云计算环境下智能电网短期负荷预测方法研究

智能电网短期负荷波动性大,传统预测方法无法解决波动性问题,预测结果不准确。为此,提出一种新的云计算环境下智能电网短期负荷预测方法。介绍了支持向量机理论,将一个含有所有某类样本在内的、由支持向量支撑的球面看作超球面,分析了分位数回归过程,将支持向量机和分位数结合在一起,构建支持向量-分位数回归预测模型。得到短期负荷概率密度函数,从而实现智能电网短期负荷预测。在进行实验时,完成对功率采样值和智能电网负荷属性的归一化处理,将其转换成[0,1]区间内的数据。实验结果表明,所提方法预测精度和效率高、成本低。     

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.     

基于聚类分析的短期负荷智能预测方法研究

短期电力负荷预测作为电网企业的基本工作,其精度的提高对于电网企业运营管理和调度管理具有较大的意义,然而由于电力负荷受到诸多非线性因素的影响,因此得到高精度的电力负荷预测结果是比较困难的.本文首先利用数据挖掘中的k-means聚类技术对训练集的气象数据进行聚类分析,分析提取相似日,在提取相似日的相关历史数据后,建立支持向量机模型进行短期电力负荷预测.经算例结果证明,由该方法得出的预测结果平均相对误差为0.88%,和同结构支持向量机预测的平均相对误差(1.66%)以及ARMA预测的平均相对误差(3.81%)相比,预测精度得到明显的提高,证明了该方法的有效性.     

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.     

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。     

电力系统短期负荷预测方法简述

电力系统短期负荷预测是电力系统调度、规划等管理部门的重要工作之一。是保证电力系统安全经济运行和电网科学管理的重要方面，是能量管理系统（EMS）的组成部分，是决定整个电力系统市场化的运营效益的核心。本文简述电力系统短期负荷预测方法，并且进行了比较分析。     

城市供水负荷短期预测方法

结合城市用水量的影响因素及特点，分析了城市用水量的变化规律，探讨了水量预测时间序列分析方法；根据城市供水运行调度对用水量预测的实际要求，采用时间序列三角函数分析法建立了管网用水量的短期负荷预测模型。实例考核证明，该模型有效可行。     

电力系统短期负荷预测方法研究

采用混沌理论进行电力系统短期负荷预测,对利用Lyapunov指数算法进行负荷预测作了介绍,包括用混沌理论实现相空间的重构,以及通过计算关联维得到最优嵌入维数的方法、计算Lyapunov指数的方法和利用Lyapunov指数得到预测负荷数值的过程．实例预测结果,证明了算法的有效性,揭示了采用混沌理论进行短期负荷预测的优越性。     

电力系统短期负荷预测方法综述

短期负荷预测是电力系统安全经济运行的基础.介绍了电力系统短期负荷预测基本方法原理与特点,说明了各种方法的优缺点以及应用的局限性.     

超短期负荷预测偏差下电网可用输电能力的研究

考虑到超短期负荷预测偏差的情况下,以购电费用变化量最小为目标函数重新调整发电计划,从而导致电网可用输电能力(ATC)发生变化.为快速而准确测得ATC的值,提出利用连续潮流或最优潮流方法得到ATC的基值;利用有功灵敏度快速而实时得到ATC的变化值,从而获得发电机计划调整后的ATC值,为市场条件下电能传输容量提供参考依据.     

电网负荷预测方法及其实现

电网负荷预测对于电力市场各方都具有重要的作用;本文在讨论其重要性的基础上,总结了其发展现状及不同的预测方法;采用灰色预测模型对某地区的电网负荷进行了预测,得到了近两年的预测结果,该实例验证了所采用的电网负荷预测方法的准确性,同时预测结果对于电力市场各方提供了重要的预测信息.     

电力系统负荷短期预测

电力系统的主作用就是为了满足用户对电力的需求,即到达复合的需求,电力系统主有输电网、电力企业和用户所构成。由于电力系统属于特殊行业,不能够把生产和消费同一时间进行,电力系统也不能够存储起来,所以就必须求电力系统的电力生产能够和电力系统的负荷变化同步,电力系统的负荷短期预测就是保障电力系统和电力生产同步的前提工作。     

电力系统短期负荷预测

应用经济学中市场需求预测的季节性交乘趋势模型预测城市电网的电力短期负荷，与线性递推最小二乘法估计的ＡＲ模型ＡＲＭＡ模型，分解组合模型和基于卡尔曼滤波的状态空间法比较的结果表明，其计算精度和效率均较优，在此基础上，结合我国电网运行的实际情况，提出一种新的法定节假日的预测方法－基础年选择法，获得满意计算结果。     

基于云计算和改进极限学习机的电网负荷预测

随着智能电网和通信技术的迅速发展,电网系统采集的用户数据规模呈指数增长,传统电网负荷预测方法难以满足海量负荷数据情形下的高效分析和计算需求。据此,依托电力系统数据采集云平台,提出一种基于云计算和改进极限学习机的电网负荷预测模型,采用Map-Reduce网络架构,部署于Hadoop平台,利用分布式计算方式进行电网负荷的精准建模和预测分析。结果表明,相比已有方法,本研究方法具有负荷预测精度高、运行速度快的优势,可为后续智能电网系统建设及管理运用提供一种新颖的解决思路。     

基于神经网络模型的船舶电网短期电力负荷预测

恶劣海况时电力推进船舶的电网负荷波动较大,发电机组会频繁投入或退出电网,准确的电力负荷预测将有助于优化能量管理策略,保障电力系统的安全性,并提升用电效率。人工神经网络拥有很强的学习能力和泛化能力,能够有效的进行短期电力负荷预测。通过对反向传播(BP)、径向基神经网络(RBF)、Elman共3种不同的网络模型进行原理阐述、数据处理、模型建立及参数调整后,再对其在短期电力负荷预测的表现进行比较,RBF神经网络的预测效果及各项评价指标最优,且其模型建立最简便,因此相较于另外两种网络更适合进行短期电力负荷预测。     

智能电网环境下的电网调度管理方法的研究

随着社会经济与工业技术的飞速发展,电力体制也随之在变化,电力用户也对供电的可靠性以及电能的质量有了更高的要求,这也需要我国的电网能够进行高效率、高经济以及更加安全和可靠的发展。在这一前提下,为了不影响人们的日常生活以及社会生产力的发展,智能电网的改革成为了必然的趋势。而这也使得在智能电网的环境下,传统电网调管管理工作和管理方法无法满足智能电网的发展需求,所以对电网调度管理协调工作的加强以及管理方法的完善成为了我国首当其冲需要进行的工作。本文围绕这一课题,并针对传统电网调度管理方法和工作中存在的一系列问题进行探究分析,并在此基础上对于促进我国电网调度管理工作发展的精益化管理措施进行研究。     

短期负荷预测的样本动态组织方法

针对训练样本与负荷预测模型的构建及预测精度之间的强相关性,在对负荷变化规律深入研究的基础上,提出了样本动态组织理论与方法.根据负荷变化的横向与纵向特征、日期、季节特征和气象特征构建时间分类树和样本映射表,并通过对气象数据的模糊化处理进行样本初选,进而利用自组织网络(SOFM)的改进方法提取负荷水平变化趋势的特征曲线,以实现样本的动态精选.多种模型的预测结果表明,采用的由粗到精逐步细化,多层面、多角度的样本过滤机制,为预测日负荷建模提供了更加优质的历史样本,很好地抑制了不良样本对预测建模可能带来的各种干扰,有效提高了电力系统短期负荷预测精度.     

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.     

电动汽车充电站短期负荷预测

为了保证规模化电动汽车接入后的配电网的稳定性,文章对电动汽车充电负荷特性进行研究,建立了电动汽车充电负荷预测模型,考虑到适应复杂的天气变化情况下的电动汽车充电站负荷预测,采用基于GA-ANFIS-FFNN算法的电动汽车充电负荷预测方法,采用GA优化的ANFIS算法进行充电负荷预测,预测输出结果采用FFNN算法优化提升整体预测准确性,并采用多种算法对比验证本文所提算法在突变天气下的充电负荷预测的优越性。