基于相似日聚类与支持向量机的迎峰度夏期间负荷预测方法

日负荷曲线是电力公司调度部门制订调度计划的依据。提出一种基于相似日聚类与支持向量机的迎峰度夏期间日负荷曲线预测方法,运用气象数据聚类筛选出预测日的相似日,对预测日整点时刻负荷进行支持向量机预测。该算法充分利用支持向量机预测精度高和聚类算法训练速度快的优点,将该算法应用于辽宁电网迎峰度夏期间的日负荷曲线预测,结果表明该方法不仅训练速度快,而且具有较高的预测精度。     

基于最小二乘支持向量机的系统边际电价预测

系统边际电价是电力工业改革的关键因素之一,是电力市场的杠杆和核心内容。为克服神经网络预测法易陷入局部极小,隐层数不易确定,训练速度慢等问题,提出一种基于相似搜索和最小二乘支持向量机的系统边际电价预测方法,该方法对相似搜索得到的相似日的负荷—电价数据用最小二乘支持向量机建立电价预测模型,同时利用网格搜索和交叉验证自动选取最小二乘支持向量机相关参数。用美国加州电力市场的真实数据做实例验证结果表明该方法可有效提高预测精度。     

基于EEMD,SVM和ARMA组合模型的电价预测

随着我国电力体制改革的不断深入,售电公司作为电力市场的主要参与者,其主要获利方式是从电力市场中购买电量并销售给用户。因此准确预测现货市场电价变化趋势,是售电公司降低购售电风险的重要保障。为此,根据现货市场中电价的特性,提出基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)、支持向量机(support vector machine,SVM)和自回归移动平均模型(autoregressive moving average,ARMA)的组合预测模型。首先利用EEMD将历史数据分解成一系列相对比较平稳的分量序列;其次,利用遗传算法(genetic algorithm,GA)优化的SVM预测高频分量,利用自回归移动平均模型预测低频分量;最后将各子序列的预测结果求和作为最终预测结果。用美国售电公司真实数据进行预测,并与其他模型进行比较。算例结果表明所提模型的预测精度更高。     

电力市场环境下中长期负荷预测的应用分析

电力市场环境下负荷预测误差风险直接影响售电公司经营效益和供电的安全性和稳定性.为提高售电公司的经济性和稳定性,从负荷预测误差与负荷类型的研究角度出发,利用灰色系统理论、最小二乘支持向量机模型对中长期负荷进行了预测,并提出了预测加权误差这一概念,重点讨论某地区主要负荷类型与其预测加权误差之间的关联关系.分析结果使得负荷预...     

基于数据挖掘技术和支持向量机的短期负荷预测

支持向量机方法已经非常成熟的应用在短期负荷预测领域,它在选取历史日期进行模型训练的时候通常选取距离预测日相近的一段日期,而没有考虑这段时间气象条件、星期类型、节假日造成的影响,使得所建立的模型并不能完全的反映预测日的特征。提出了基于一种基于数据挖掘技术的支持向量机负荷预测方法,该方法提出了预测模型样本选取的新颖思路,首先采用层次聚类法对历史日负荷进行聚类,利用层次聚类得到的分类结果建立决策树,根据待预测日的属性在决策树中查询得到支持向量机预测模型输入的历史负荷,建立支持向量机预测模型并对待预测日的负荷进行预测。实例中负荷数据采用浙江省某地级市的历史负荷,用新方法对该地区的日96点负荷进行预测,并将该算法与传统的支持向量机算法进行比较,文中提出的方法解决了传统的基于支持向量机方法训练日期选取不能反映待预测日特征的问题,故本算法结果具有较高预测精度。     

计及相似日与气象因素的电动汽车充电负荷聚类预测

电动汽车充电负荷精准预测对于电网调度、电力市场交易、充电站规划建设等具有实际意义。由于电动汽车充电负荷特性异于传统的电力负荷,两者负荷的规律性及影响因素的敏感性各有不同,有必要针对电动汽车充电负荷影响因素及预测模型开展针对性研究。考虑到不同类型电动汽车充电负荷时间序列特性及影响因素存在差异,构建考虑日类型、最高与最低温度的电动汽车充电负荷预测模型;采用模糊C均值(fuzzy C-means, FCM)聚类算法对充电负荷进行聚类分析,挖掘数据特征属性,提取相似日负荷;针对聚类后的相似日负荷采用最小二乘支持向量机(least square support vector machine, LS-SVM)进行预测。将所得的预测结果和测试集进行对比,结果显示,基于该模型的预测精度高于使用非聚类的LS-SVM方法,验证了预测模型的有效性。     

基于人工免疫算法优化LSSVM的短期电力负荷预测

针对最小二乘支持向量机(LSSVM)中参数选取对电力负荷预测精度有着较大的影响,建立了一种基于人工免疫算法优化最小二乘支持向量机的短期电力负荷预测模型,该模型以历史负荷数据作为输入向量,选用高斯径向基函数作为核函数,利用人工免疫算法对LSSVM中的惩罚因子和核参数进行优化选取,极大地提高了LSSVM的训练速度和预测精度。仿真结果表明,该方法在短期电力负荷预测中具有较高的预测精度,证实了该方法的有效性和可行性。     

基于用户侧可调节资源的售电公司实时市场偏差电量管控策略

实时偏差电量结算机制是电力市场交易体系的重要组成部分。售电公司实时市场的偏差电量在该机制下会给其带来一定的收益损失风险。文章针对未来广东省电力现货市场即将推出的用户侧允许申报偏差外收益处理机制,引入用户侧可调节资源,提出了降低售电公司实时市场偏差电量的管控策略,建立了不同风险接受程度下售电公司实时偏差电量管控策略约束条件,在极限学习机预测与场景缩减的基础上进行了算例仿真。通过敏感性分析,研究了预测精度、用户侧资源特性以及成本对售电公司实时偏差电量管控的影响。     

基于模糊聚类与随机森林的短期负荷预测

针对传统数据挖掘算法(神经网络和支持向量机)进行短期负荷预测容易陷入局部最优,模型难以确定等问题,提出一种模糊聚类技术与随机森林回归算法结合的短期负荷预测方法。基于模糊聚类技术选取相似日的方法,考虑负荷的周期性变化特征,利用样本输入进行样本聚类,选取同类数据作训练样本,建立随机森林负荷预测模型。实例中负荷数据采用安徽省某地的历史负荷,用上述方法对该地区的日24小时负荷进行预测,并与传统的支持向量机和BP神经网络方法进行比较,验证了该方法的有效性。     

考虑现货电价及分布式电源不确定性的售电商购售电决策模型

随着电力现货市场改革的不断深化,售电商的购售电业务迎来了新的机遇和挑战,现货市场下售电公司的决策研究具有重要意义.为降低现货电价波动性的影响,建立云模型描述现货市场交易时的现货电价不确定性,提出一种基于云模型相似度的现货电价预测模型;考虑分布式电源出力随机性,提出一个描述风光出力不确定模型;通过电价–市场占有率模型反映售电公司在零售市场中面临的竞争和用户选择行为,引入实时电价需求响应模型,建立售电商购售电模型.通过算例分析,得到售电商向用户发布的实时零售电价曲线,通过改进遗传算法进行仿真分析,验证了该模型的可行性.     

最小二乘支持向量机短期负荷预测研究

电力系统短期负荷预测是一项非常重要的工作,准确的短期负荷预测对于电力系统经济、安全、可靠的运行具有特别重要的意义.随着电力系统的日趋复杂化,特别是电力市场的逐步深入,短期负荷预测被赋予了更高的要求.提出了基于负荷日周期性进行前后向外推的数据预处理新方法,为短期负荷预测模型利用这些历史数据奠定了基础.最小二乘支持向量机是新一代机器学习方法,将其应用于电力系统短期负荷预测,在充分利用日周期性和同时刻负荷相近性的基础上,提出了基于最小二乘支持向量机回归算法(LSSVR)的短期负荷预测点模型.该模型通过采用不同天同时刻的负荷样本训练LSSVR来获取负荷的最优线性回归函数,实现了在最小化负荷样本点误差的同时,缩小模型泛化误差的上界,获取了较好的负荷预测性能.     

改进粒子群算法和最小二乘支持向量机的电力负荷预测

针对最小二乘支持向量机在电力负荷预测应用中的参数优化问题,将改进粒子群算法引入到最小二乘支持向量机参数中,建立一种新型的电力负荷预测模型(IPSO-LSSVM)。首先将最小二乘支持向量机参数编码为粒子初始位置向量;然后通过粒子个体之间的信息交流、协作找到最小二乘支持向量机的最优参数,并针对标准粒子群算法的不足进行相应改进;最后将其应用于电力负荷建模与预测,并通过仿真对比实验测试其性能。实验结果表明,IPSO-LSSVM可以获得较高准确度的电力负荷预测结果,大幅度减少了训练时间,满足电力负荷在线预测要求。     

基于“效益-精度”对冲的两级电力市场负荷预测技术

电力市场的引入对协助电力行业实现电网的稳定运行和规划,促进电能的有效利用和调度,避免资源的浪费,发挥着不可替代的作用。在各国的电力市场中,售电公司/大用户通常会采用预测模型开展负荷预测,并为日前电力市场交易提供依据。当前提出的各负荷预测模型主要以“精准”作为唯一的优化目标,缺乏对各市场价格的差异性波动及售电公司/大用户经济效益的考虑。提出兼顾精确性和经济性的目标策略,建立基于“效益-精度”对冲的两级电力市场负荷预测技术,此技术基于传统负荷预测技术,在目标函数中引入成本因素,采用改进的反向传播法作为网络训练方法。通过对纽约地区负荷数据开展实例验证,验证结果显示,该方法对量化售电公司效益,推进其经济性和准确性综合提升,具有明显成效。     

基于“效益-精度”对冲的两级电力市场负荷预测技术

电力市场的引入对协助电力行业实现电网的稳定运行和规划,促进电能的有效利用和调度,避免资源的浪费,发挥着不可替代的作用。在各国的电力市场中,售电公司/大用户通常会采用预测模型开展负荷预测,并为日前电力市场交易提供依据。当前提出的各负荷预测模型主要以“精准”作为唯一的优化目标,缺乏对各市场价格的差异性波动及售电公司/大用户经济效益的考虑。提出兼顾精确性和经济性的目标策略,建立基于“效益-精度”对冲的两级电力市场负荷预测技术,此技术基于传统负荷预测技术,在目标函数中引入成本因素,采用改进的反向传播法作为网络训练方法。通过对纽约地区负荷数据开展实例验证,验证结果显示,该方法对量化售电公司效益,推进其经济性和准确性综合提升,具有明显成效。     

计及不确定因素的售电公司动态购电决策多目标优化研究

随着电力体制改革的进行,售电公司的数量及市场交易的形式不断增加,同时竞争也日益激烈。针对即将开展的电力现货市场交易,提出了包含多市场、多时段的售电公司动态交易策略,全面考虑了用户电量,市场电价等不确定因素,引入用户侧负荷作为平衡资源。利用多目标优化思想,建立了包含售电公司综合售电收益和用户满意度最大化的优化模型。并提出一种结合拉丁超立方抽样,场景缩减法和改进多目标差分进化算法的优化方法对所提模型进行求解。最后通过算例分析,验证了所建模型和方法的有效性,为售电公司参与市场竞争提供了有效的参考。     

基于小波变异果蝇优化支持向量机短期负荷预测方法研究

预测精度是电力负荷预测的重要指标。为增强预测精度,提出基于小波变异果蝇优化的支持向量机预测模型(WFOAAM-LSSVM)。利用小波对负荷数据进行预处理,分解成不同尺度的负荷曲线,加强历史数据规律性和随机性。针对果蝇算法寻优精度不高和易陷入局部最优的不足,利用群体适应度方差和当前最优解判断是否陷入局部最优,再进行最优个体扰动和高斯变异操作,对变异后的果蝇个体二次寻优,使支持向量机预测模型精度得到明显增强。利用WFOAAM-LSSVM对2015年河南省某地区历史负荷数据对未来几日预测,并与支持向量机模型以及粒子群优化的支持向量机模型预测结果对比。结果表明:基于小波变异果蝇优化的支持向量机短期负荷预测精度高,具有很好的实际应用意义。     

考虑天气类型和相似日的IWPA-LSSVM光伏发电功率预测

为了提高光伏发电功率预测精度,根据不同天气类型下光伏输出功率特点,确定光伏发电功率预测模型的输入量。针对狼群算法（wolf pack algorithm,WPA）缺陷,对狼群游走位置和奔袭步长进行改进,得到改进狼群算法（improved wolf pack algorithm,IWPA）,并通过IWPA对最小二乘支持向量机（least squares support vector machine,lSSVM）进行优化,建立了考虑天气类型和相似日的IWPA-LSSVM光伏发电功率预测模型。采用不同天气类型下的光伏发电功率数据进行仿真,结果表明：无论是晴天、多云还是阴雨天气,所提方法预测精度更高,回归拟合时的误差波动更小。     

基于最小二乘支持向量机的短期负荷预测

针对当今人工智能短期负荷预测方法存在的缺陷,提出了一种最小二乘支持向量机(LS-SVM)短期负荷预测方法,即建立最小二乘支持向量机(LS-SVM)回归模型。在选取该模型训练样本时,为了提高预测精度,采用灰色关联投影法来选取相似日。同时,针对标准粒子群优化算法易陷入局部最优的缺点,提出自适应变异粒子群优化算法来选择最小二乘向量机的参数,从而提高了负荷预测精度,避免了对模型参数的盲目选择。仿真结果分析表明,该方法有效、可行。     

电力市场下系统边际价格混合预测模型的新研究

电力市场中,价格作为各市场主体运营工作的重要参考信息,一直得到广泛的重视和研究.但是,电价影响因素之间复杂的相互作用增加了电价预测建模的难度.针对该问题,该文提出了一种基于独立分量分析-支持向量机的系统边际价格预测混合模型.首先,该模型基于影响因素的高阶统计信息,通过构造混合优化变换函数,建立自适应的独立分量分析迭代算法,并提出基于峭度的去冗余新方法,实现了电价影响因素的特征提取,挖掘出更具表征能力的电价有效影响因素集.然后,将该样本集用于回归支持向量机的训练,建立了独立分量分析与支持向量机相结合的电价预测模型.该模型充分发挥独立分量分析的特征提取优势,增强了支持向量机模型输入样本的表征能力,使电价预测模型更加准确.美国加州现货电能量市场的实例数据验证了该文所建模型的有效性.     

结合支持向量机和马尔可夫链算法的中长期电力负荷预测模型

中长期电力负荷预测具有可利用的历史数据较少和受外界不确定性因素影响较大的特点,传统的单一预测模型很难满足生产实际的需要。在简要分析了支持向量机和马尔可夫链各自优势的基础上,提出了一种基于支持向量机和马尔可夫链的组合负荷预测模型。通过经改进的粒子群算法优化的支持向量机对历史负荷序列进行粗预测,接着借助马尔可夫链确定负荷序列的状态转移概率矩阵,通过划分系统状态以及分析实际值与支持向量机拟合值的相对误差,得到最终的预测结果。实际算例验证了该模型的有效性和优越性。