基于气象负荷因子的Elman神经网络短期负荷预测

针对地区电网负荷易受气候影响的特点 ,引入气象负荷因子 ,提出了一种综合考虑各项气象因素 ,采用Elman反馈神经网络的短期负荷预测模型。由于 Elman神经网络具有动态递归性能 ,可增强负荷预测模型的适应性。经上海电网实际数据的预测仿真计算 ,证明此方法与传统神经网络预测模型相比 ,既能减少输入变量个数 ,又能有效地提高预测精度。

基于生长曲线与气温累积效应的气象负荷预测

夏季受高温天气的影响,由降温设备所引起的气象负荷日趋变大。针对气象负荷获取困难以及负荷预测精度不高的问题,提出一种新的气象负荷预测方法。首先,为获得准确的气象负荷数据,采用生长曲线来描述基础负荷的增长特性,通过剔除基础负荷来获得气象负荷数据;其次,考虑到夏季高温天气的气温累积效应,需要对高温天气的日最高温度进行修正,提出一种基于气象负荷的温度修正方法及相应模型;最后,建立粒子群优化的极限学习机负荷预测模型,分别对总负荷和气象负荷进行预测。算例分析结果表明,基于生长曲线与气温累积效应提升了负荷预测效果,验证了所提算法和模型的有效性。

引入积温效应预测夏季西安市电力气象负荷

利用2010—2012年6—8月西安市逐日电力负荷资料及对应时段地面观测站数据,分析了高温天气过程中日最大电力负荷的变化特征。结果发现,3年间西安地区共发生晴热天气过程5次,闷热天气过程4次,其中晴热天气过程发生在6月,闷热天气过程发生在7、8月,且闷热天气过程的电力负荷增长更加明显;利用日最高气温变化跟踪气象负荷的变化发现,日最高气温33℃为西安市气象负荷初始气温敏感点,35℃为强气温敏感点,38℃为极强气温敏感点;引入积温累积效应,建立了多元回归的电力气象负荷预测模型,经2013年夏季模型应用检验表明,日最大电力负荷预测平均误差为6.0%,能较好的模拟电力负荷的实际变化,对西安市夏季电力气象服务工作有指导意义。

基于累积平均气温模型的气象负荷预测

本文首先分析我国中部某城市的基础负荷和气象负荷特性,利用历史气象资料根据最高气温对该地区夏季气候特性归类;然后通过相关系数法筛选出与日气象负荷最相关的气象指标,选取累积平均气温作为气象负荷的预测模型参数,最后本文通过回归算法给出日气象负荷与主导气象指标的关系模型,并根据气温条件的不同分情况给出2019年最大负荷预测值。

光伏影响下考虑气象负荷分解和LSSVM的负荷预测

随着光伏电源并网规模的不断扩大,光伏电源出力的波动性使得负荷预测难度加大,气象因素又对电力系统负荷有显著的影响。考虑剥离光伏电源对电网负荷预测的影响后,研究实时气象因素对电力系统净负荷的影响,然后将净负荷分解为基础负荷和气象敏感负荷,采用灰色模型GM(1,1)和最小二乘支持向量机算法分别对二者进行预测。之后采用主导气象因素辨识方法分析影响净负荷的主要气象因素,合理选取预测模型的输入向量,实现了考虑光伏影响与气象敏感负荷分解的LSSVM负荷预测。实验证明所提出的模型能够明显提高负荷预测的准确度。

机理-数据混合驱动的气象敏感负荷需求响应潜力评估

为准确评估电网中气象敏感负荷需求响应潜力,提出了一种基于机理-数据驱动方法融合的气象敏感负荷需求响应潜力评估方法。该方法根据数据驱动的双分支神经网络模型估算电网层级的气象敏感负荷功率,基于热力学等值模型建立气象敏感负荷的机理聚合模型,并以聚合功率与估算功率误差最小为目标,采用控制变量法和粒子群优化算法优化确定机理聚合模型的等效参数(温控负荷设备数量、温度设定值等),同时综合考虑用户舒适度与意愿度等因素评估气象敏感负荷需求响应潜力。实例验证结果表明,该方法估算的气象敏感负荷功率与温度具有显著相关性,获得的机理聚合模型等效参数及需求响应潜力与实际情况相符且合理。

环境气候变化对渔业电气设备负荷影响研究

随着智能渔场电气化水平不断提高,渔场内环境敏感型负荷比例增加,负荷预测应充分考虑环境气候变化对渔业电气设备运行的影响。首先,对渔场监测平台采集的数据进行分析与预处理,依据气候特征进行典型场景划分;其次,利用最小二乘法分解受环境气候影响的气象负荷,采用相关系数法分析负荷与气象指标之间的相关性,通过SPSS软件采用主成分分析法将多个单一气象指标转化为少数几个综合指标,利用综合气象指标和气象负荷数据进行BP神经网络训练,构建了典型场景下基于BP神经网络的渔业电气设备负荷预测模型;最后,基于目标日的渔业电气设备运行情况和气候指标数据进行了实例验证,结果表明该模型反映了环境气候变化对渔业电气设备负荷的影响,误差精度满足实际工程需要。

基于积温效应的抚州市电力负荷预测模型构建与应用

为开展精细化电力气象服务,利用2017—2020年5—9月江西省抚州市电网逐日日用电量、日峰负荷、日谷负荷和同期气象观测资料,分析夏季持续高温天气过程中,电力气象负荷变化规律,并采用多元线性回归方法,构建了基于积温效应的抚州市夏季电力负荷预测模型。结果显示:电力负荷随气温升高而增长,在持续3 d以上的炎热天气影响下,电力负荷波动更明显;引起电力负荷显著增长的日平均气温、日最高气温、日最低气温的初始敏感值分别为28、35、25℃,强敏感值分别为30、36、27℃;模型验证结果表明电力负荷平均相对误差均<5%,预测精度满足业务调度要求,可为夏季电力气象服务工作提供决策指导。

针对气象敏感型综合能源负荷的收敛交叉映射因果关系分析

气象敏感型综合能源负荷是随气候条件变化而波动明显的电、冷、热等多元负荷,具有较强的随机性、不确定性与耦合转化关系,现有的负荷特性分析方法难以精准量化评估气象因素对其的影响。选取实际的综合能源系统为分析对象,基于负荷特性分析,建立了包含多种单一和综合气象因素的关联指标体系,通过基于滑窗法的强关联时段提取、基于收敛交叉映射方法的因果关系强度及敏感度计算构建了因果关系模型与分析流程,结合算例仿真对所提模型进行了验证。结果表明,所提方法能够准确衡量气象因素对多元负荷的影响,可为后续开展能源系统规划与负荷预测研究提供参考。

基于气象因子的长沙市日最大电力负荷预测对比研究

基于长沙市2018—2020年逐日日最大电力负荷和同期逐日气象要素数据,统计分析了日最大电力负荷的变化规律及节假日/周末效应。用趋势法分离出气象敏感负荷,并将气象敏感负荷与气象要素做相关性分析,最后用支持向量机方法和多元线性回归法对负荷进行模拟预测。结果表明:长沙市日最大电力负荷在一年内有2个峰值,分别出现在夏季和冬季,长沙市日最大电力负荷整体呈现增长趋势。日最大电力负荷的节假日/周末效应不明显。在春季和秋季,气象敏感负荷和气象因子的相关性较差,在夏季和冬季,温度是影响气象负荷最重要的气象因子。支持向量机方法对长沙市日最大电力负荷模拟效果较好,且加入综合气象指数使得模拟结果变好。

华中电网日负荷与气象因子的关系

从华中电网 4省 1 997年 2月至 2 0 0 0年 5月逐日的电力负荷资料中分离出随气象因子变化的气象负荷 ,分析了气象负荷和同期的气象资料的相关关系 ,重点研究了气象负荷随气温变化的规律 ,探讨了华中各省气象负荷与气温关系的异同。研究表明华中电网日负荷与日平均气温的相关关系明显 ,在日平均气温大于 2 0℃时相关系数为正 ,小于 2 0℃时为负 ,在气温为 2 5～ 2 8℃时负荷对气温的变化最敏感。

桂林电网日负荷与气象因素的关系及其预测

日负荷预测作为能量管理系统(EMS)的重要组成部分,是电力系统安全、经济运行的保证。为更好地了解气象因素对电网负荷的影响,利用桂林地区2005年和2006年逐日的负荷与气象资料分离出了气象负荷。通过研究气象负荷与各气象因素之间的相关关系表明:利用气象负荷可以更好地分析气象因素对日负荷的影响,从而为电力部门的负荷预测工作提供重要的参考依据。最后采用一种基于相似日的方法计算气象负荷,进而预测整个电力负荷,通过实际的算例验证,取得了比较满意的预测效果。

华东电网气象负荷特性分析

利用华东电网省市气象观测资料和历史负荷进行分析,找到影响电网气象负荷的关键气象因子并建立相关关系模型。通过对典型日估算的省市气象负荷与模型拟合负荷进行印证,并据此推导出华东全网气象负荷与关键气象因子的拟合关系。

基于经济气象因素的月用电负荷预测模型研究

基于2012—2018年安徽省淮北地区月用电负荷、宏观经济数据和气象观测资料,运用相关分析、多元回归分析和曲线拟合等方法,将实际用电负荷分解为趋势负荷和波动负荷,分析趋势负荷与经济数据的关系建立基于经济指标的趋势负荷预测模型,拟合率达到99.3%;研究波动负荷与气象因子的关系建立基于气象因子的波动负荷预测模型,拟合率达到97.8%;经测试模型的泛化能力较高,符合设计要求。将研究成果作为新的服务手段为电力部门提供更加专业、定量的服务产品,为淮北电网运营调度提供科学依据,取得了明显的社会经济效益。

气象因素对淮北市电力负荷的影响及其预测研究

利用2012—2016年安徽省淮北市逐日用电负荷和气象要素数据,采用相关分析、回归分析、曲线拟合等统计方法,分析用电负荷的季节变化、周末/节假日效应变化规律,提炼主要气象影响因子并分析温度对负荷的1℃效应和负荷对最高温度的敏感性,构建趋势负荷和趋势方程,介绍将周末/节假日效应应用于气象负荷提取和不同预测模型的建立,采用趋势法建立逐日负荷预测的多元回归方程和曲线拟合方程,并针对趋势法的弱点提出2日增量法,建立相应的预测模型,其中2日增量法预测模型的历史拟合率和2017年试报应用均达到96%—97%,比趋势法高2%—3%,比目前的考核要求高4%—5%,提高了负荷预测精度。

辽宁省日最大电力负荷与气象因子的关系

利用2016—2018年辽宁省日最大电力负荷资料和多种气象要素的逐日观测资料,探究了辽宁省日最大电力负荷的变化特征及其与多种气象因子的关系。研究表明,近三年辽宁省日最大电力负荷呈现在波动中增长的趋势,且冬季平均的日最大电力负荷高于夏季;将气象负荷分离后,分别计算了气象负荷与平均气温、最高气温、最低气温、相对湿度、降水量、风速六种气象因子的相关性,发现气温是影响辽宁省气象负荷最重要的气象因子;夏季平均气温与气象负荷的相关性最好,除温度之外,相对湿度和风速对夏季电力负荷也有一定的影响,冬季的降水量和风速与气象负荷也有显著的相关性。

基于负荷分解和实时气象因素的短期负荷预测

根据地区气象与负荷的相关关系,从总负荷中分解出对气象不敏感的基础负荷和受气象因素影响的气象敏感负荷,并分别采用灰色系统GM(1,1)模型和基于LMBP(Levernberg-Marquardt back propagation)算法的多层前馈神经网络对二者进行建模预测。在对实时气象因素、日特征气象因素与气象敏感负荷相关性分析的基础上,重点把握某些气象因素与气象敏感负荷之间的联系。通过合理选择神经网络的输入变量,实现了基于实时气象因素的短期负荷预测。实际应用证明了所提出方法的有效性。

气象因子与电力负荷的时空关联特性研究

电力负荷预测作为电力系统的基本组成,在电力调度中扮演着重要角色,气象因子则作为十分关键的负荷影响因素被广泛引入到电力负荷预测模型中,准确把握气象因子与电力负荷之间的时空关联特性已经成为提升负荷预测水平的关键。目前相关研究缺乏对中国各区域气象因子与电力负荷之间关系系统全面的分析。文章提出了一种气象因子与电力负荷的时空关联分析方法,并设计了时空关联分析系统,该系统基于真实数据,利用数据驱动的方法,精细化地分析了全国范围内各区域、各时间段中气象因子与电力负荷的关联特性。具体分析时,首先从原始负荷中分离出气象负荷,然后采用最大信息系数度量不同区域、不同时间、不同气象因子与气象负荷之间的线性或非线性关系。最后通过负荷预测实验证明了提出系统的高效性和实用性,该系统的分析结果可为负荷预测相关研究起到基础性指导作用。

夏季湖北电网气象敏感负荷预测模型研究

利用2009—2010年湖北电网日用电负荷资料和气象资料,提出了基于电网负荷的分解算法,将电网日最大负荷分解为基础负荷与气象敏感负荷2个主要分量。其中,气象敏感负荷与气温、相对湿度及风速的综合气象敏感负荷条件指数相关。提出了基于权重指数的湖北省面平均气象敏感负荷条件指数的算法。利用相关比法,分析了湖北省气象敏感负荷与面均气象敏感负荷条件指数的非线性关系。基于均方偏差最小原理和非线性最小二乘法,建立了夏季湖北电网气象敏感负荷与面均气象敏感负荷条件指数的多项式预测关系模型。经2010年9月模型应用检验表明,预测平均误差低于6%。该模型可用于夏季湖北省电力专业气象服务工作。

夏季温湿指数与气象敏感电力负荷的研究

为了深入了解夏季电力日峰荷与气象因子之间的关系,从负荷资料中分离出随气象因子变化的气象敏感负荷,在考虑气象因子对气象敏感负荷的累积效应基础上,建立了气象敏感负荷变化率与气象因子间的关系模型。对2004～2005年某市夏季气象敏感负荷与温湿指数、日平均温度、日最大温度进行的灰色关联分析结果表明:温湿指数是对夏季气象敏感负荷影响最大的关联变量。在此基础上建立了夏季气象敏感负荷与温湿指数的三次多项式模型,计算分析了气象敏感负荷变化率与温湿指数的关系,为电网负荷的预测和运行调度提供依据。