铜陵地区2009年度夏季空调降温负荷分析

通过对夏季空调降温负荷的分析,找出负荷增长的原因,为降低其快速增长提供依据,达到缩小地区电网夏季负荷峰谷差、提高用电负荷率和改善电网负荷特性的目的。

基于FOA优化的BP神经网络在夏季空调降温负荷预测中的应用

对传统BP神经网络预测方法进行了改进,提出了一种采用果蝇算法(FOA)优化BP神经网络权值和阈值的新方法,以某地区近十年的历史气象数据及降温负荷值作为算例,使用果蝇算法优化过权值和阈值的BP神经网络模型进行仿真预测,实验结果表明,相比于传统神经网络,经果蝇算法优化过的BP神经网络具有更好的预测性能,更适用于空调降温负荷的预测。

基于皮尔逊相关系数的电网夏季空调负荷预测研究

采用统计分析的方式研究地区电网夏季空调负荷的变化规律,综合考虑空调负荷的影响因素,构建了地区电网夏季空调负荷预测模型。该模型以地区电网负荷变化曲线为基础,实现了对空调负荷曲线的有效分离,随后采用Pearson相关系数考察各类影响因素与日最大空调降温负荷的相关性,通过比较日最大空调降温负荷与各类指标的相关系数,构造出一个能够体现最大空调负荷受本地区气象和社会经济影响较大的"经济气象综合指标",并利用回归分析提炼出空调降温负荷与综合指标的变化规律,最终实现夏季空调负荷的精准预测。基于某地区电网2006—2015年电力负荷及其相关数据,使用该模型预测2016年该地区电网夏季空调负荷,预测结果证明了模型的有效性。