电网负荷的组合预测

应用组合预测方法将自适应滤波模型、灰色模型、指数平滑模型、指数函数模型组合在一起进行电网负荷预测,得到了改善的结果。     

基于PSO-GA-SVM 的风电功率短期预测

风电功率精确预测是电力系统稳定运行的必要条件之一。文章以中国某一地区收集到的风速数据为基础,通过一定的分析方法建立了SVM风电功率预测模型,采用以粒子群为优化算法的PSO-GA混合算法来优化SVM预测模型。通过分析SVM、GA-SVM、PSO-GA-SVM三种模型的预测结果,并与实验数据相比较,仿真表明PSO-GASVM模型预测精度更高,PAO-GA混合算法优化效果更好。     

电力系统超短期负荷预测技术的应用与发展

从电力系统超短期负荷预测的定义及作用出发,概述超短期负荷预测的特点及方法。按照传统预测方法、现代预测方法及综合预测方法分类,对各种超短期负荷预测方法的原理、应用范围、改进及发展方向进行了综述。指出各类超短期负荷预测方法都有特定的适用场合,在实际应用时要充分考虑预测系统的实际运行特点,才能最大限度地发挥各类方法的优势。     

一种简化的电力系统负荷线性组合预测法

负荷是电力系统运行和规划的依据，精确的预测可提高系统运行的可靠性和经济性。作者将电力系统负荷预测的三种主要方法，即外推法、灰色预测法和人工神经网络法结合起来，建立了一种线性组合预测模型。在组合模型的权重系数求解中，首先对目标函数和等式约束使用拉格朗日乘子法来求解权重系数。当出现小子零的系数时，改为只使用误差矩阵的对角元素来计算，这种近似对预测精度影响较小，但简化了计算，且保证了组合系数大于零的条件。由于组合模型的总平均误差要小于各单一预测方法的平均误差，这就提高了预测精度，尤其组合模型的最大预测误差要小于单一模型的最大预测误差，从而降低了预测的风险性，实例证明这种组合模型具有较好的实用性。     

电网节点负荷的立体化预测方法

把握统一大电网中任意节点负荷规律,并由此实现任意节点负荷预测对于未来电网智能化的调度与控制具有重要意义。对此,针对节点负荷自身单独、孤立预测所显现的弱点,提出节点负荷的立体化预测体系与方法,在相关性分析的基础上,试图实现电网任意节点负荷的有效预测。该体系包括:电网能量流按层、区的拓扑结构划分,每层的总量与相应节点构成的基本预测单元,以及对任一节点的组合预测。其预测方法分别基于最小二乘支持向量机、卡尔曼滤波以及加权递推最小二乘等技术。实际算例分析表明,节点负荷的立体化预测有利于预测精度的提高,具有实用前景。     

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。     

电网短期电力负荷预测系统的研究

本文介绍了一个电网短期负荷预测系统。从实际出发，文中将平时和重大节目期间的负荷预测分别研究。首次提出了参数自校正时序倍比预测法，并将灰色预测模型引入节日负荷预测，具有较强的人工干预能力和自适应智能性。软件包将数据库与计算语言有机地结合起来，具有良好的汉化人机界面和输入输出方式。操作方便，实用性强，预测精度理想。该系统已在河北省电力局中调试运行。     

基于灰色预测和神经网络的电力系统负荷预测

负荷是电力系统运行和规划的依据,准确的负荷预测有利于提高电力系统运行的经济性和可靠性。章提出了一种基于灰色预测和神经网络组合的电力系统负荷预测方法。在灰色预测中通过对历史数据作不同的取舍并经累加生成后建立不同的模型;对于灰色预测的不同结果再使用人工神经网络进行组合。具体方法是：神经网络的输入为各种灰色模型（GM）的预测,神经网络的输出为组合预测的结果。学习样本选择与预测量量近的n个已知值,学习方法使用改进的BP算法。所提方法综合了GM预测所需原始数据少、方法简单、而神经网络具有非线性的拟合能力的特点,提高了预测精度。算例表明了所提方法是可行的和有效的。     

浅析电力系统的负荷预测

负荷预测对电力系统规划和运行极为重要,文中论述了电力系统负荷预测的方法与分类、负荷预测的基本过程,同时介绍了新兴交叉学科理论及现代预测方法。     

基于预测决策的组合短期负荷预测

以提高短期负荷预测精度为目的,首先选择五种预测模型分别对算例进行虚拟负荷预测,再利用决策理论知识,通过几率矩阵法来筛选预测模型,舍弃不符合要求的模型,最后以各时段残差平方和最小为目标函数确定各个模型权重系数.使用选中的模型进行组合短期负荷预测,并将预测结果与各单一模型的预测结果进行比较.说明了预测决策的可参考特性和实用特性,也说明了组合预测模型的拟合精度优于各种单一模型,得到了较好的预测效果.     

实现短期负荷预测数据的考核

提供对县级短期负荷预测数据的上传及相应考核的技术手段，并对地方小电厂下达短期发电计划数据，提出相关技术考核措施。     

基于Adams多步法预测的励磁控制器的设计

本文介绍了一种新的励磁非线性控制器设计方法,该方法使用预测控制理论以单机无穷大系统励磁控制为对象,以功角、角速度和有功功率作为变量,以发电机转子角速度为输出函数,用Adams四阶预测法展开输出函数,幵迚行在线滚动优化,最后得到了预测励磁控制规律。仿真结果表明,该方法与泰勒级数方法比较,既能改善发电机的机械稳定性,又能改善发电机端电压的动态特性,具有较高的控制品质。     

基于概率统计的负荷规律性评价方法的研究

分析了原始误差与预测误差之间的关系,通过对原始误差的分析,实现对负荷自身规律的分析和评价,并应用原始误差对预测误差的上限、点合格率的下限进行估计,通过实例证明其估计是可行的,为合理制定预测精度考核标准提供参考依据。     

基于混合预测方法的园区月用电量预测

随着用电量预测的重要性逐步提高,新电改下园区成为电力改革重要试验区,用电量预测开始面向小规模用户的电力需求。为此提出了一种新型电量预测方法,根据用电量数据的时序特性,将时间序列法与指数平滑法两者的设计思想相融合,优化指数平滑模型,引入时间序列模型,建立新的改进模型。结果显示,该方法能提高用电量预测精度,降低发电成本,提高经济效益和社会效益。     

基于预测误差分布特性统计分析的概率性短期负荷预测

现有短期负荷预测方法一般只能给出确定性负荷预测结果,难以满足电力市场中不确定性风险分析决策的要求。文中提出了一种基于负荷预测误差特性的统计分析的概率性预测方法。该方法首先从时段与负荷水平2个联合维度上建立了对预测误差分布规律进行统计分析的模型,并提出了检验该统计规律有效性的原则和方法;将验证后的预测误差统计分布规律与确定性的负荷预测结果相结合,即可得到概率性的负荷预测结果。基于该结果,还能求取某一置信水平下的预测负荷曲线的包络线。结合实际电网数据验证了所提出方法的有效性和实用性,为概率性短期负荷预测提供了一条可行的新思路。     

基于分区逐时气象信息的全网负荷预测研究

负荷与气象是密切相关的,尤其在夏冬两季。以省网负荷预报为例,在传统的电力负荷预测中,所采用的气象信息一般是全省、全天的气象信息,比如全省最高温度、最低温度等等。当前,气象预报技术已经可以做到分区、逐时预报。该文总体思路是将分区逐时气象预测数据应用于负荷预报,以进一步提高负荷预测精度。指出了按照行政区域和气候区域相结合来分区,定义了基于负荷的综合气象因素,提出了根据网供电与综合气象因素进行预测的策略,给出了将相似日方法与支持向量机相结合的负荷预测方法。最后给出在河南电网应用的实际结果,对比表明采用逐时气象信     

能耗管理系统不同数据预测模型的比较研究

分析了建筑能耗的影响因素,建立了BP神经网络预测模型,基于径向基网络的预测模型和灰色BP神经网络预测模型。并以上海某大型公司建筑原始用电能耗统计数据作为样本,采用Matlab对预测模型进行仿真预测,分别得到公司建筑用电量峰电、谷电和平电的预测结果。结果表明,灰色BP神经网络预测效果较好。     

电力营销分析与预测系统在河南的应用

全面分析了清华大学开发的电力营销分析与预测软件包（TH－PSLF）的特点。通过实际应用情况,深入分析了该系统在河南省局及18个地区局的效果。作为一个理论性、实用性均很强的系统,该软件极大地提高了我们的工作效率,为搞好用电营销工作提供了有力的支持工具。     

基于分区逐时气象信息的全网负荷预测研究

负荷与气象是密切相关的,尤其在夏冬两季.以省网负荷预报为例,在传统的电力负荷预测中,所采用的气象信息一般是全省、全天的气象信息,比如全省最高温度、最低温度等等.当前,气象预报技术已经可以做到分区、逐时预报.该文总体思路是将分区逐时气象预测数据应用于负荷预报,以进一步提高负荷预测精度.指出了按照行政区域和气候区域相结合来分区,定义了基于负荷的综合气象因素,提出了根据网供电与综合气象因素进行预测的策略,给出了将相似日方法与支持向量机相结合的负荷预测方法.最后给出在河南电网应用的实际结果,对比表明采用逐时气象信息的预测精度比采用全天性气象指标的预测精度更高.