城市电网规划负荷预测方法及其应用研究

本文介绍了电网规划负荷预测,讨论了电网规划负荷预测方法,研究了城市电网规划负荷预测方法的具体应用。     

浅谈城市电网规划的负荷预测方法

结合城市电网规划特点,阐述一种行之有效的负荷分布预测方法——功能小区负荷密度法,预测城市负荷分布,据此布局配电变压器,再规划变电站,由下而上逐级规划城市电网。     

浅谈城网规划的基础性工作——负荷预测

电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一。简要的对现代城网规划进行了阐述,对负荷预测在城网规划中的重要性以及近年来的一些主要负荷预测方式进行了较深入的介绍。     

浅析配电网规划中的负荷预测

近些年来,随着经济的不断发展,我国经济也呈现出快速的发展形势,与此同时,经济的发展促进了电网事业的不断发展,对电网工作也提出了更高的要求。在配电网规划中,负荷预测是一项关键性的工作,预测结果的科学性和准确性对电网事业的发展有着重要的影响。本文就主要针对电网规划中负荷预测的相关问题进行简单的探讨。     

基于POI信息挖掘的网格空间负荷预测方法

空间负荷预测是配电网网格化规划的基础,互联网的发展使得将大数据技术应用于空间负荷预测成为了可能,本研究基于开源大数据,提出一种基于POI信息挖掘的网格空间负荷预测方法.首先基于python编程语言调用网络地图平台的API接口,获取开源的用户数据并利用射线法及正则匹配法进行信息挖掘,从而得到用于网格空间负荷预测的基础数据.其次参考配电网规划标准,建立规划区用地指标体系,并对基础数据进行归一化处理以反映各个网格的负荷分布情况.接着基于规划区具体情况,综合三种传统总量负荷预测方法进行总量负荷预测.最后结合总量负荷预测结果与负荷分布情况,基于总量负荷预测结果与网格负荷归一化占比分配总量负荷指标进行网格空间负荷预测,并拟合负荷发展特性曲线对预测结果进行验证.根据规划区实际情况应用本文中所述方法,可为配电网网格化规划提供依据.最后结合实际区域验证了所述方法的实用性.     

城市配电网规划中电量及负荷预测方法研究与实践

首先对城市配电网规划中各种电力电量预测方法进行分析,并通过兰溪市配电网规划对各种电量预测方法进行了实践,经对比后采用年均增长率法来对＂十二五＂期间的电力需求进行预测。最后,结合饱和用电负荷密度参考指标,对兰溪市中心城区的电力负荷进行了预测,对今后城市配电网规划有一定的借鉴意义。     

配电网网格化规划中空间负荷预测方法研究

根据配电网网格化规划的要求,在电网规划供电单元、供电网格、供电区域划分的基础上,自下而上给出了3个层级的空间负荷预测方法.在供电单元层级,针对负荷密度法过程中负荷密度指标的选取,提出用S型曲线模型来确定过渡年负荷密度指标的方法,并给出了供电单元内同时率的计算方法,以此来确定供电单元负荷;对于供电网格层级,考虑供电单元间...     

城市燃气管网负荷预测方法

城市燃气管网负荷预测是制定城市燃气建设规划、确定燃气生产企业大、中修计划以及燃气输配企业科学调度的重要依据.本文结合我国城市燃气生产、榆配管理的现状,介绍几种目前常用的城市燃气管网负荷预测方法,并评述了各自的优势和缺陷.     

兼容需求侧资源的电网负荷预测分析

随着时代的进步和社会经济的发展,我国电力系统发展迅速,电力体制的改革,促使电力企业在发展过程中面临着日趋激烈的市场竞争;为了获得优势,就需要将更加优质的电力服务提供给用户,那么电网负荷预测需要引起人们足够的重视。本文简要分析了兼容需求侧资源的电网负荷预测,希望可以提供一些有价值的参考意见。     

浅析电网负荷预测方法

电网负荷预测是电网安全运行的基础,在电力市场具有重要的作用。本文主要总结了电网负荷预测的方法,希望为电网负荷预测提供帮助。     

基于CEEMDAN-CNN-GRU组合模型的短期负荷预测方法

负荷数据的高度随机性和不确定性,导致短期负荷预测的精度很难提升.为了提高短期负荷预测的准确度,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)与卷积神经网络(CNN)和门控循环单元(GRU)组合模型的短期负荷预测方法.首先,利用CEEMDAN模型将复杂的原始负荷序列分解为几个相对简单的子序列;其次,利用卷...     

基于小波神经网络的燃气系统短期负荷预测

在燃气负荷预测中,由于日负荷的不稳定,仅以历史负荷为训练样本得到的人工神经网络难以满足日预测的精度要求。提出一种小波分析与BP神经网络相结合的预测方法。首先,将历史负荷序列进行小波分解成概貌序列和细节序列,并在此基础上利用概貌序列、细节序列,以及指数平滑和温度等多种因素训练BP神经网络,预测出未来燃气的日负荷。最后,对...     

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。     

基于多因素影响的负荷预测神经网络方法

电网的负荷是一个受多种因素影响的量。负荷预测的准确性对电网的安全、经济运行有着重要的影响。把各个影响因素与负荷之间建立解析表达式是非常困难的。本文考虑多种影响因素,用神经网络的方法对农网进行负荷预测,具有方法简便、预测精度高,速度快的特点。     

智能组合预测法在短期电力负荷预测中的应用研究

提出将Kohonen网络、Elman神经网络和遗传算法结合起来建立一种智能组合预测模型,此模型能够综合各种单一预测模型的优点,内在结构随时间的推移不断变化,符合电力负荷的特点,提高了负荷预测的精度.文中给出了三种网络模型进行短期电力负荷预测的仿真结果比较,从而验证了智能组合预测模型的合理性和良好的应用前景.     

自编码器与PSOA-CNN结合的短期负荷预测模型

提出了一种自编码器与PSO算法优化卷积神经网络结合的电力系统短期负荷预测模型。首先利用自编码器对相关变量数据进行处理,降低所需数据的噪声变量,提高预测效率;然后利用粒子群算法对卷积神经网络的权值和阈值进行优化,可有效提高预测模型的预测精度和预测速度。通过对实际电网的负荷数据进行仿真,验证了模型具有较高的预测精度。     

城市燃气管网负荷预测方法

城市燃气管网负荷预测是制定城市燃气建设规划、确定燃气生产企业大、中修计划以及燃气输配企业科学调度的重要依据,本文结合我国城市燃气生产、输配管理的现状，介绍几种目前常用的城市燃气管网负荷预潮方法，并评述了各自的优势和缺陷。     

基于人工免疫算法的电网负荷预测模型的研究

为了克服传统神经网络预测方法在网络结构设计和收敛效果等方面存在的缺陷。提出了一种进行电力系统负荷预测的新算法———人工免疫算法。该算法是根据高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行选择,通过抗体之间的相互激励作用提高了最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用该模型于阜新地区负荷预测的实例中,结果表明,该模型与传统的神经网络预测方法相比具有较强的自适应能力和较好的效果。     

利用灰色模型对地区负荷进行预报

针对灰色模型GM(1,1)对某一地区的负荷进行预报误差较大的缺点,采用了"平均滑动模型"方法,使处理后的数据既增加了数据的权重又避免了数据的波动.计算表明,可以把它用于负荷预报中,解决了负荷按"S"型曲线递增的实际情况,提高了预报精度,又继承了灰色预报方法的优势和特点.     

燃气年度负荷预测的偏最小二乘回归分析法

城市燃气的年度负荷受到多种因素的影响,如能源政策、人口和国内生产总值等,各因素之间相互制约和影响,存在着严重的多重相关性,若采用普通的回归分析会使结果产生较大的偏差,而偏最小二乘回归方法能很好地解决这一问题．采用偏最小二乘回归分析法对燃气年度负荷进行拟合和预测,实例表明,该方法具有建模简单、计算结果可靠的特点,所得到的回归方程能综合分析各因素对于负荷的影响权重,具有较强的实用性．