基于信息熵和变精度粗糙集优化的支持向量机降温负荷预测方法

降温负荷持续增长已成为中国南方夏季最大负荷屡创新高的重要原因。提出了一种基于信息熵和变精度粗糙集优化的不确定支持向量机方法,用于中长期降温负荷预测。方法通过挖掘数据中的相互关系去除冗余信息,从输入属性变量集中寻找核心变量。该方法利用基于信息熵改进的变精度粗糙集对支持向量机的条件属性进行约简,得到最小决策表,并将该最小决策表中对应的变量作为支持向量机预测模型的输入属性变量,进行年最大降温负荷预测。且随着预测年份的推移,该支持向量机预测模型的输入属性变量亦将随之滚动更新,能够为电网规划与运行人员提供不同预测时期降温负荷预测需重点关注的影响因子。最后,利用广东省实际数据对广东电网"十二五"和"十三五"年最大降温负荷进行预测,结果表明,所提的预测方法预测效果良好,预测精度稳定,对于中长期预测过程中的各种不确定因素的影响具有较好的鲁棒性,真正实现了中长期降温负荷的动态预测。

基于气象信息和熵权理论的降温负荷估算方法

空调数量增长和极端高温天气使得夏季降温负荷大幅增长,已成为最大负荷屡创新高的重要原因。为了更准确估算降温负荷大小,提出一种基于气象信息和熵权理论的降温负荷估算方法。该方法采用全年最大负荷日负荷曲线与不含降温负荷的基准负荷曲线对应相减后取最大值,从而得到年最大降温负荷。在计算基准负荷曲线时,以气温、相对湿度、降水量等多种气象为轴建立气象坐标系统,通过确定基准气象象限以筛选无降温负荷的基准工作日;根据基准工作日的日最大负荷与气温、相对湿度、降水量等气象信息的相关系数,利用熵权理论确定各基准工作日负荷曲线相对基准负荷曲线权值。最后,利用广州市2009至2013年负荷数据及气象数据估算广州市年最大降温负荷。

基于支持向量机回归组合模型的中长期降温负荷预测

提出基于支持向量机回归组合模型的中长期降温负荷预测方法。其中,支持向量机模型以多种社会经济数据为输入参数,年最大降温负荷值为输出参数。在训练过程中采用网格搜索法对支持向量机回归模型参数进行优化;回归分析中,综合采用线性、二次和三次多元回归的组合模型;最后利用最优组合预测方法将二者组合。采用广东省2008~2011年实际负荷数据和社会经济数据为训练样本,2012~2014年数据为测试样本,对支持向量机回归组合预测模型进行验证,同时也对2015和2020年最大降温负荷进行预测。结果表明,预测值与真实值的误差控制在5%以下,验证了该中长期降温负荷预测模型的有效性。目前该预测模型已在广东电网得到实际应用。

广东电网负荷特性

针对负荷增长和产业结构调整对电网负荷特性产生的影响，根据2008-2013年广东电网及各地市的负荷数据和气象信息，从年、月、日三个时间维度，构建了省、地负荷特性分析指标体系，对广东电网负荷特性进行了分析。基于负荷特性和气象条件，采用 K-MEANS 算法对广东省各地市进行聚类分析，并以广州为例，分析了典型地市的负荷特性。

分析应用电力营销稽查提高电力营销效率

电力营销稽查是将电力营销作为稽查目标的工作,对确保电力营销工作的科学性以及规范性有着非常关键的作用。 电力营销稽 查对于提高电力企业营销效益以及改善电力市场秩序具有非常重大的意义。基于此,本文笔者根据多年工作经验就电力营销稽查的内容、 相关问题以及强化电力营销稽查管理质量水平的有效策略进行简要阐述。