自下而上的群体居民日负荷预测

为了提高居民日负荷预测精度,基于自下而上的建模思想,提出一种模块化的群体居民用户日负荷预测方法.考虑外界因素和用户自身用电行为对负荷的影响,构建相似日提取模块、聚类分析模块和用户用电行为分析模块以实现单户家庭负荷预测.在此基础上,利用蒙特卡洛抽样方法对家用电器组合、家用电器功率和用户用电时间点这3个随机变量进行抽样模拟,构建用户负荷预测模块,实现群体居民日负荷预测.算例仿真结果表明:采用所提方法的居民日负荷预测平均误差为1.3%,最大误差为5.6%.相较于基于灰色模型预测的平均误差2.7%、最大误差7.5%,和基于神经网络模型预测的平均误差2.3%、最大误差6.9%,所提方法显著提高了群体居民日负荷预测的精度.     

基于VMD-EWT-IASSP-EBILSTM的短期电力负荷预测

电力系统在国家工业基础设施中起着举足轻重的作用，维持系统负荷高精度预测是保障电力系统高效供应的关键。针对负荷数据的非平稳性、随机性与非线性，负荷预测误差较大的问题，结合变分模态分解(Variational Mode Decomposition, VMD)、经验小波变换(Empirical Wavelet Transform, EWT)、改进的空洞卷积金字塔模块(Improved Atros Spatial Pyramid Pooling, IASSP)、集成双向长短时记忆模块(Ensemble BiLSTM，EBiLSTM)，提出了一种短期电力负荷预测模型。为解决负荷数据的非平稳性引起的模型预测波动问题，通过变分模态分解方法与经验小波变换的结合分解为若干子序列，显著降低了原始负荷序列的复杂性；为提高模型预测精度，将分解的负荷子序列利用过零率指标划分高低频序列，在低频序列中构建一种时序依赖捕获模块EBiLSTM提取长期负荷特征，高频序列中构建特征提取模块IASSP提取局部负荷特征，最后累加各子序列的预测结果，实现电力系统负荷的短期预测。选取行业通用客观评价指标：平均绝对误差、均方根误差，在宁夏某地电站的实测数据上对比前沿算法进行仿真实验验证。结果表明，该算法MAE误差降低了37%~75%左右，具有较高的准确性与可靠性。     

冷热电负荷预测方法研究现状综述

冷热电负荷综合预测具有较高的预测准确度,是电力系统规划、电力系统经济调度和能量管理的重要模块。本文对常用的冷热电负荷预测方法有基于建筑结构的经典算法和简约算法、基于软件模拟的逐时负荷因子法、基于历史数据的逐时能源负荷分摊比例法和神经网络算法等进行了研究和分析。     

基于时空图注意力的短期电力负荷预测方法

准确的电力负荷预测对现代电力系统的安全经济运行至关重要.电力负荷预测可以表述为一个具有一定潜在空间依赖性的多变量时序预测问题.然而,大多数现有的电力负荷预测工作未能探索这种空间依赖关系.基于此,本文提出了一种基于时空图注意网络的短期电力负荷预测方法.提出一种基于时空图注意网络模块,该模块使用图注意层实现自适应的捕捉各用户间的潜在空间依赖性,同时使用门控卷积注意力层对各用户用电量在时间维度上进行自适应拟合,以提高网络的预测精度.实际数据实验表明,本文提出的模型整体预测精度提高明显,特别是在一定程度上缓解了长程预测精度恶化的问题,验证了所提方法的有效性与可行性.     

基于Holt-Winter超短期负荷预测的配电网状态估计算法

针对配电网实时量测数量的不足,提出一种基于Holt-Winter模型进行超短期负荷预测的配电网动态状态估计算法.该方法首先利用Holt-Winter模型进行超短期负荷预测,然后把配电网中的原始数据与预测值进行三次样条插值,从而获得负荷的伪量测值,将此伪量测输入到状态估计模块中,实现了系统状态的实时跟踪预测.通过英国标准配网系统(UKGDS)中16节点模型的仿真结果表明,该算法提高了配电网状态估计的精度,具有一定的现实意义和理论价值.     

电力市场下负荷预测综述

负荷预测是电力市场的基础.系统地综述了负荷预测的分类、负荷模型、负荷预测的方法及其发展动态、电力市场下对负荷预测的新要求.     

电力负荷预测技术及其发展趋势

介绍了电力系统负荷预测方法的几种分类方法、神经网络负荷预测方法及其在短期负荷预测中的研究情况,也指出了负荷预测技术的发展趋势。     

冰蓄冷系统基于负荷预测和优化的实时控制

首先基于西安地区某办公楼空调季节的数据,进行了逐时温度和冷负荷的预测。然后,讨论了温度预测对负荷预测,负荷预测对离线优化的影响。结果表明,人工神经网络冷负荷预测的准确度不受异常天气情况的影响;而负荷预测的准确度直接影响非线性优化的结果;在线修正是至关重要的。最后,给出了实时控制中负荷预测及离线优化结果在线修正的实例。     

浅谈电力负荷预测技术

本文简述了电力系统负荷预测的概念和目的,介绍了负荷预测技术的分类和特点,综合分析了影响电力负荷预测准确率的重要因素,并比较了较为热门的电力系统负荷预测方法及其优缺点,最后对未来负荷预测技术做出了展望。     

基于云计算的智能电网负荷预测平台架构研究

提出一种基于云计算的智能电网负荷预测平台架构.深入地阐述了云计算关键技术、负荷预测云架构、云平台负荷预测服务等.采用Hadoop云计算技术,对负荷预测的资源调度和计算进行虚拟云计算仿真,验证了以电力私有云为基础建立的负荷预测机制更优良.同时在云平台负荷预测服务中引入多维多级协调优化机制,对原始预测结果进行修正与协调优化,显著地提升了基于云计算的智能电网负荷预测水平.由此搭建的平台架构将为智能电网负荷预测提供广阔的思路与有力的技术支持.     

基于RBF-ARX模型的短期电力负荷预测

为了提高短期电力负荷预测的精度,提出基于RBF-ARX模型的短期电力负荷循环预测法:将短期电力负荷预测看作非线性时间序列预测问题,并根据历史负荷数据建立电力负荷自回归预测模型(ARX模型),用RBF神经网络逼近ARX模型的参数,并用结构化非线性参数优化法(SNPOM)离线估计模型参数。用该方法对湖南某市电力负荷进行预测,将预测结果与实际负荷值进行比较,结果表明:基于RBF-ARX模型的短期电力负荷循环预测法精度高,可靠性强,具有很好的实用性。     

基于反馈加权组合的电力市场下中长期负荷预测方法

本文简单分析了几种常用的中长期负荷预测方法存在的缺点,针对电力市场环境下对负荷预测精度的高要求,提出了一套精度较高且实用的中长期负荷预测的方法.应用该方法对广西某地方电网进行负荷预测,计算结果表明,该方法的预测结果误差小,在实际预测领域有较高的实用价值.     

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用，该模型是一种有偏差的指数模型，在该模型基础上作者已导出了无偏灰色预测模型。将无偏灰色预测模型应用于负荷预测中，并与传统灰色预测模型进行了比较，结果显示了无偏灰色预测模型的优越性。     

基于负荷预测的电力市场寡头竞争分析

将负荷预测的思想引入到电力市场的竞争分析中,研究了完全信息下的cournot模型中负荷预测对电力市场竞争的影响.首先建立了竞争模型结构,然后获得没有预测情况下的市场均衡电价,应用博弈论获得负荷预测增量对cournot模型下市场力的影响.最后通过数据仿真获得负荷预测增量与市场均衡电价和发电商收益之间的关系.分析表明：负荷预测精度影响发电商收益、市场均衡电价和市场力.预测误差率在33%以内,预测是有用的.所以提高收益的关键是提高负荷预测精度.     

灰色模型GM(1,1)在短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及其改进模型在短期电力负荷预测中的应用，提出了适合电网普通日及特殊日电力负荷预测的数据处理方法，提高了预测的精度。     

灰色模型在负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务。介绍了灰色理论的相关概念和原理,以及预测负荷的步骤,通过举例讨论了灰色模型在短期电力负荷预测中的应用,对平常日电力负荷进行预测,其结果令人满意,表明灰色模型是有效的负荷预测方法之一。灰色模型在日常负荷预测中广泛得到运用。     

组合预测方法在电力系统负荷预测中的应用

组合预测方法是一种性能优越的预测方法.应用最优组合预测和递归等权组合预测方法将自适应滤波模型、灰色模型、指数平滑模型组合在一起进行电网负荷预测,获得了好的预测效果.     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

二级模糊因素的负荷预测线性回归法

基于经典的线性预测回归模型，引入了模糊因素对预测结果的影响，构成了二级模糊因素的多元线性回归法。最后对两种方法作出了比较，说明本文所述方法是比较理想的。     

电力负荷预测方法

简要介绍了电力负荷预测技术的发展情况，具体介绍了电力负荷预测的几种常用方法，并详细分析了各种负荷预测方法的优点和缺点。