交互式智能电网的负荷预测与定价机制研究

交互式智能电网的负荷预测与定价机制研究是新形势下电力行业发展所面临的挑战和机遇,文章就在交互式智能电网中进行负荷预测的意义、智能电网的负荷预测技术及交互式智能电网定价机制进行了分析探讨,以期为相关管理者提供决策参考和依据。     

电力智能软件研究所简介

华北电力大学计算机科学与技术学院电力智能软件研究所专门从事电力智能软件技术的理论和应用开发，主要研究内容及产品有：智能应用系统软件平台（数据集成平台、业务集成平台、智能集成平台），发电企业智能管理系统，电网安全、经济运行实时监管系统，网络信息系统的安全防护技术及装置等。     

智能小区的商业智能

智能电网用电环节中智能小区的建设可以实现电网与用户之间的实时交互响应,提高用户需求侧响应水平,增强用户能效管理,实现电力负荷的削峰填谷.针对智能小区中的用户类型展开研究,基于支持向量机模型,提出了峰时耗电率、负荷率、用户配合度、谷电系数等特征,实验数据来自已建成的智能小区中的用户. 实验结果表明,基于支持向量机的电力用户类型判别方法是有效的.     

基于支持向量-分位数回归的短期负荷预测及风险分析

针对智能电网中短期负荷波动性大的特点,探索建立基于支持向量-分位数回归的短期负荷预测模型,在获得较高精度预测结果的同时,预测未来一天中任意时刻负荷的概率密度函数。进一步考虑智能电网下需求响应及负荷预测准确度不同所引起电网运行规划的风险损失,提出短期负荷预测风险价值的计算方法,并搭建考虑风险评价的负荷预测模型。算例分析结果较好地验证了模型的有效性,为电力企业在智能电网环境下更好地进行短期负荷预测及相关的管理运营工作提供参考。     

一种线性组合电力负荷预测模型(英文)

电力负荷预测对电力系统的有效运行是至关重要的.电力负荷预测领域迫切需要更精确、更稳定的电力负荷预测方法和技术.为进一步提高电力负荷预测精度,利用互补性原理建立了一种线性组合预测策略.该方法由一个基于互补原理的单项模型选择策略,及线性组合模型组成.选定的单项模型包括流行的线性模型,即ARIMA模型,和流行的非线性模型,即支持向量回归(SVR)模型.该线性组合结构可以有效地提取非线性电力负荷数据的特点.澳大利亚电网真实数据的实验运行验证了该模型的有效性.     

基于智能技术的电力系统负荷预测技术研究进展

负荷预测是智能电网安全领域的热门研究方向。智能技术应用到智能电网负荷预测领域取得了一系列研究成果。首先,对主流负荷预测技术进行总结;然后,将面向智能电网的传统负荷预测技术与近年来新兴的智能负荷预测技术进行对比,并详细介绍了两个领域中典型成果的基本原理和方法;最后,讨论了智能电网负荷预测技术仍需要解决的问题及未来的研究趋势。     

基于智能家电的短期电力负荷预测与削峰填谷优化

通过可远程控制的联网智能家电,提出对城市群电力负荷的短期预测与削峰填谷优化. 分析某家电企业的智能家电集群运行产生的海量数据,建立城市群智能家电电力负荷预测模型,主要采用3种模型加权组合预测的方式,利用负荷数据中的趋势性、周期性、相关性、节假日特征及外部变量进行智能家电集群电力负荷的短期预测,单月内每日平均相对误差为4%~6%. 通过合理选择特征,该模型可以在不同家电间通用,依据家电类型分类预测后的结果可加和成为用电总负荷. 针对使用方式与用户习惯,提出智能家电电力负荷削峰填谷的控制策略,根据发电成本数据给出预期效益,说明基于智能家电负荷预测的用电调控能够有效降低电力部门发电成本、用户用电成本与电网负荷波动性.     

多因素支持向量机模型在江苏省中长期电力负荷预测中的应用

为提高电力负荷预测的准确性,建立了多因素支持向量机负荷预测模型,运用影响因素和历史负荷向量进行智能预测,明显提高了预测值误差精度,实证结果表明,利用该模型对电力负荷进行预测,可得到有效可靠的结果.     

面向市场化的智能楼宇互动调控技术

中国电力市场的改革为需求侧资源参与市场提高经济效益提供了有利契机。提出一种面向市场化的智能楼宇互动调控技术。根据能量守恒原理,建立中央空调系统热力学模型,提出中央空调的潜力评估方法,为智能楼宇参与电力市场提供负荷削减量依据;建立电力公司—负荷聚合商—智能楼宇的调度框架,在电力公司层面,以第二日削减时段的总花费最小为目标函数,实现负荷削减量指标在各负荷聚合商之间的优化分配,在负荷聚合商层面,对中央空调实施轮控技术,优化中央空调的运行占空比,实现负荷聚合商的经济效益最大化。仿真结果表明:该方法具有良好的削峰效果。     

基于加权粒子群优化的LSSVM的钢铁企业电力负荷预测

钢铁企业电力负荷作为电力负荷的重要组成部分,钢铁电力负荷的准确预测对于提高电力负荷预测精度具有重要意义。为了实现钢铁电力负荷的中长期预测,本文选取了经济因素和社会因素作为自变量,引入带有惯性权重的粒子群算法(WPSO)对传统的最小二乘支持向量机智能预测模型(LSSVM)参数进行优化,并利用某地区钢铁电力负荷样本数据进行验证,拟合结果显示,经过粒子群算法优化后的最小二乘智能向量机算法预测精度更高,收敛速度更快,具有良好的推广性和适应性。     

混沌特性与气象因素在负荷分类预测中的应用

电网短期负荷预测的精确性对电力市场具有关键作用.根据电网负荷特性,将电网负荷划分为两部分,基本负荷分量和由气象因素引起的随机波动负荷.对基本负荷分量采用混沌动力学理论预测;对气象敏感负荷的预测首先引入人体舒适度指数表征各种气象因素的影响,设置舒适度等级,进而对负荷进行聚类分析,不同类型日的聚类类别作为BP神经网络的输入.仿真结果表明该电力负荷短期预测模型具有较高的预测精度.     

合肥市电力负荷短期预测模型探讨

电力负荷短期预测对于电源布点、电网规划等具有重要意义,时间序列负荷预测技术适宜于建立电力负荷短期预测模型,按照时间序列预测方法的建模步骤,建立合肥市月度供电量预测的数学模型,针对时间序列预测技术的特点提出了进一步优化预测模型的思路。     

新型GM(2,1)模型在电力负荷预测中的应用

电力负荷预测是电网调度中的一项重要工作,精确的负荷预测是电网运行安排的主要依据。文中提出了一种新型GM(2,1)模型的建模方法,克服了传统GM(2,1)模型强行定义白化微分方程常数项所带来的数据突变问题。将上述方法用于电力负荷预测,实例仿真结果表明,与传统的GM(2,1)模型相比,新模型具有更高的预测精度,为电力负荷预测提供了一种重要手段。     

基于物联网的工程兵仓库智能管理平台设计与应用

针对传统工程兵仓库管理存在的"手工操作、被动管理、盲目决策"等问题,运用物联网技术和信息系统集成技术,设计了一个可集成智能监控、智能仓储、智能感知功能于一体的智能管理平台。实际应用表明,该平台可有效提高仓库管理效率,并为仓库安全监控和管理决策提供智能支持。     

基于改进的模态分解和组合预测模型的短期负荷预测

短期负荷预测是电网调度计划重要的支撑依据,同时短期负荷预测的预测精度也是电网系统安全稳定运行的基础和前提。文中提出了基于改进的模态分解和组合预测模型(EEMD-组合模型)的预测思想,实现对短期电力负荷的精准预测。首先利用改进的模态分解实现对历史序列分解,挖掘不同频段序列的负荷特性以及与影响因素的关联关系,然后针对不同频段的序列使用不同的预测方法,最终集成整体预测结果,并使用均方根误差和平均相对误差进行测后评价,同时与其他预测模型进行对比。结果表明EEMD-组合模型可以很精准地预测未来负荷变化情况。     

一种利用多任务学习的短期住宅负荷预测方案

作为信息物理社会系统的一种具体形式,智能电网中的负荷预测,尤其是单个电力客户的短期负荷预测,在智能电力系统的规划和运营中将扮演越来越重要的角色.考虑到同一住宅小区用户之间的负荷行为的相似性,受多任务学习的启发,提出了一种基于多任务学习的有效住宅负荷预测方案.首先,利用K-means聚类技术和皮尔逊相关系数挑选出2个相似用户,进而将2个用户的负荷数据合并输入,并将双向长短时记忆网络作为共享层全面捕获2个用户数据之间的关系,然后送入2个全连接的任务相关的输出层.在真实的数据集上,将所提方案与几种典型的负荷预测方案进行全面比较.实验结果表明,与已有的深度学习预测方案相比,提出的多任务负荷预测方案提高了预测准确程度.     

基于C-LSTM的短期用电预测模型和应用

基于深度学习下的长短期记忆循环神经网络对家庭短期用电预测进行研究。本研究引入卷积神经网络(convolutional neural network, CNN)和长短期记忆(long short term memory, LSTM)模型结合的混合深度神经网络模型C-LSTM,并在此模型基础上提出多步预测策略。根据对5个真实家庭日常用电数据集的研究,C-LSTM实现了以5 min为单位的家庭电力需求预测。通过不断修改模型参数、完善模型,从本研究提供的3种误差指标的分析来看,C-LSTM预测准确性高于自回归集成移动平均模型、支持向量回归模型和LSTM模型。本研究评价模型预测效果的主要依据是平均绝对百分比误差值(mean absolute percentage error, MAPE), 从试验结果可得C-LSTM 模型在5 min的家庭需求电力预测,比支持向量回归模型提升4.63%,比 LSTM提升22.8%,比自回归集成移动平均模型提升 34.74%。因此,C-LSTM模型为智能电网对家庭层面电需求的准确及时预测提供了保障,对推动个性化用电套餐的广泛普及、减少能源浪费产生重要影响。     

智能电网技术的现状与发展分析

近年来随着全球经济的快速发展,能源与国家安全、经济发展与环保以及用户对电能质量提出更高的要求,智能电网作为一项新兴的电力技术已成为世界主流国家电力工业发展的趋势。坚强的智能电网能为国家的经济建设提供更稳定可靠的电力保障。本文从智能电网的基本理念、主要特征及应用价值出发结合我国的电网发展实际分析了我国智能电网的建设现状并对我国智能电网的实现路径提出了科学的建议。     

北京市电网负荷灰色预测

北京市经济的发展对能源需求越来越大,电力所占能源消耗比重变大的同时北京市电网负荷也在不断增加。如果电网建设与北京市电力需求的发展不相匹配,将会导致电网满负荷运行,影响北京的城市发展。基于北京2003年以来电网负荷数据资料,通过灰色模型预测方法,对北京市电网将要面对的最高日负荷值进行预测,定量分析北京未来电网载荷量状态,为北京电力发展及电网建设提供数值依据。     

论智能控制技术在智能电网中的应用

智能电网(smart power grids)是建立在集成的、高速双向通信网络的基础上,通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用,实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标.基于以上目标,智能技术在电力系统自动化控制中的应用正在变得越来越广泛,实践证明这些智能控制在电力系统中发挥了不可替代的作用,为电力系统稳定高效运行提供了有力保证.本文针对目前在智能电网控制中广泛应用的几种智能技术进行了详细的探讨.