考虑气温累积效应的短期负荷预测

随着经济持续发展,人民生活水平不断提高,空调等降温负荷在夏季用电负荷中所占比重近年来总体呈上升趋势。在此背景下,分析了负荷与气温的关系,发展了考虑气温累积效应和负荷对气温变化灵敏度的短期负荷预测方法。首先,通过考虑待预测日的气温、高温持续天数以及待预测日与历史日的温差来计算气温累积效应强度,从而对气温进行修正;在此基础上,采用回归模型来分析负荷对气温变化的灵敏度;之后,以历史日负荷为基准值,根据待预测日与历史日的气温差异对待预测日的负荷进行预测。最后,用广东电力系统的历史负荷数据对所发展的负荷预测方法做了大量测试,表明了预测精度满足系统调度机构要求。

城市燃气短期负荷预测中的气温累积效应

气温累积效应的存在影响了城市燃气短期负荷预测的准确性。针对这一问题,分析了气温累积效应强度的影响因素及其特点;引入了气温累计效应系数,提出了解决气温累积效应的具体方法。计算表明,考虑气温累积效应可显著提高预测的准确度。

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。

基于气温累积效应和炎热指数的夏季日最大电力负荷预测研究

基于湖北省武汉市20082016年每日24 h间隔15 min的96个点的电力负荷数据中统计出的日最大、最小负荷数据及同期武汉站的日气象要素资料(剔除节假日及周末数据),分析了电力负荷与气温的相关性。考虑气温累积效应对电力负荷的影响,建立了气温累积效应的日最高气温修正公式,并利用实例验证了最高气温累积效应对最大电力负荷的影响。引入具有代表性的夏季人体舒适度——炎热指数,将修正后的日最高气温、炎热指数及最大电力负荷作为输入层,利用改进的BP神经网络(基于粒子群优化BP神经网络)对日最大电力负荷进行预测。结果表明:夏季日最大、最小电力负荷与最高气温、最低气温相关性较好,其中下半年日最大电力负荷与日最高气温相关系数均超过0.7,并存在气温累积效应;气温累积效应系数修正后的日最高气温与日最大电力负荷的相关性提升显著,均上升到92%以上,说明夏季最高气温累积效应是明显存在的。考虑日最高气温的累积效应,利用改进的BP神经网络预测模型预测日最大电力负荷,预测精度较高,预测结果能更好地为电力调度及安全运行提供参考依据。

基于气温累积效应和灰色关联度的短期负荷预测研究

气象因素是短期负荷预测重要的影响因素。为提高预测精度,研究了一种基于气温累积效应和灰色关联度的支持向量机拓展算法——最小二乘支持向量机(least squares support vector machine,LSSVM)。通过相关性分析得到与日平均负荷相关程度较大的气象因素。在此基础上,结合气温累积效应采用灰色关联方法对历史日进行分析,选取与待预测日关联度较大的历史日作为相似日,并对LSSVM模型进行训练和预测。实际应用表明,使用所提出的预测模型和数据处理方法能够得到更加精确的预测结果。

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。

流凌封河预报指标法及其在黄河内蒙古河段的应用

把流凌封河累积负气温作为黄河内蒙古河段封河预报关键指标,明确累积负气温与封河流量、降温强度、河槽形态等的关系,确定现有河槽形态以及海勃湾水库运用影响下不同流量和降温强度封河所需的累积负气温,并建立了流凌封河累积负气温预估公式。指标法可以在很大程度上提高黄河内蒙古河段封河预报的预见期与精度。

河北省供暖季天然气负荷与气温关系分析研究

气温是影响供暖季天然气负荷的关键因素。基于河北省地区供暖季日用气量及气温的历史数据,比较了日用气量与日平均温度、最高温度和最低温度的相关程度,建立一元及二元回归方程,能够实现对没有较大政策变化下的供暖季的用气量预测,分析结果表明,二元预测的误差较小。同时考虑了气温累积效应对供暖季用气量的影响,根据日气温的不同情况选取不同的气温累积效应系数对温度进行修正,提高了预测的准确性。分析供暖季天然气负荷与气温的关系,为更准确地预测天然气负荷提供了参考。

基于神经网络的日峰荷预测方法中日期类型系数的确定（英文）

对于基于人工神经网络的短期负荷预测来说,日期类型(星期几)是需要考虑的重要影响因素。通常,日期类型系数被编成7位二进制码作为神经网络的输入变量。该文提出一种日期类型系数的确定方法,将日期类型系数编为1位输入变量,由于精简了输入量,从而提高了预测精度。该日期类型系数通过计算不同日期类型的负荷–气温散点图的拟合曲线、并估计不同日期类型的负荷之差得到。为了消除夏季气温累计效应对负荷的影响并得到更清晰的负荷日期特征,该文采用一种基于遗传算法的气温修正方法,对气温变量进行修正。最后通过对苏州的实际负荷数据预测验证了方法的有效性。

气象环境对电网负荷的影响因素分析

针对地区电网负荷易受多种气象因素影响,负荷预测中存在诸多不确定性问题,研究了气象因素对电网负荷的影响,最大程度减少由气象因素造成的负荷预测偏差。应用灰色关联度分析方法,基于大量历史数据,剖析气温、湿度、风速等气象因素与负荷特性变化的关联度,得到对负荷变化产生主要影响的气象因素。在此基础上,为了量化分析主要气象因素对负荷影响的程度,采用支持向量回归的方法得出日特征气象因素、实时气象因素对负荷变化的的灵敏度模型。同时,考虑到气温的累积效应对负荷特性变化的重要影响,研究气温累积效应对负荷的影响规律,得到气温累积效应修正公式,并用实例证明对历史数据经累积效应修正公式进行修正后,修正数据能够切实提高负荷预测的准确性。

基于特定时期温度因子的小麦成熟期预测

对河南北部地区近10a(2000-2009年)小麦全生育期及不同生长阶段的积温和特定温度累积天数等温度因子与成熟期进行相关分析,结果表明,11月-翌年4月日平均气温≥15℃的累积天数(AD15)和日最高气温≥20℃的累积天数(HD20)与3种熟性小麦的生育期长度均达极显著水平(P<0.01)。用基于日平均气温≥15℃累积天数的回归方程回代模拟历年成熟期,模拟结果与实际日期吻合,表明特定时期特定温度是影响该生态类型区小麦生长发育进程的一个重要气象因子,用日平均气温≥15℃的累积天数的观测值可有效预测小麦成熟期和收获期,在小麦安全收获中有重要的指导价值。

新疆丘陵区小流域春季融雪设计洪水估算

新疆是一个丘陵区春季融雪性洪水多发的省份,每年各地都会形成灾害。灾害性的春季融雪洪水,主要发生在由负气温稳定转为正气温初期的急剧增温期,本文以春季融雪洪水的发生时间与实测逐日气温的对应关系,从推理分析的角度,提出小流域春季融雪的设计洪水估算思路,对实现小流域融雪洪水的预警预报,防患小流域融雪洪水灾害,具有重要的应用意义。

基于气温累积效应的冬季燃气日负荷预测——以西安市为例

为了确保民生用气平稳有序,降低燃气管道运行风险,对城市用气短期负荷作出准确预测尤为重要。通过对西安冬季气温与燃气日负荷之间的关系分析,发现在不同的气温条件下,气温累积效应的强度不同,对燃气日负荷影响程度也不同。因此,提出基于累积系数k的气温修正公式,在新公式中引入了预测日平均气温、低温持续天数及预测日前3天温差等因素的影响,从而使燃气日负荷与气温之间的相关程度得到较大提高。实例预测结果表明:通过累积效应系数对预测日气温进行修正后,得到了较高精度的燃气负荷预测结果,修正后预测值与实际燃气负荷的平均相对误差由修正前的7.78%降至4.63%。

如何提高短期负荷预测精度的探讨

主要从使用和维护的角度,分7个方面探讨了如何提高短期负荷预测的精度。只有精心维护、深入使用,才能不断的提高短期负荷预测的水平和精度。

基于气象指标的安徽电网负荷特性分析及研究

电力负荷特性分析是电网调度运行、生产规划的重要组成部分。为充分发掘安徽电网负荷特性与气象因素的关系,首先对安徽电网基础负荷与气象负荷进行分解;然后基于相关系数法进行多维度气象指标主导因素辨识,在此基础上建立气象指标—负荷二次回归模型,获得气象负荷的灵敏度;最后结合2018年安徽气象情况,阐明了安徽电网2018年夏季负荷特性,并对2019年安徽最大负荷做出预测,对安徽电网负荷预测和电力平衡工作具有指导意义。