的结果误差往往偏大,需要进行人工修正。文中通过分析多种气象因子与电网负荷的相关性,找出气象因素与电网负荷的对应关系。在此基础上给出了经验性的修正模型库的建立方法,并针对湿度、降雨、温度、气压等因素建立了相应的修正模型,编制出符合负荷预测要求的实用软件。测试结果表明,由于考虑了气象因素的影响,预测模型具有较好的精度。     

短期负荷预测中考虑夏季气温累积效应的方法

由于气象因素对负荷的影响较大,在短期负荷预测中需合理考虑气象因素的影响。气温累积效应是夏季气象因素影响负荷的重要现象,是指待预测日之前若干日的气温对待预测日的负荷具有比较明显的影响,持续高温情况下影响尤其明显。对大量气象数据的分析表明,在不同条件下,累积效应的强度不同,对负荷的影响程度也不同。据此,提出了用离散的累积系数和温度修正公式来反映累积效应强度的方法,考虑了各种影响累积效应强度的因素,如待预测日的气温、高温持续天数等。实例表明,所提出的方法比较准确地反映了累积效应对负荷的影响。     

短期负荷预测中气象因素处理的费歇信息方法

在能提供大量实时负荷数据和气象数据的智能电网大数据环境下,挖掘合适的气象因素处理方法对提高短期负荷预测精度尤为重要。针对一个或多个气象变量,解决一维或多维费歇信息计算问题。在此基础上,提出基于费歇信息的气象因素建模方法及新预测模型。实际测试结果表明:采用所提模型可以获得更精确的预测结果,解决了短期负荷预测中对气象因素处理的主观随意性问题。     

考虑气象因素的电网短期负荷预测策略

影响电网负荷预测的因素很多,其中气象因素是主要原因之一,尤其在天气系统的转变过程中,气象因互对电网用电和短期负荷预测准确率的影响更大,对气象负荷进行了明确定义,提出了一种预计气象负荷分量的实用方法和考虑气象因素的短期负荷预测策略。     

考虑气象信息的短期负荷预测

介绍了负荷预测和人工神经网络的相关知识。综合考虑了各个气象因素和综合气象指数对短期负荷预测的影响,设计了基于BP神经网络的短期负荷预测模型。利用人体舒适度和温湿指数进行预测,发现了理论预测和实际仿真的结果不同。研究发现由于风速的离散性和无规律性是导致误差的原因。以温湿指数作为输入,采用学习率可变的算法对杭州的负荷进行预测并进行了统计。     

考虑气象因素SVR算法的短期电力负荷预测

介绍了SVR(Support Vector Regression)算法在短期电力负荷预测中的应用。结合地区实际,在算法中考虑相应的气象因素。该算法具有精度高、收敛速度快、全局最优等优点。     

短期负荷预测中考虑积温效应的温度修正模型研究

由于夏季负荷受温度因素影响较大,持续高温天气会造成积温效应,导致负荷出现一定程度的非常规增长,传统的短期负荷预测方法难以满足实际需求。因此,为了反映积温效应的影响程度,本文提出了温度修正模型,通过拟合温升曲线、求解负荷温度弹性系数来确定高温日的界限温度,同时给出了利用相关系数求解最大累计天数和累积效应系数的方法。算例分析表明,所提出的方法能够准确地反映积温效应的影响,提高短期负荷预测的精度。     

考虑气象因素的相似聚类短期负荷组合预测方法

提出以气象负荷和长期趋势负荷之和为聚类中心对历史负荷数据进行相似搜索的方法,该方法可提高预测样本同被预测日负荷的相似度,从而增加预测结果的可信度和精确度。以权重优化组合的方式采用多种负荷预测方法进行组合负荷预测,应用实例证明该方法可体现不同地区、不同类型、不同气象敏感度的负荷特性,因而具有广泛的自适应性,对于负荷总量较小、变动范围较大且受天气因素影响明显的地区具有较好的预测精度。     

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。     

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.     

考虑气象累积效应的IPSO-BP神经网络短期负荷预测算法

气象因素是短期负荷预测中的重要因素,考虑气象累积效应选取相似日作为训练样本,提出基于改进粒子群优化算法的BP神经网络负荷预测方法(IPSO-BP)。首先通过相关性分析得出与日负荷相关程度较大的气象因素;在此基础上,采用加权几何距离选取与待预测日关联度较大的历史日作为相似日,并对IPSO-BP神经网络模型进行训练和预测。实际应用结果表明,所提出的预测模型和数据处理方法能够得到更加精确的预测结果。     

基于自回归模型的超短期负荷预测方法

针对提前1小时的超短期负荷预测,在充分分析负荷特性的基础上,提出了基于自回归模型的超短期负荷预测,并利用拐点与负荷变化率的关系对预测结果修正。算例分析表明,该方法可以取得较高的预测精度。     

电力系统短期负荷预测的非线性混沌改进模型

改进了文「１」中负荷数据序列的Ｌｙａｐｕｎｏｖ指数计算方法,提高了Ｌｙａｐｕｎｏｖ指数的计算精度并增强了可靠性,这种建立在非线性混沌改进模型基础上的预测方法不仅对小数据组可靠,而且计算量小,相对容易操作,通过对华东某电网实际负荷数据进行的预测,精度明显优于文「１」中的方法,且具有较强的自适应能力和通用性。     

考虑多种因素的短期电力负荷预测方法研究

当前电力负荷预测问题中负荷数据普遍受到多种因素的影响,很多对负荷预测的研究仅关注对预测方法、模型进行优化而忽略了各种条件因素对负荷真实存在的影响,导致负荷预测方法往往在训练集和验证集上准确性较高,一旦到了实际场景中就常常失准.因此,提出特征工程在电力负荷预测时的关键作用,在进行负荷预测前先进行数据挖掘与特征分析,以提高预测效率与准确率.首先,对时间、温度、气压、紫外线强度等多种因素进行数据挖掘与特征分析,对比不同因素对负荷预测的重要性;其次,使用多种不同预测方法对负荷进行预测,并得出预测结果; 最后,通过对比分析,证明所提方法在实际场景的电力负荷预测中有广泛应用前景.     

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。     

考虑气象因素的电采暖负荷预测研究

为了改善空气环境,政府大力推进煤改电工程的落地实施,电采暖负荷被大量采用。电采暖负荷具有功率大、与季节和气象关系紧密、负荷密度集中的特征,对配电网规划运行产生较大影响,文中主要从气象因素角度出发,通过分析电采暖负荷的典型特征,筛选了温度和湿度两个主要气象因素,并结合北京某煤改电工程实际数据,通过回归分析方法分别提取了温度和湿度两个因素对电采暖负荷的灵敏度系数,提出了以温度因素为主,湿度因素为修正的电采暖负荷预测方法,经与实测数据对比,证明该预测方法具有更高的精准度。     

考虑气象因素的SVM方法在短期电力负荷预测中的应用

介绍了支持向量机(SVM)方法及其在短期电力负荷预测中的应用.结合地区实际,在算法中考虑相应的气象因素,该算法具有收敛速度快、全局最优等优点.预测算例表明,考虑气象因素的SVM方法可提高预测精度.     

台风期间福建电网短期负荷预测研究

台风对电网负荷的影响具有不确定性和随机性,传统负荷预测结果往往不是很理想。结合福建电网的实际情况,归纳分析历年影响福建电网的台风活动规律,提出一种适合台风期间的负荷预测方法。若存在可用相似日,考虑负荷年增长趋势等因素,给出一种基于相似日修正的负荷预测方法 ;而针对无可用相似日的台风,提出一种基准负荷修正的预测思路。研究表明,该预测方法能够有效提高福建电网的短期负荷预测精度,具有一定的理论意义和应用价值。