基于PSO和曲线重迭算法的扩展短期负荷预测

精确的电力系统扩展短期负荷预测,有利于改善短期负荷预测效果和制定科学合理的滚动发电计划。根据历史负荷数据的内在规律性,提出了一种基于粒子群优化改进曲线重迭算法的扩展短期负荷预测方法。该方法由若干个同日类型日形成相关负荷集,并结合粒子群优化算法(PSO)的全局寻优能力对传统曲线重迭法中的参数进行了优化,有效克服了传统曲线重迭算法中依据经验选定参数的盲目性。研究结果表明,该预测方法较传统曲线重迭预测法有更高的预测精度。

电力市场中扩展短期负荷预测的动态支持向量机模型研究

日负荷预测并不利用最新获得的负荷和天气等信息及时更新预测模型输入,不能动态跟踪最新的负荷变化。扩展短期负荷预测利用最新获得的信息。预测当前时刻以后若干小时的未知负荷,可以明显提高预测精度。通过支持向量机建立动态预测模型,滚动引入最新获得的负荷相关信息,对当日未知的多点负荷分别利用不同模型进行滚动预测。研究实例表明该动态模型预测误差较一般短期预测降低1/3左右。

基于云计算的扩展短期负荷预测方法的研究

随着国家基础设施建设的不断完善,人们的生活环境有了很大的改善。为了提升社会各环节、各领域的节能效益,各行业都积极进行了相关的改革。在这种情况下,我国电力系统也面着在保证系统稳定性的前提下节能降耗运行等实际问题。从实践过程来看,我国电网管理环节针对电力系统的总体负荷特性以及预测技术对负荷预测的影响的研究较为深入,且在当前的技术水平下,将云计算模式引入到该电网项目之中。本文就基于云计算的扩展短期负荷预测方法及其实际的应用过程进行阐述,探究在该方法影响下电网环境的改善效果,以期为实践工作带来启示。

提高电网短期负荷预测精度的研究

以广东珠海电网为例,对负荷特性、经济发展特点、气候变化、预测技术等影响负荷预测的因素进行分析,提出提高电网短期负荷预测精度的措施:建立和完善典型日负荷样本数据库;特殊事件造成负荷较大变化时进行人工干预;合理做好负荷日的类型分析;采用扩展短期负荷预测方法进行明日负荷预测;建立气象负荷数据源预测模型。这些措施在珠海电网中应用效果显著。

电力现货市场前瞻优化的周期选择

前瞻优化对于适应可再生能源的发展需求,确保电力现货市场良好运作,发挥着重要作用。而合理的前瞻周期选择能够有效地提高电力系统全局优化的可靠性与经济性。因此,迫切需要对前瞻周期的选择问题进行研究。为此,文中首先通过建立电力现货市场前瞻优化模型,推导了优化模型下的节点边际电价公式,分析了跨时段约束对节点边际电价的影响。然后,构建了前瞻周期的偏差量模型,设计了电力现货市场前瞻周期的选择流程。最后,通过不同的算例,揭示了不同前瞻周期下跨时段约束对节点边际电价的影响,验证了流程所选最佳前瞻周期的有效性。