基于数据挖掘的电力需求侧管理综述

电力需求侧管理突破了传统的电力管理模式,改变了依靠单纯地扩大供应能力以满足日益增长的电力需要的方式,在更高层次上处理供应侧和需求侧的关系,特别强调用户参与负荷管理的积极性,做到和用户共同实施用电管理。针对这一特点,通过分析时下最热门的数据挖掘技术的现状,并结合数据挖掘技术分别从电力需求侧管理的需求侧响应,有序用电和能效管理三个方面对基于数据挖掘的电力需求侧管理进行了综述。结论得出,基于数据挖掘的电力需求侧管理是未来电力需求侧管理的主要发展方向,研究如何将数据挖掘技术应用到用户需求侧管理中,不仅可以推动电力需求侧管理的进一步发展,还可以加快电力行业的快速转型,为能源互联网的快速建设提供技术支持。     

计及延迟效应的两段特征选择技术在负荷预测中的应用

针对特征对负荷的影响具有延迟效应,在现有的两段特征选择技术基础上提出了一种计及延迟效应的两段特征选择技术。首先,基于延迟交互信息（delay mutual information,DMI）寻找特征与负荷之间最佳预测参考点,并借助该参考点调整相空间。然后,对该相空间进行基于DMI的两段特征选择,即不相关滤波和冗余滤波。最后,将滤波后的相空间输入预测引擎进行预测。实例对多个可能相关的变量进行分析,验证了该方法可降低预测误差和时间。     

基于数据挖掘的电力需求侧管理综述

电力需求侧管理突破了传统的电力管理模式,改变了依靠单纯地扩大供应能力以满足日益增长的电力需要的方式,在更高层次上处理供应侧和需求侧的关系,特别强调用户参与负荷管理的积极性,做到和用户共同实施用电管理。针对这一特点,通过分析时下最热门的数据挖掘技术的现状,并结合数据挖掘技术分别从电力需求侧管理的需求侧响应,有序用电和能效管理三个方面对基于数据挖掘的电力需求侧管理进行了综述。结论得出,基于数据挖掘的电力需求侧管理是未来电力需求侧管理的主要发展方向,研究如何将数据挖掘技术应用到用户需求侧管理中,不仅可以推动电力需求侧管理的进一步发展,还可以加快电力行业的快速转型,为能源互联网的快速建设提供技术支持。     

短期负荷预测方法综述

电力系统为电力用户提供可靠、优质、经济、环保电能的前提条件是能对电力负荷进行精确的预测。电网中的调度部门要根据短期负荷的预测结果来安排发电和供电计划,从而优化资源配置,提高经济效益。因此,短期负荷预测具有重大意义。为了提高负荷预测的准确性,较为全面的综述了短期负荷预测方法的研究状况。首先简述了短期负荷预测的意义、特点以及影响因素,综合叙述了短期负荷预测方法的历史发展。然后分别从数据预处理和组合预测两个方面总结了各个方法的研究现状和存在的问题。最后指出了当前短期负荷预测研究的主要问题以及下一步可能的研究方向。 得出的结论是对历史数据进行预处理后结合时下流行的机器学习算法能提高电力系统短期负荷预测的精度。