共查询到20条相似文献,搜索用时 156 毫秒
1.
针对大规模分布式光伏和电动汽车接入配电网对空间负荷预测影响的问题,提出一种考虑远景年屋顶分布式光伏饱和安装、大规模电动汽车参与V2G的城市配电网空间负荷预测方法。区分不同小区,依据相应的容积率和可利用率系数计算屋顶光伏饱和安装面积,结合历史辐射值数据计算光伏出力。基于改进型停车生成率模型预测停车需求,结合日行驶里程、停车特性和充放电策略,建立电动汽车V2G负荷预测模型,利用蒙特卡罗仿真得出V2G负荷时空分布情况。采用改进型负荷密度指标法,实现对考虑时序的配电网传统日负荷的预测。以某规划区为例,预测结果表明:屋顶分布式光伏和电动汽车V2G对配电网空间负荷预测结果影响较大,且对不同小区负荷影响的程度不同。 相似文献
2.
综合权重的模糊时间序列的电力负荷预测方法 总被引:1,自引:0,他引:1
电力负荷预测受诸多因素的影响,针对短期电力负荷的复杂性和不确定性,结合历史负荷数据,提出了一种综合权重的模糊时间序列预测方法。该方法首先对历史负荷数据进行预处理;然后利用模糊集和模糊时间序列的方法将历史负荷数据模糊化,考虑到负荷变化的趋势,借助于最优化理论给出了趋势权重,同时考虑到近期数据影响大于远期数据,给出了时间占优权重,从而得到了综合权重的模糊时间序列预测方法。最后的数值实验结果表明,该方法比传统的模糊时间序列方法具有更高的预测精度。 相似文献
3.
4.
基于CNN-LSTM混合神经网络模型的短期负荷预测方法 总被引:5,自引:0,他引:5
为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测精度。 相似文献
5.
小区面积和规模大小、投运年份先后、功能性质差异以及地理位置优劣等,都在一定程度上造成各小区负荷发展的不均衡。目前应用分类分区法进行空间负荷预测时,未考虑到或者很少考虑到影响各功能小区负荷发展的诸多因素。针对这一不足,根据实际规划中可收集到的数据资料将小区细分为5类:已知历史负荷的老城区,仅知投运年限的老城区,无任何数据的老城区,已知投运年份的新城区,投运年份未知的新城区。根据这5类小区的数据特点分别采用不同的方法预测其负荷分布。其中,对于仅知投运年份的老城区和未知投运年份的新城区分别引进了模板法和优先指数权重法。最后通过算例验证该方法的实用性和可行性。 相似文献
6.
为提高电力负荷预测精度,应对海量、高维数据带来的单机计算资源不足的问题,提出一种基于均衡KNN算法的短期电力负荷并行预测方法。针对电力负荷数据特征,采用K均值聚类算法进行电力负荷场景划分;为提高场景划分精度,采用反熵权法量化负荷特征的权重系数;针对不均衡的负荷场景,提出均衡KNN算法对待预测负荷进行精确的场景归类;采用BP神经网络算法对海量历史数据进行负荷预测模型的分场景训练与预测;采用ApacheSpark架构对提出的模型进行并行化编程,提高其处理海量、高维数据的能力。选取某小区居民用电数据进行算例分析,在30节点云计算集群上进行测试验证,结果表明基于该模型的负荷预测精度与执行时间均优于传统预测算法,且提出的算法具有优异的并行性能。 相似文献
7.
改进Verhulst模型在饱和负荷预测中的应用 总被引:1,自引:0,他引:1
为实现对宏观负荷的饱和时间点、饱和规模的预测,提出了一种基于改进Verhulst模型的饱和负荷预测方法。针对饱和负荷预测时间跨度长、负荷规模增长呈现"S"型的特点,将等维新息递补技术引入灰色Verhulst模型,使预测结果能够更科学合理地反映用电需求的发展规律。采用残差修正的思想,构造Verhulst残差修正模型,实现对用电需求的分析与预测。最后,通过实例分析说明该方法的有效性。 相似文献
8.
为了考虑电力负荷的不确定性,概率和区间预测成为电力负荷预测的重要方式之一。针对传统的负荷概率及区间预测方法没有考虑不同负荷成分的不确定性对电力负荷影响的问题,在分析电力负荷成分的基础上,基于结构化电力负荷模型提出一种电力负荷概率及区间预测方法。首先,对电力负荷的成分进行分析,针对不同负荷成分分别进行建模,构成结构化电力负荷模型;然后,基于历史负荷数据采用变分贝叶斯估计算法训练模型参数的后验概率分布;最后,基于训练完成的模型对未来负荷的概率分布进行预测,从而实现电力负荷概率区间预测。采用实际电力负荷数据进行验证,并与其他方法进行对比。实验结果表明,所提方法取得了较高的预测区间覆盖率和较窄的预测区间宽度。 相似文献
9.
传统电力系统负荷预测的基本思路是基于时间序列的历史负荷数据采用机器学习方法实现负荷预测.这种方式缺乏负荷在时间、空间两层的相互耦合关系.对此,在电力系统全景全周期运行状态可观测条件下,提出了大数据环境下基于双向长短时记忆网络的立体化负荷预测.首先提出了负荷在电网时间、空间下的耦合关联方程;其次,利用负荷节点的时间大数据... 相似文献
10.
针对配电网线路负荷短期预测存在精度不佳的问题,提出一种基于聚类及趋势指标的长短期神经网络负荷预测方法.首先利用K-Means聚类方法将线路下特性变化相似的配电网台区负荷数据进行聚类重构;此外,按类分别计算负荷历史同期数据的趋势变化指标,并且作为负荷预测模型的输入特征;然后,建立能够传递时间序列信息的长短期神经网络预测模型,通过模型学习训练每类负荷的历史数据及变化趋势,并对测试集进行预测,将每类负荷的预测结果进行叠加得到线路总负荷的预测结果.以湖南某线路负荷数据为基础,预测未来一天96个点的线路负荷数据,经验证,所提方法能够深入挖掘配电负荷的特性规律和变化趋势,提升配网线路负荷的短期预测精度. 相似文献
11.
负荷的差异及其比例的变化造成了负荷曲线及负荷特性指标的变化,通过对不同季节不同时段全省各类用电负荷的解析,了解行业及居民用电负荷的构成及其季节性变化,有利于深入进行负荷特性变化分析.从而判断负荷特性变化趋势,为改善负荷特性提高电力系统运行效益提供决策依据. 相似文献
12.
13.
准确掌握一个地区内各类用电负荷的构成和变化规律,对于做好本地区的负荷预测、用电分析、负荷管理等工作非常重要。在实际情况中,可以发现通过一般统计方法获取各类负荷构成数据的途径并不具备可行性和实用性。总结了一些利用特殊日期负荷变化来测定各类用电负荷大小的方法,并结合廊坊市的实际情况对这些方法的操作过程和分析结果进行了具体论述。 相似文献
14.
基于负荷分解的城市长期负荷预测模型研究 总被引:2,自引:1,他引:1
我国城市出现了快速增长的空调负荷。考虑空调负荷的增长规律及影响因素,从负荷分解的角度构建了城市长期负荷预测模型。在模型中,高峰负荷被分解为3部分:居民空调负荷、工作区空调负荷以及基本负荷。以上海为例进行的实证研究表明,基于负荷分解的预测模型能够反映城市电力需求的增长,可为需求侧管理提供制定政策的依据。 相似文献
15.
16.
17.
18.
为了研究用户负载因素对干式配电变压器噪声的影响,分析了负载因素与变压器噪声之间的理论关系,以1台800 kVA三相干式配电变压器为原
型,对负载率、运行电压升高、不平衡负载、谐波负载等多种常见工况下的变压器噪声水平进行了实验研究,对比分析了不同工况下干式配电变压器
的噪声水平变化。结果表明,谐波负载及运行电压升高是负载因素中导致干式配电变压器噪声显著变化的主要因素,负载率与不平衡负载对变压器噪
声水平的影响较小。研究结果对于干式配电变压器噪声与振动控制具有参考意义。 相似文献
19.
20.