电力系统中长期负荷预测方法发展探讨

中长期电力负荷预测的主要工作是预测未来几月、几年甚至更长时间段内的电力负荷的时间和空间分布,对于制定电力系统发展规划及燃料计划等具有重要指导作用。为充分利用现有研究成果,分析了中长期负荷预测的特点和现有成熟方法,分类讨论了各中长期负荷预测方法的适用条件和存在的问题。重点讨论了将主动配电网、电力大数据与云计算、空间电力负荷预测、数据预处理、预测误差评估和概率性负荷预测等纳入未来的中长期负荷预测方法研究体系中的必要性和重要意义,探讨了中长期负荷预测方法未来的研究重点及方向。

基于贝叶斯深度学习的用户净负荷预测方法

分布式光伏(photovoltaic,PV)发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战。为了准确预测用户净负荷,同时捕捉分布式光伏发电和负荷带来的大量不确定性,提出一种基于概率的日前净负荷预测方法。将贝叶斯概率论与深度学习相结合,以处理认知不确定性和任意不确定性;采用子空间聚类技术,将住宅屋顶光伏输出作为输入特征,以提高综合净负荷预测的性能。基于细粒度智能电表数据进行了算例分析,与其他方法进行实验比较可知,所提方法具有更好的性能。