一种对某地区电网短期负荷预测方法

短期负荷预测对电网运行意义重大,负荷预测的精确与否,对电力网络的控制、运行和计划有较大的影响。本文基于人工神经网络理论,通过建立网络模型,并编写相关程序,预测了未来一天24小时负荷值,并取得了较为理想的预测效果。     

城市电网规划与负荷预测方法探讨

随着城市建设的迅猛发展,电力设施的建设日新月异。在城市建设中非常重要的一项工作就是城市电网的规划。对城市电网现状进行了分析,阐述了电网规划的作用,对城市电网规划的关键技术进行了深入的探讨。电网规划的一项重要内容是负荷的预测,因此,对城市电网负荷预测方法进行了探讨。     

基于空间饱和负荷密度的县城新区电力负荷预测

本文首先综述了县城新区空间饱和负荷密度的概念,然后阐述饱和负荷密度预测方法的步骤及其数学模型,最后以淇县城北核心区为例进行土地归类和指标选取,并进行预测,通过结果校核,得出淇县城北核心区的负荷预测结果,为指导今后电网建设提供了依据。     

基于空间饱和负荷密度的县城新区电力负荷预测

本文首先综述了县城新区空间饱和负荷密度的概念,然后阐述饱和负荷密度预测方法的步骤及其数学模型,最后以淇县城北核心区为例进行土地归类和指标选取,并进行预测,通过结果校核,得出淇县城北核心区的负荷预测结果,为指导今后电网建设提供了依据。     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预测。采用了改进的ＢＰ学习算法,以提高训练的收敛速度,预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的。     

河南电力气象系统研究与应用

随着电网规模的不断扩大和延伸,灾害性天气对电网安全运行的影响越来越大,加强对电网生产造成严重影响的灾害性天气过程的预测预警,能够有效提升电网应对灾害性天气的效率和能力。河南电力气象系统将分散的电力、气象数据资源进行集中整合,实现一体化应用,针对夏季和冬季多发的大风、雷电、冰雹、覆冰和舞动等对电网生产造成影响的气象现象进行预测预警,为运维检修、电网调度、应急抢修等电网生产过程提供必要的气象预测预警信息支撑。     

基于相似日的神经网络短期负荷预测方法

对于受不确定因素影响的短期电力负荷,提出了一种基于相似日的神经网络预测方法。设计了一个规范化的相关因素映射数据表,应用聚类分析方法描述由于相关因素的不同而导致的待预测日与历史日之间的差异程度,选用日特征量相同或相近的历史负荷数据作为神经网络的输入元素进行预测。用该方法选取相似日可以较多的考虑各种因素,因此,具有较高的预测精度。     

函数联接神经网络在电力系统短期在线负荷预报中的应用

提出了２个新的用于帝时在线短期负荷预报的函数联接神经网络（ＦＬＮ）模型,２个模型都把负荷与气象参数结合起来的构成非线性ＡＲＭＡ过程,并应用ＦＬＮ的函数逼近能力获得了２个模型的参数,测试与在线操作表明２个模型的预测效果是令人满意的,２４ｈ向前负荷预报的平均绝绎百分误差ＭＡＰＥ）对ＨＥＬＮ来说几乎都在３％以下,而ＤＦＬＮ来说几乎都在５％以下。     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.     

基于DMD-NARX模型的短期电力负荷预测方法

提出了一种基于DMD-NARX模型的短期电力负荷预测方法,深入地探索了负荷变化趋势和历史数据之间的内在关联,同时在短期预测的精度上有所提高。首先通过自相关函数(Autocorrelation function, ACF)并结合短期负荷波动的时间规律特性,在已有历史相关数据的基础上推导出相应日期的输入特征集合;然后将输入特征集合归一化后通过Hankel矩阵完成由单变量输入特征序列向多维数据矩阵的转换,以动态模态分解(Dynamic mode decomposition, DMD)为手段完成对上一步所得多维数据矩阵的动态模态估计和特征分解,同时对电力负荷底层的多尺度动态情况有了更加深入的掌握;最后使用基于外部输入的非线性自回归(Nonlinear autoregressive with external inputs, NARX)神经网络模型,同时以上一步取得的动态模态估值作为计算相应预测日期内各时段负荷分布的基础,并推导出最终预测结果。最终的测试数据证明,此方法较好地改善了模型的预测精度。     

考虑柔性负荷接入技术的智能电网线路 规划模型构建

电力建设单位在规划建设智能电网线路过程中，没有重点考虑电网的柔性负荷影响因素，导致智能电网线路覆盖率低、信号强度弱和传输性能差等问题，文章提出了一种考虑柔性负荷接入技术的智能电网线路规划模型构建方法首先，对不同类型智能电网的柔性负荷进行分析，根据分析结果建立对应补偿成本函数，在此基础上将通信可靠性和链路成本作为约束指标，以此构建智能电网线路规划模型，再采用改进小生镜遗传算法求解模型，实现智能电网线路的最优规划建设方案实验结果表明，所提方法的线路覆盖率广、信号强度高、传输性能好，具有较高推广和使用价值     

GM（1,1）改进模型在广西短期电力负荷预测中的应用

采用ＧＭ（１，１）改进模型与ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型对广西自治区电网特殊日电力负荷进行组合预测，阐述了ＧＭ（１，１）改进模型的建立方法，提出了适用于广西纂驱电网特殊日电力负荷预测的预测数据处理方法，提高了预测的精确度，全年日镀优于９５％，解决了在日采样点为２４点（正点采样）情况下预测度较低的问题。     

短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型. 该模型具有神经网络的强有力学习能力. 由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响. 实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.     

关于母线负荷预测的实用算法

随着科学技术的不断发展,调度自动化系统和母线负荷预测装置也在不断的完善。作为制定电网运行方式的基础与前提,母线负荷在预测上的准确度对电网输送能力的计算运行方式的安排和后续安全校核的分析结果都产生着直接性的影响。     

基于Kohonen聚类小波包分解和ELM的短期电力负荷预测

提出基于Kohonen聚类、小波包分解和极限学习机的短期电力负荷组合预测方法.考虑到电力负荷具有一定周期相似性,经过Kohonen神经网络的聚类分析能确定与待预测日具有类似特性的负荷相似日;利用双正交小波对负荷数据进行分解,得到不同的频率分量分别送入ELM网络进行预测;最后将所得的不同频带中的待预测负荷分量组合,即为最终负荷预测值.经仿真实验表明,较传统单一的神经网络算法,该方法在预测精度和运算时间等方面均颇有提升,具有一定的实用性.     

短期现货电价多因素灰色预测模型

电力市场中,电能交易效益最终通过电价体现,对市场参与者来说,提前知道电价信息意义重大。灰色预测模型无需任何原始序列的概率分布模型,可以实现少数据建模。现货电价具有的性质符合灰色变量的特征,本文在介绍原有灰色预测模型在电价预测方面应用的基础上,提出同时考虑负荷因素和市场力影响因素的GM(1,3)短期现货电价多因素灰色预测模型,通过实例验证,证明该模型在电价预测精度方面相比较原有模型有所提高,预测效果更好。     

基于灰色理论的风电场输出功率超短期预测

准确预测风电场的发电功率能够有效减少风电波动性对并网电网的影响。本文提出基于灰色理论的风电功率超短期预测方法,分别采用GM(1,1)模型和GM(1,2)模型实现了风功率的超短期预测。针对某99MW风电场一年风电功率数据,在MATLAB上仿真验证了本文所提方法的有效性。仿真结果表明,GM(1,2)模型的风电功率预测精度明显高于GM(1,1)模型所获得的风电功率预测精度。     

110kV变电站建设的必要性——以河南淇县庙口镇供电区为例

<正>淇县自1998年以来通过国家农村电网建设和改造、县城电网改造、中西部电网完善等项目建设改造多座35kV变电站。同时积极向上级争取建成投运了220kV淇县站、110kV稻庄变电站。110kV石岗站正在紧锣密鼓建设中,110kV思德站通过了上级核准,这些项目对维持我县正常供电起到了积极作用。由于淇县具有良好的产业基础,同时国家加大农村投入、东部与中西部产业转移等因素拉动我县经济建设进入快速发展阶段,故电力负荷呈现大幅度发展阶段,尤其是位于我县西北部的庙口供电区供电压力更加明显,     

基于遗传算法和最小二乘支持向量机的风速预测

<正>随着绿色能源发电在全世界的飞速发展,风能发电比传统能源发电更加清洁环保,并且取之不尽、用之不竭,目前是世界首选的可再生能源发电模式之一。风力发电功率主要取决于风电场的风速,所以,风速预测的准确程度是风速-风电功率预测的主要影响因素。准确的短期风速预测对电网的安全稳定性及降低运行成本都具有十分重要的意义。本文,笔者利用遗传算法对最小二乘支持向量机的参数优化,选取最优的正规化参数和参数δ,避免参数选取的盲目性和不精确性。通过实际的算例验证,有效地提高了预测结果的可信度和精确度。     

数据挖掘技术在电力系统中的应用

目前,大部分电力管理系统只停留在业务处理层,这一模式不能为电力企业提供更加便利、智能的决策。一直以来,我国电力企业已经在行业信息化建设中积累了大量历史数据,将数据挖掘技术引入到电力行业中来,进行电力分析决策,为电力企业提供更加科学的管理决策,对防范、控制和化解电力企业生产风险具有现实的意义。本文详细介绍了数据挖掘的具体方法及其在电能质量分析、输变电管理、负荷预测以及电网智能调度中的应用。