含分布式能源区域电网月最大净负荷概率预测

负荷预测在电网规划和运行中十分重要,大规模分布式能源接入电网参与能量交换,可使电网用户优化其用电模式,但造成区域电网月最大净负荷特性发生根本性改变,增加了月最大净负荷预测的不确定性。为此,结合BP神经网络算法与分位数回归模型,构建了区域电网月最大净负荷的非线性概率预测模型;并利用核密度估计算法计算得到了月最大净负荷概率预测分布曲线;最后,以上海某含分布式能源区域电网为例,验证了该方法的可行性与可靠性。结果表明,该方法可准确刻画月最大净负荷波动特性,为电网规划与负荷管理提供依据。

应用变差模型对广西电网月负荷预测的研究

给出电力系统短期负荷预测的变差分析模型。将负荷分解为年度变差、月份变差和随机变差 ,通过对其进行分别估计便可得到负荷的预测值。并以广西电网在不同的采样年限下的负荷进行预测 ,实例分析表明了该方法的有效性。

基于一维卷积神经网络的某网区月度负荷预测研究

对网区月度最大负荷预测是调控方式专业的常规工作,对涉及转供负荷的线路和设备进行有效的负荷预测也是实施停电计划工作的关键,本文通过搭建卷积神经网络,预测下一个月的每日最大负荷及月度最大负荷,通过人工智能算法优化停电计划编排,验证了该方法提高月度最大负荷预测准确度的可行性。

典型居住地块电力需求特性分析与预测

功能地块的负荷发展对于地区电网的电力负荷预测起到了至关重要的作用。与其他功能地块不同的是,居民地块的负荷发展往往与地块发展定位及成熟度密切相关。同时,居住地块的负荷在夏、冬季负荷波动受气候影响极大。以居住地块的入住率作为切入点,以3个居住地块的月最大负荷作为研究对象,对月最大负荷序列筛选后回归建模,将月最大负荷解耦,得出基本分量和气温负荷,分析该类型地块电力需求的历史变化,并结合入住率分析基本负荷的饱和时间及户均基本负荷推荐指标。