基于分区逐时气象信息的全网负荷预测研究

负荷与气象是密切相关的,尤其在夏冬两季.以省网负荷预报为例,在传统的电力负荷预测中,所采用的气象信息一般是全省、全天的气象信息,比如全省最高温度、最低温度等等.当前,气象预报技术已经可以做到分区、逐时预报.该文总体思路是将分区逐时气象预测数据应用于负荷预报,以进一步提高负荷预测精度.指出了按照行政区域和气候区域相结合来分区,定义了基于负荷的综合气象因素,提出了根据网供电与综合气象因素进行预测的策略,给出了将相似日方法与支持向量机相结合的负荷预测方法.最后给出在河南电网应用的实际结果,对比表明采用逐时气象信息的预测精度比采用全天性气象指标的预测精度更高.     

基于系统动力学的分区负荷预测

应用系统动力学理论,结合汕头市“十五”电网规划,对汕头市各分区电量进行了预测。在分析分区预测特点的基础上建立了一个通用模型。通过对特殊情况的数据分析,对通用模型进行修正,建立特殊情况下的模型,并按照分区预测结果确定分配因子,将系统的总预测量分配到各分区。仿真结果表明了系统动力学方法在分区负荷预测中的有效性。     

基于气象因素粗糙集理论的负荷预测方法

电力负荷受气象因素影响越来越大,如何准确预测负荷中的气象负荷是负荷预测中的一项有意义的课题。本文首先采用粗糙集对影响负荷的气象因素进行规则简约,找到影响负荷的核心气象因素;然后以这些核心因素为坐标寻找与预测日距离最小的历史数据,利用时间序列方法进行预测。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,将历史数据的发掘过程量化,便于机器预测。并且预测结果误差小,是一种适用性很强的技术。     

基于小波分解与气象因素影响的电力系统日负荷预测模型研究

采用小波变换对日负荷数据进行分解处理,使得数据信息相对集中,在此基础上将小波分量分解为受气象因素影响的部分与不受气象因素影响的部分之和,对受气象因素影响的部分采用咽归方法建立气象因素影响模型;对不受气象因素影响的部分,幅值大的分量建立顺归神经网络预测模型,进行重点预测,而对幅值小的分量建立线形ARMA（p,q）模型。这样不仅提高了预测精度,还能提高建模效率。     

基于气象负荷因子的Elman神经网络短期负荷预测

针对地区电网负荷易受气候影响的特点,引入气象负荷因子,提出了一种综合考虑各项气象因素．采用Elman反馈神经网络的短期负荷预测模型。由于Elman神经网络具有动态递归性能．可增强负荷预测模型的适应性。经上海电网实际数据的预测仿真计算,证明此方法与传统神经网络预测模型相比．既能减少输入变量个数,又能有效地提高预测精度。     

基于负荷分解和实时气象因素的短期负荷预测

根据地区气象与负荷的相关关系,从总负荷中分解出对气象不敏感的基础负荷和受气象因素影响的气象敏感负荷,并分别采用灰色系统GM(1,1)模型和基于LMBP (Levernberg–Marquardt back propagation)算法的多层前馈神经网络对二者进行建模预测。在对实时气象因素、日特征气象因素与气象敏感负荷相关性分析的基础上,重点把握某些气象因素与气象敏感负荷之间的联系。通过合理选择神经网络的输入变量,实现了基于实时气象因素的短期负荷预测。实际应用证明了所提出方法的有效性。     

基于多层次气象指标体系的电力负荷特性和负荷预测研究

气象因素作为影响电力负荷的主要因素,近年来己成为研究的焦点。本文归纳总结了气象因素在影响电力负荷变化的过程中体现出来的特点,在此基础上建立了多层次气象指标体系,梳理了研究气象对电力负荷影响时的思路,同时,提出了一套利用气象指标体系进行电力负荷特性分析和预测的方法,可依据气象条件得到不同的电力负荷特性预测结果,避免了传统...     

基于气象因子的短期负荷预测

介绍了湖南省调在ＥＭＳ电网应用软件运行平台上开发的短期负荷预测软件。提出了气象因子的概念并应用于负荷预测,考虑气象参数对电网负 影响,具有较好的预测精度。本文软件还能自动辨训实际负荷并动态更新数据库。     

基于配用电信息分区分类的短期空间负荷预测

精确负荷预测是实现电力系统安全经济运行和电网科学管理的基础。首先提出一种基于分区分类的空间负荷预测方法,该方法依托GIS系统中的地理空间信息和电网信息,进行区域划分;然后将区域内负荷分为工业、商业、居民、其他等类型,基于配用电历史信息,采用模糊聚类方法对区域内的负荷类型进行归类,获得影响负荷的主要因素;再以不同类型的负荷预测为基础,考虑跨空间和非跨空间负荷转移等情况,获得精细化的空间负荷预测方法;最后通过我国南方某实际电网的算例分析,验证了该方法较传统的空间负荷预测方法在预测精度上有较大提升。     

基于空间负荷预测的临夏城网远期饱和负荷预测方法研究

由于电力系统负荷的大小和多种因素有关,不同的条件衍生出了不同的预测方式,因此通过论述负荷预测的重要性及基本思路,根据每个行业的负荷密度指数调查结果,比较中国成熟地区的负荷密度指数,开展基于空间负荷预测的临夏城网远期饱和负荷预测,以提高远期负荷预测的准确性,具有较好的参考价值。     

基于小时气象因子的神经网络短期负荷预测模型

目前在短期负荷预测模型中,气象因子的应用主要是其日特征值。负荷对气象因子的响应具有实时性的特点,因此,小时气象因子在负荷预测模型中的应用对提高负荷预测精度具有积极作用。通过分析小时温度、湿度、云量、降水、风等气象因子对电力负荷的影响,并与日气象因子的影响进行对比分析,结果表明:小时气象因子对负荷的影响与日气象因子对负荷的影响特征有很大不同,尤其是在天气发生突然变化时,小时气象因子对电力负荷的影响比日气象因子的影响更加显著。建立了基于小时气象因子的神经网络短期负荷预测模型,预测效果较好。针对目前气象部门对小时气象因子的预测能力及其在实际负荷预测中的应用情况,总结了应用中存在的问题并提出改进策略。     

基于反向Haar小波变换的电力系统负荷预测

根据电力系统负荷的特点,提出了基于反向Haar小波变换的电力系统负荷预测.介绍了反向Haar小波变换的数学模型,叙述了基于反向Haar小波变换的电力系统负荷预测的方法,通过实例计算并与其它方法的比较,说明反向Haar小波算法既充分利用了小波变换的优点,又克服了某些传统算法在电力系统负荷预测中的不足,该方法简单、可靠,便于形成实时软件,对提高电力系统电网规划水平具有重要意义.     

基于电力系统负荷变动速率的美国得州ERCOT短期负荷预测

基于大量历史负荷数据,研究负荷数据曲线的变化性,并提出了负荷变动速率(RLF)与速率影响因子(IFR)概念。通过对ERCOT数据的分析,总结得出了得克萨斯州用电特点和相同时段内RLF的相似性。依据对RLF的历史数据统计分析,得出经验RLF值,并结合用电负荷的实时数据对短期负荷做出修正与准确预测。该方法可以应用在短期负荷预测系统及对区域中长期用电负荷变化规律的总结上。     

基于DWT-Informer的台区短期负荷预测

电力负荷预测是确保电力系统安全高效运行的关键任务,针对台区短期电力负荷预测这一关键问题,该文章研究了电气特性数据处理和Informer模型优化的新方法。文章通过离散小波变换（DWT）对电流数据进行降噪处理,同时使用Prophet模型提取时序特征优化输入数据;并采用Informer的稀疏自注意力机制和自注意力蒸馏,增强了模型的特征捕捉和预测速度。实例数据验证表明,经过DWT和Prophet特征处理后的模型在各项相同的指标下均优于原始模型,验证了DWT-Informer模型在数据预处理和模型优化方面均取得了显著的性能提升。     

基于平均负荷法预测电力电量

针对目前国内有关电力市场负荷预测方法存在的问题．积极探索某一特有电网的运行规律．提出了在现有条件下通过平均负荷法预测用电量和最大负荷,并将其与数学模型函数预测法相比较,得出其具有采集数据方便、预测准确程度高、耗费时间少等特点。     

基于气象要素的省地一体化负荷预测与管理平台

负荷预测与管理需要一个有效的平台来满足其实际工作的需要。提出和分析了基于气象要素和省地一体化负荷预测与管理平台设计中的6个关键的技术问题,介绍了该平台的功能设计和技术特点,并对该平台在湖南省电力公司的实际应用情况进行了总结,证明其为负荷预测及其相关工作的强有力的辅助工具。     

基于气象累积和ACA-GRNN的短期电力负荷预测

针对气象条件具有累积效应以及不同气象条件对负荷影响的程度不同的特点,采用一加权的几何距离公式来选取神经网络的训练样本,不仅加快了神经网络的训练速度,而且加强了神经网络的逼近能力。同传统的神经网络相比,广义回归神经网络的训练过程实际上是不断地调整平滑参数 的过程,因此, 的不同取值对网络的输出具有重要的影响。在优化广义回归神经网络的平滑参数 时,采用基于蚁群种群的新型优化算法——蚁群算法来优化,在很大程度上减少了人为选择参数的主观影响。最后通过实例验证了该模型的有效性。     

基于时间分解技术的中远期逐时负荷预测模型

中远期电力负荷预测对于引导电网规划建设和提升电力系统资源优化配置具有重要意义。为解决当前中远期负荷预测时间尺度过大、预测精度有限的问题,利用时间分解技术,对电力负荷的长期趋势与短期特征分别进行建模分析,从而提出一种新型预测方法,将中远期负荷预测的时间尺度缩短至小时,实现中远期逐时负荷预测。算例分析表明,所建模型在中远期逐时负荷预测方面的性能优于现有的同类模型,具有较高的全局精度和稳定性。同时,能够有效呈现电力负荷的概率密度特征和极值特性,有望为中远期电力规划提供参考。     

基于人工免疫算法的电力负荷预测综合模型

将电力负荷预测综合模型中各单一电力负荷预测模型的最优权重作为抗原,将权重的解作为抗体,通过模拟生物免疫系统的工作原理来搜索最优权重,提出了基于人工免疫算法的电力负荷预测综合模型。应用该模型于某地区负荷预测的实例中,并与基于遗传算法的综合模型和基于直接搜索寻优法的综合模型进行比较、分析。结果表明,该模型具有全局寻优能力好、预测精度高等优点。