浅谈电力负荷预测

电力负荷预测就是对电力市场需求的预测。本文系统介绍了电力负荷预测的基本概念、内容、基本程序、数据处理技术、预测方法、综合评价,并对负荷预测发展提出了展望。     

电力市场环境下的负荷预测分析与展望

在阐述负荷预测的分类、负荷模型的基础上分析了负荷预测的基本方法,论述了预测方法程度优缺点及其适用范围。最后在电力市场环境下分析了负荷预测的影响因素,并对电力市场环境下的负荷预测技术做了展望。     

电力负荷预测之我见

负荷预测在整个电力系统规划和运行等方面都起到重要作用,负荷预测是电力系统优化调度的基础,也是电力单位日常工作的重要组成部分,通过对用电负荷的认识,分析各种影响用电负荷变化的因素,并在不断的实践中发现如何能提高负荷预测合格率的方法,加以完善.     

中低压电网电力负荷预测研究

当今,电力负荷的不断增长对电力生产的调节能力提出越来越高的要求。要想实现电网的实时控制和长期规划发展,必须对电力负荷进行科学预测,只有这样才能在电力生产中掌握主动权。本文首先对电力负荷的预测进行了分类,重点对负荷经典预测方法和负荷现代预测方法进行了研究,并给出了实例分析。     

短期电力负荷预测分析研究

基于负荷预测在电力系统发展规划中所发挥的重要作用,在对短期电力负荷预测基本原理进行分析的基础上,进一步分析研究了短期电力负荷预测的常用方法和基本步骤。     

地区电力长期负荷预测方法研究

负荷预测对电力系统规划和运行极其重要,本文论述了电力负荷预测与分类、负荷预测的基本过程。同时本文采用外推预测技术、单耗法和新兴交叉学科人工免疫预测法对阜新地区电力负荷进行长期的预测,并对实际预测结果进行了分析、比较。得出结论:这三种方法都适合于对地区电力负荷进行长期的预测,取三种方法预测的中间值可以得到相对精确的预测结果。     

PSO-LSSVM的电力负荷预测研究

对影响电力负荷因素之间的非线性,有效提高电力负荷的预测精度,本文提出了一种最小二乘支持向量机(LSSVM)和粒子群优化技术(PSO)相结合的电力负荷预测方法。以历史负荷数据气象因素等作为输入,建立预测模型,对未来时刻电力负荷进行预测。该模型利用结构风险最小化原则代替传统的经验风险最小化,以充分挖掘原始数据的信息,并采用粒子群优化算法来优化最小二乘支持向量机的参数,旨在提高预测模型的训练预测精度。实际算例表明,使用PSO-LSSVM方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络和LSSVM方法的预测结果相比,所提出的PSO-LSSVM模型预测平均误差仅为0.85%,具有更高的精度,适用于电力负荷预测。     

探讨电力统计分析与预测

电力预测包括电力负荷预测、电力故障预测、电力人才市场预测、电力供求关系预测、电力生产预测、煤电供求比预测等诸多方面,其中电力负荷预测是电力预测中非常重要的组成部分。本文就电力负荷预测的方法、实证和干扰分析做出了系统的归纳。     

电力系统负荷预测技术

随着21世纪的科技发展,电力负荷预测的核心问题是预测模型的水平高低。科学、准确的电力负荷预测将更有利于提高电力系统运行的经济性和安全性。结合工作实际,针对电力系统负荷预测技术进行了阐述。     

电力系统负荷预测研究与分析

电力系统负荷预测关系到电力系统的调度运行和生产计划,是电力管理部门进行调度、规划、用电等工作的重要内容之一,负荷预测水平的提高对于电力系统经济与社会效益的提高都具有重要意义。本文首先对电力系统负荷预测进行了介绍,并讨论了提高负荷预测水平的措施,具有一定的指导意义。     

电力市场分析预测方法探讨

笔者根据多年从事电力负荷预测的经历和感受,简单介绍了电力市场分析预测的几种方法,然后重点阐述了电力市场分析预测方法针对不同地区的应用,为如何更好地作好电力市场分析预测提供便捷。     

基于机器学习的短期电力负荷预测方法比较及改进研究

针对电力系统对短期电力负荷预测精确性的需求，以长短期记忆算法为基础，采用差分自适应进化算法对其进一步改进，从而提出一种基于机器学习的混合算法（SaDE-LSTM）对电力负荷进行短期预测。基于我国2004—2018年间月度社会用电负荷数据，对改进后的混合算法进行性能测试，首先利用差分进化算法的自适应变异和交叉因子来优化长短期记忆算法的初始参数，在此基础上，运用寻优得到的参数训练长短期记忆算法从而得到优化后的预测结果。为证明其优越性，对同组数据采用支持向量机（SVM）、反向传播神经网络、自回归积分滑动平均等算法分别预测。各方法预测结果和真实结果对比分析证明，SaDE-LSTM算法对时间序列数据量要求较低，同时相比其他传统算法有更高的预测精度。该改进算法能够为参与电力系统调度的虚拟电厂、负荷聚合商等对小样本和高精度预测有需求的主体提供参考。     

浅谈几种电力需求量的预测方法

根据多年从事电力负荷预测的经历和感受,重点介绍在电力需求预测中需电量预测的几种常用方法,并对这几种预测方法作了阐述,同时就如何做好电力需求预测工作提出建议。     

基于小波网络的电力系统短期负荷预报研究

本文结合小波和神经网络方法进行电力系统短期负荷预测的通用模型和方法的研究,建立了负荷预报的小波网络模型,确定了有效的算法求解小波函数线性组合的尺度和时延参数以及神经网络的权值。     

太阳能预报方法及其应用和问题

太阳能预报包括预测太阳辐射量和光伏发电功率,对光伏发电系统并网运行有重要意义,是当前太阳能开发利用的一个关键问题。本文对国内外太阳能预报方法进行了扼要的评述,归纳了太阳能预报的机理及其方法在光伏发电中的应用。太阳辐射的预报方法主要有传统统计、神经网络、卫星遥感和数值模拟等方法。文中基于光伏发电应用的需求,分析了不同预报方法的优点和不足,并探讨了若干有待进一步改善的问题,展望了国内太阳能预报技术方法的发展和应用前景。     

上海市电力消费与需求预测浅析

本文根据1990-1997年经济数据和用电数据,对上海的用电结构及用电特点进行分析研究,找到影响电力增长的原因,用线性模型和关联多因子模型对今年10年的上海电力需求进行预测,得出上海今后10年的用电趋势。     

基于独立分量分析与小波神经网络的时间序列预测

对时间序列的预测是一项重要的数据挖掘技术。本文将独立分量分析方法和小波神经网络相结合,建立一种ICA—WNN预测模型,并应用于风力发电功率时间序列预测。仿真结果表明所建模型具有较好的泛化性能,得到了较高的预测精度。     

基于预测有效度的组合预测模型研究

本文基于预测方法有效度的概念，建立了改进组合预测模型，并给出其线性规划的解法。该模型具有计算简便的特点，而且具有可比性，能反映不同时间序列预测方法有效性。     

电力负荷与电能量管理系统发展探析

阐述了电力负荷控制系统与电能量管理系统相结合存在的问题及产生的原因,并提出了解决办法;进一步电力负荷控制与电能量管理系统的发展前景。     

基于密度算子的组合预测方法

考虑到单项预测方法在不同时刻预测准确性的差异,提出了一种基于密度算子的组合预测方法.该方法的核心思想是利用样本区间内单项预测方法的预测准确性对预测值聚类;然后基于密度算子的思想对单项预测法集结,得到一种新的组合预测模型;在此基础上,基于预测值和相应观察值误差最小的思想确定单项预测法的加权系数.该模型充分利用了样本区间内单项预测法的预测准确性,因而预测值具有较高的准确性.最后,给出一个实例,并对其结果进行比较分析,证明了该组合预测模型的有效性.