基于气象成分分解的夏季短期负荷预测

夏季负荷受温度等气象因素影响大,表现出随机性强、波动性大的特点。针对现有短期负荷预测模型在夏季预测精度不高的问题,提出在负荷成分分解的同时,将温度分解为日周期分量和波动分量,以此准确把握短时气象波动对夏季短期负荷预测的影响。在充分分析负荷各分量变化趋势及对整体负荷预测精度影响的基础上,针对各个负荷分量特征分别选择预测方法。在预测气象敏感负荷分量时引入温度波动分量,基于XGBoost智能算法构建预测模型。选用我国中部某市夏季历史负荷建立训练样本,对2017年8月份日96点负荷进行预测,预测结果验证了所提模型和算法的有效性。     

电力负荷特性预测软件及其在浙江电网中的应用

介绍了新开发的电力负荷特性预测软件包实现的年持续负荷曲线预测和典型日负荷曲线预测的预测原理和方法.软件既能通过多种负荷预测模型对未来年的年最大负荷、用电量进行预测;也能对未来年的负荷特性曲线进行预测.其中,年持续负荷曲线采用排序法进行预测;典型日负荷曲线采用分行业叠加法进行预测.应用结果表明本软件的预测效果较好,达到了实用化水平.     

计及气温因素的年度负荷预测修正方法

为剔除气温敏感负荷对发展趋于饱和地区年度负荷预测的影响,提出计及气温因素的年度负荷预测原始数据和预测结果修正方法.根据年最大负荷与年最高温度的分段线性关系建立综合调整模型,基于该模型提出了负荷预测历史数据还原和预测结果数据调整方法,并给出预测调整修正算例.实际算例表明,该方法在上海市区的负荷预测过程中能充分考虑最高气温对最大负荷的影响,提高了负荷预测的实用性和有效性.     

灰色马尔可夫链在高峰负荷预测中的应用

用GM（1,1）模型预测短期负荷虽具有很好的精确性,但对于波动性较大的高峰负荷,它的预测精度比较低,而马尔可夫模型可以克服负荷波动较大的局限性。在此将二者结合起来形成灰色马尔可夫模型,并对山东某地区高峰负荷进行预测。应用表明,该模型切实可行,预测结果的精确度很高。     

负荷预测实用方法分析

介绍了一种针对大城市电网的负荷分解预测方法 ,提出了基本负荷和波动负荷的概念 ,并应用此方法对 2 0 0 2年北京地区最大负荷进行了预测     

基于人工神经网络的负荷模型预测

负荷模型是影响电网稳定分析的重要因素,是电力系统进行仿真分析、计算的重要依据之一。若能对次日的最大、最小负荷时刻的负荷模型进行预测,可为调度机构制定运行方式时校核系统稳定性提供重要依据。以静态ZIP负荷模型为基础,分析了影响负荷模型的因素,采用人工神经网络方法,对最大、最小负荷时刻的负荷模型参数进行预测。分析了负荷模型参数与负荷预测结果之间的灵敏度,以掌握它们相互间的关系和影响程度,并由此寻找减小误差的方法。以最小负荷的有功模型预测为例,进行了实际预测。算例结果表明,负荷模型预测具有较好的准确率,本文所提方法可行。     

夏季最大负荷发生时间的预测

夏季最大负荷发生时间的预测是电力部门十分关注的问题,它关系到该地区的负荷调整方案以及购电计划制定。北京近年来夏季用电需求增长尤为突出。准确地估计夏季最大负荷发生时间,十分必要且迫切。为此,收集了北京市1990~2002年的夏季最大负荷发生时间数据,发现它是一个波动的、含有灰信息量的序列,故采用灰色系统理论进行预测建模分析。但常规的GM(1,1)模型在适应波动的数据方面,预测精度未能达到要求,故采用GM(1,1)残差周期修正预测模型来解决。经过计算发现,该模型不仅可以提高原始数据的拟合精度,而且用于预测时,与2003年夏季最大负荷发生时间的实际值进行比较,预测偏差也在允许的范围内。     

区域电网年最大负荷概率预测

针对电力负荷预测中年最大负荷受多种因素影响的难点问题,提出了区域电网年最大负荷的概率预测,对年最大负荷概率模型中的均值和均方差分别建立了灰色模型和回归模型并对其作出预测.通过实例计算表明,该模型具有较高的精度.     

电力系统年最大负荷概率预测

概率预测已经在气象、地震预测等领域中成功应用.提出将概率预测的方法用于负荷预测领域.在深入研究年最大负荷与温度关系的基础上建立了概率预测模型,模型有较高的预测精度,并已形成实用化应用软件,软件已在河南省正式使用,使用效果好.     

平抑新能源功率波动的聚合温控负荷改进模型预测控制

利用需求侧聚合温控负荷(ATCLs)提供负荷跟踪辅助服务以平抑新能源功率波动是一种经济、有效的方法,但对ATCLs的控制可能会影响用户的舒适度.为此,提出一种考虑用户舒适度的ATCLs平衡新能源功率波动控制方法.首先,采用人体热舒适性评价指标预测平均投票和预测不满意度得到夏季室内舒适温度范围,结合实验方法进一步确定2次调节间最大温度波动范围;然后,利用ATCLs双线性模型,将舒适温度范围和最大温度波动范围作为约束条件,提出一种基于Lyapunov函数的改进模型预测控制(MPC)方法,该方法减少了传统MPC的计算量并缩短了其执行延时,Lyapunov直接法保证了控制的收敛性,且分布式控制的引入降低了对通信系统的要求.仿真结果表明,所提方法在兼顾用户舒适度的前提下,快速平衡供用电之间的功率偏差,提高了电力系统对间歇式新能源的消纳能力.