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。     

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。     

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。     

考虑最大负荷预测的地区电网静态安全分析研究

从面向规划的角度出发,提出了一种基于最大负荷预测的地区电网静态安全分析方法.根据面向规划的静态安全分析的特点,通过对最大负荷预测模型的建立及使用和静态安全分析的方法等进行分析,改进了年最大负荷的取值方法,并结合大量的负荷采样数据,生成了负荷特性曲线库,明确了在此基础上的软件实现方法、结构流程和功能.所开发的软件应用表明,该方法便于发现电力系统的预期网架结构在未来预测负荷水平下的安全隐患,并能辅助使用人员作出合理规划.     

上海电网中长期负荷预测

介绍了上海电网概况,分析了网供负荷特性,以及近期影响上海地区负荷的因素,并使用不同的预测方法给出了中长期负荷和用电量的方案.最后针对上海地区的特点,提出了提高负荷预测准确性和应对本地区电网严峻形势的对策和建议.     

农村电网规划中的负荷预测

负荷预测在农村电网发展规划过程中既是一个重要环节 ,又是一项基础性工作。作者根据农村电网特点 ,对农村电网负荷预测的基本程序和方法作了介绍和分析。     

城南电网负荷预测的影响因素及预测方法浅析

从分析2007年1—7月份天津市城南区负荷数据着手,总结了07年上半年城南地区负荷情况,分析了影响城南电网用电负荷的诸多因素（如气象、节假日及特殊事件等的影响）,针对负荷预测工作的复杂性,提出应不断加大投入精力对其进行研究总结进而提高城南地区负荷预测准确率的工作思路。     

基于进化规划的电力负荷预测

讨论了模拟进化优化方法中的进化规划（ＥＰ）在电力负荷预测中的应用问题，在基因编码，适合度函数和变异量取值方面进行了研究，引入了优化组合预测模型，进一步拓展了经规划在电力系统中的应用前景，经实例计算表明，该方法不仅克服了梯度寻优可能陷于局部最优解或在接近最优解时难以收敛的缺点，上去了常规方法大量、复杂、繁琐的计算，具有全局寻优，并行处理特性、通过性好、稳定性强等优点，因而是行之有效的。     

基于商业智能的电网负荷预测模型的构建研究

根据对电网负荷预测业务的分析,采用探索型数据分析方法对电力企业数据仓库中的数据进行训练建模,构建出电网负荷预测模型。模型应用情况表明：应用该模型后电力企业负荷预测较传统预测方法准确率明显提高,电力企业预测技术水平相应提高,同时,应用该模型还有助于电力企业有计划地进行用电管理,确保电力企业决策分析可行性。     

基于多变量分析的城市电网空间负荷预测方法

提出了一种基于多变量分析的城市电网空间负荷预测方法。该方法采用"自上而下"的方式来实现,首先建立计及经济、人口、气温等因素影响的多变量预测模型,并在此基础上预测出城市电网的负荷总量;然后根据城市用地信息,采用负荷密度指标法把负荷总量分配到各个供电小区,从而实现空间负荷预测。最后以吉林市城市电网为例进行分析,结果表明该方法是有效的。     

基于时间序列和神经网络的电力系统负荷预测

针对采用时间序列对电力系统负荷进行预测时，无法考虑温度变化等因素的影响，利用神经网络的非线性拟合能力，提出了一种基于时间序列和神经网络组合的电力系统负荷预测方法。在时间序列法中，通过大量的历史数据随机序列对负荷进行预测，对于其结果再通过神经网络进行修正，算例表明所提方法是可行而有效的。     

基于混沌时间序列及神经网络的大同电网负荷短期预测研究

精确的负荷预测对电力定价、实时负荷调整起着十分重要的作用.提出利用径向基函数神经网络模型,通过采用混沌时间序列的方法,对大同地区的全网用电负荷数据进行了短期预测验证.通过数据预处理产生混沌序列,进而通过相空间参数完成了相空间重构.最后通过RBF网络预测得到了相应的预测值,并与实际值进行了对比.结果表明:得到的预测结果与实际结果几乎重合,证明了该方法的高度预测能力与适应能力.     

基于支持向量机的城市电网空间负荷预测方法

提出了一种基于支持向量机(Support Vector Machine,SVM)的城市电网空间负荷预测(Spatial Load forecasting,SLF)方法。该方法首先以等大小网格划分的规则生成元胞,并获取元胞历年负荷;然后将各元胞历年负荷最大值及其对应的年份输入支持向量机预测模型进行训练,其中采用粒子群优化(Particle Swarm Optimization,PSO)算法寻求预测模型的最优参数,预测各元胞目标年负荷最大值,从而实现空间负荷预测;最后对吉林市城市电网进行实例分析,结果验证了该方法的实用性和有效性。     

浅谈智能电网下的电力系统信息安全

针对目前电力信息安全隐患严重的问题,内容分析了安全隐患的主要方面,从安全应用技术防范、完善安全策略和制度、对用户进行安全教育提出了智能电网下电力系统信息安全的防护措施。     

城市电网负荷特性分析方法研究

针对累积式自回归-移动平均模型在现代城市降温负荷预测中准确性不高的问题,提出一种双因子累积式自回归-移动平均模型,并用两种模型进行预测。经对比后发现,新模型通过引入平均温度算子,有效提高了城市降温负荷预测的准确性,并对现代城市有较好的普适性。     

趋势外推法在电力负荷预测中的应用

研究了电力系统负荷预测的趋势外推预测技术，采用二次指数平滑技术和二阶自适应系数法进行发电量预测，并运用C语言编程，通过实际算例进行了比较分析．     

基于统计理论的负荷特性分析及其预测

电力负荷受气象因素影响越来越大,如何准确确定气象因素是负荷预测研究的重要课题.首先采用统计学方法对影响负荷的气象因素进行分析,找到影响负荷的核心气象因索,再利用GRNN回归神经网络进行预测.经实际系统检验,证明该方法克服了传统气象负荷预测中的主观性,将气象影响因素过程量化,提高了预测结果的精度,是一种适用性很强的方法.