部门负荷预测法在用电负荷预测中的应用

常用的电力负荷预测的主要方法有电力弹性系数法，部门负荷预测法(分产业产值单耗法)，时间序列分析法，人均综合用电水平法等。近年也发展一些新颖的预测方法如灰色系统方法等。各种预测方法都各有特点。笔参加的用电负荷预测课题组主要应用部门电力需求预测法，通过对诸多影响电力增长的因素的研究，找出     

基于萤火虫算法改进BP神经网络的电力用能行为预测方法

针对BP神经网络由于随机初始化权重和偏置导致对用电情况预测的误差偏大且容易陷入局部最优的问题，提出了一种利用萤火虫算法对BP神经网络的权重和偏置进行优化的电力用能行为预测方法.该方法基于用户不同时间段的用电量数据提取时间序列特征，并采用K-means聚类算法对用电行为类似的用户进行聚合及分析，从而建立电力负荷预测模型对每类用户的负荷加以预测.实验结果表明，基于萤火虫算法改进BP神经网络预测模型的均方根误差以及平均绝对误差百分比均低于BP神经网络模型，能够合理地对电力用能行为进行预测.     

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.     

融合LSTM和SVM的钢铁企业电力负荷短期预测

为了解决大型钢铁企业电力用电对地区负荷冲击大, 电力负荷短期预测准确率低的问题, 提出一种融合长短期记忆网络(long short-term memory, LSTM)和支持向量机(support vector machine, SVM)的负荷短期预测算法。对钢铁工业地区负荷特性进行分析, 根据系统负荷的组成部分将负荷细分为冲击性负荷和其他负荷, 采用协方差和皮尔逊算法分别对负荷影响因子进行相关性分析和差异化处理; 选取历史负荷、温度、日期类型、钢价、电价、铁矿石价格6个属性作为负荷预测影响因素, 通过模糊权值逻辑将LSTM和SVM融合, 得到最终负荷预测结果。仿真试验结果表明, 所提出的预测方法相对于单独的LSTM或SVM, 可以更准确地预测钢铁工业地区的短期负荷。     

组合优化灰色模型在中长期电力负荷预测中的应用

鉴于中长期负荷预测受很多不确定因素的影响，各种预测方法都有其局限性的问题，在分析基本灰色模型及其传统改进模型在负荷预测中局限性的基础上，提出了一种电力系统中长期负荷预测的实用新方法——组合优化灰色预测法.该预测法是一种对残差改进灰色模型(GM)和基于等维新息递补预测法的改进灰色模型进行优化的组合方法，能够实现在线预测模型参数，满足动态电力负荷能解决随机干扰影响的要求，最终的预测结果误差可基本控制在3%之内. 经过实例计算，组合优化灰色预测模型用于中长期电力负荷预测，与传统的系统理论方法相比较，该方法计算简捷，预测精度高，具有很好的实用性.     

用电负荷预测技术及其应用

用电负荷预测要根据电网的用电负荷特性,充分考虑各种因素;用电负荷预测结果应达到一定精度;用电负荷预测的对象很多,应根据实际需求,对不同的对象有重点的进行预测;用电负荷预测要用科学的方法,根据不同的预测对象,建立一定的数学模型;用电负荷预测是电力系统安全经济运行和电网规划不可缺少的组成部分;用电负荷预测应深入分析研究用电负荷特性和变化规律,努力提高用电负荷预测准确率.     

基于多维度的城市饱和负荷预测方法研究

城市的饱和负荷是城市发展过程中各种因素的结果,研究城市的饱和负荷对确定电网的最终建设规模具有重要影响。针对城市饱和负荷预测的问题,提出了基于多维度的城市饱和负荷预测方法。首先,分析影响城市电力负荷的主要因素,建立了以经济、人口指标为影响因素的城市饱和负荷预测指标;其次,以多元回归分析理论为基础构造了以影响因素为自变量、用电需求为因变量的函数,并建立了多元二项式回归模型;最后,基于多元回归理论和Logistic曲线模型预测了城市电力负荷的发展情况,并通过对某市的案例分析,证明该方法的有效性、准确性和可行性,为未来城市饱和负荷预测的研究提供理论参考。     

基于灰色系统理论的电力负荷预测

在灰色系统理论的基础上,采用灰色关联算法,对影响电力负荷的因素进行分析,选择更能反映电力负荷变化趋势的因素.并采用灰色建模方法,进行电力日特征负荷预测.     

传统负荷预测技术与新技术的比较

电力系统由电源、输电网和电力用户组成,由于电能不能储存,发、输、用电是同步进行的,发多少用多少,因此,保持发电与用电的动态平衡而不影响电能质量,预测未来特定时间的电力负荷水平尤为重要。文章阐述负荷预测的传统技术与现代技术的比较,并探讨该技术未来的发展方向。     

基于改进BP人工神经网络的电力负荷预测

电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定,短期电力负荷预测的重要组成部分.利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测.该文研究了在改进的BP网络中加入了动量项和构建输入网络时结合了同类型日思想的模糊映射,预测结果表明比标准BP算法具有更好的性能.同时,针对大量无法用精...