电力负荷时间序列预测的应用与研究

时间序列预测是电力负荷预测的重要方法。但是它对天气、节日等影响电力负荷变化的因素不敏感,对非平稳序列的处理需要多次差分运算达到基本平稳后才能进一步建立预测模型。因此,提出基于属性分类的时间序列预测方案。该方案把电力负荷按影响因素进行分类,预测时按预测对象的属性来选取预测样本。基于属性分类的电力负荷时序预测方案把时刻、天气、节日等因素考虑到了预测过程中,弥补了电力负荷时序预测的缺陷。实验证明该方法提高了电力负荷时序预测的速度和准确度。     

钢铁企业短期负荷预测的研究

对大工业企业进行负荷预测是确定机组组合方案、企业与区域电网功率输送方案和负荷调度方案所不可缺少的.针对钢铁企业冲击负荷较多这个特点,使用灰色预测法、时间序列法、趋势外推法和回归预测法对某钢铁企业进行了48点负荷预测,结果表示除了必要的数据预处理以外,使用灰色理论和指数平滑法可以得到比较满意的结果.     

短期负荷预测中选择相似日的探讨

合理的选择预测相似日是提高负荷预测综合预测模型预测效果的有效途径。传统依据人工经验选择相似日并不具备最好的预测效果。为了进一步提高负荷预测准确度,该文深入研究了负荷的两个特征量,认为对预测日的负荷水平和负荷曲线形状进行预测时,应该选取不同的相似日,即该文提出的趋势相似日和形状相似日;给出了这两种相似日的选择方案,从日特征量、日前趋势相似度以及这两者的综合3个角度阐述了选择预测日的趋势相似日的原理和方法;该文通过应用实例证实了其中一个方案有效地提高了负荷预测准确度。     

模糊层次分析法在系统中长期负荷协调控制预测中的研究

电力负荷预测是电力系统规划的重要工作之一.提出一种改进的模糊层次分析法来进行中长期负荷预测.首先,采用三角模糊数表征专家判断信息以充分考虑专家判断的模糊性,采用层次分析法对专家判断结果进行处理以得到方案层各方案的最优权重.该负荷预测模型综合考虑了影响电力负荷的多种不确定因素,并在综合不同模型预测结果的过程中引入专家经验.最后,研究结果表明,该方法相比传统方法能够更好地应用于电网中长期电力负荷预测.     

配电网中长期负荷预测方法综述

中长期负荷预测是配电网规划的前提和基础,其准确性直接关系到规划方案的质量和配电网的安全经济运行;它也是实现电力系统管理现代化的重要内容之一。配电网规划要求既要预测未来负荷的总量,又要预测未来负荷增长的位置,即中长期负荷总量预测和空间负荷预测,它们对合理地配电网规划具有重要的指导意义。本文分析了各种配电网中长期负荷总量预测方法。     

基于小电网短期负荷预测方法的研究与分析

电力负荷预测依据经济、社会、气象等相关数据并结合电力负荷历史数据变化规律来估计和推测未来电力负荷的走势.介绍岱山电网负荷结构及特性,并对影响负荷的要素进行了分析.因岱山负荷轻,受气象、大用户影响大的特征,提出、分析将温度、降雨量、风力大小及检修计划作为自变量的多元线性回归短期负荷预测法.以实验结论和事实数据论证该方案的可行性,此方案可用于结构简单的小电网中,以提高短期负荷预测的准确性.     

刍议负荷预测在电力中的方案实施

负荷预测通过研究国民经济和社会发展的各种相关因素与电力需求之间的关系,预测电力用户的需电量和最大负荷。就以某县为例,对电网可以采用的短期负荷预测方案做进一步分析。     

县城配电网改造和规划方案分析

配电网改造和规划的主要任务是：在满足对用户供电质量和保证各种运行条件的前提下,制定可行的电网规划方案.配电网改造和规划主要内容包括电网现状分析、电力负荷预测、网架规划、配电自动化规划等.县城配电网改造和规划是通过对县城现状电网进行分析,采用总量和空间负荷预测方法预测县城近期和远期负荷,结合负荷预测结果进行变电站选址及容量确定,并提出变电站的中压线路改造和规划方案,在此基础上进行电气计算分析及工程量汇总,并对改造和规划方案进行了投资估算和经济效益分析.     

基于神经网络的短期电力负荷预测

采用神经网络方案来进行短期电力负荷预测，探讨了负荷模型分类模式，对应用于实际的神经网络算法进行了具体处理，如数据的归一化问题，网络权值与阈值的初始值选定，训练样本的选择策略等。同时，以三种短期负荷预测为例，进行了大量的仿真研究，结果表明神经网络用于电力负荷预测不但可满足短期负荷预测的技术要求，而且精度比常规方法高，且算法快速简单。     

基于Haar小波与ARIMAX模型进行短期负荷预测

为了提高对非稳态负荷的预测精度,提出了基于Haar小波分析和ARIMAX模型的短期负荷预测方案。首先,通过Haar小波将高频信息序列与低频信息序列分别从电价与负荷序列中分解出来;其次,分别利用电价序列的高、低频序列对负荷序列的高、低频序列进行ARIMAX模型构建和预测;最后,将含有电价信息的高、低频负荷预测值进行Haar小波重构,得到负荷序列的预测值。通过实例验证表明,本文采用ARIMAX模型添加的电价信息,弥补了多次预测产生的误差,对短期负荷的预测精度高于传统时间序列方法。     

集中供热系统初建与扩建方案的优化研究

本文对以往设计集中供热系统所采用的热负荷调查、预测和处理方法进行了客观剖析。在此基础上,提出运用时间序列分析法结合其他方法来预测热负荷,运用动态规划方法来确定最优的初建与扩建方案。     

基于.NET的负荷分析与预测系统的研究与实现

介绍了智能式负荷分析、预测与管理系统在.NET下实现,提出了利用体感温度逐点修正预测负荷和基于"预测方案"的思想来组织预测的策略.与传统模式相比,该系统容易维护,便于开放,Web客户端零安装、零维护.通过大量真实数据测试与工程应用,已证明该系统具有智能化程度高、功能全面、操作方便、实用性强、准确率高、维护成本低等特点.为电力负荷预测运行人员提供了一套强有力的工具.     

指数平滑法及其在负荷预测中的应用

指数平滑法是电力系统负荷预测的主要方法之一,该方法的准确性取决于平滑系数α.对采用厚近薄远原则与远近相同原则优选α进行对比研究,结果表明采用厚近薄远原则优选α有更好的结果.在此基础上,结合相关分析,给出了厚近薄远的具体方案,并给出了负荷预测的具体实例.     

改进的相似优先比模型在浦东新区电力负荷预测中的应用

改进优先比方案是将模糊理论中的相似优先比运用于负荷预测后发现原基本模型的某些不足之处而进一步提出的模型，主要吸收了模糊理论中综合评判思想，采用了多因素 归预测，充分考虑电力负荷受多因素作用的客观实际，同时还根据预测对象不同，对模型进行修改，给出相应的满意度。     

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BP神经网络的电力系统负荷预测研究

通过对岳阳县地区电力负荷历史数据及特点的研究,分析了影响中期负荷预测准确性的多方面因素,利用日常负荷与气象条件的关系,建立神经网络中期负荷预测模型,研究了这一人工智能技术应用于电力系统负荷预测的可行性。提出了一种基于BP神经网络的综合预测方法,能够稳定和较准确地对电力负荷做出预测。在实际电力负荷预测中,该方法取得了比较高的的预测精度。     

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。     

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.     

基于神经网络的短期电力负荷预测

采用神经网络方案来进行短期电力负荷预测，探讨了负荷模型分类模，对应用于实际的神经网络算法进行了具体处理，如数据的归一化问题，网络权值与阈值的初始值选定，训练样本的选择策略等。