基于DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测

多用户电力负荷预测是指根据历史负荷数据对多个用户或区域的电力负荷进行预测,可使电网企业掌握不同用户或区域的电力需求,以便更好地开展规划和实施调度优化等。然而由于各用户呈现出复杂多样的用电行为,采用传统方法难以进行统一建模并实现快速准确预测。为此,构建了一种基于DTW Kmedoids与VMD-多分支神经网络的多用户短期负荷预测模型。首先,采用DTW K-medoids法进行用户负荷数据聚类,利用动态时间弯曲(dynamic time warping,DTW)计算数据间的距离,取代K-medoids算法中传统的欧氏距离度量方式,以改善多用户负荷聚类的效果;在此基础上,为充分表征负荷历史数据的长短期时序依赖特征,建立了一种基于变分模态分解(variational mode decomposition,VMD)-多分支神经网络模型的并行预测方法,用于多用户短期负荷预测;最后,使用某地区20个用户365天的负荷数据进行聚类、训练和测试实验,结果显示该模型结果的平均绝对误差和均方根误差等指标均较对比模型有较大幅度降低,表明该方法可有效表征多类用户的用电行为,提升多用户负荷预测效率和精度。

售电公司电力现货交易辅助决策系统关键技术研究

对电价预测关键技术、用户负荷预测关键技术和零售套餐设计与测算关键技术进行研究。结合基于XGBDT的电价预测算法与基于人工神经网络的电价预测算法,提出了启发式组合电价预测算法,该算法计算简便、预测准确并且能够进行人工调节。将支持向量回归法用于用户负荷预测,用户负荷预测的精度和效率都较高。建立售电公司电力现货交易辅助决策系统,其功能包括市场分析、出清电价预测、用户负荷预测、现货交易决策、中长期交易管理、零售交易管理等,有助于售电公司降低交易风险,增加现货交易收益。

基于双层XGBoost算法的台区用户超短期负荷预测

台区用户超短期负荷预测的影响因素较多,使得预测结果准确率有所下降,文中提出基于双层XGBoost算法的台区用户超短期负荷预测方法。利用双层XGBoost算法构建超短期负荷预测模型,使用双层协同校正方法校正模型的基准层与实时层。充分考虑超短期负荷预测的影响因素,选取相似负荷向量构成低秩矩阵,使用非线性插值方法填充缺失值,以此实现模型求解,得到台区用户超短期负荷预测结果。由实验结果可知,该方法的预测准确率最高值为99.15%,均方根误差最小值为0.02,预测结果更为精准。

基于改进SLIQ算法的用户侧短期负荷时间序列预测模型

配电网净负荷需求较大,环境敏感度高,短期负荷预测可靠性较差,由此,研究基于改进SLIQ算法的用户侧短期负荷时间序列预测模型。采用SLIQ算法,分类处理包含气候变化的海量负荷数据,分析用户侧需求响应的不确定性,将分类后的数据和用户需求响应率输入基于时间序列的组合预测模型,初步预测用户侧短期负荷结果;利用S型函数的神经网络模型,改进SLIQ算法求解过程,采用梯度搜索学习的方式,修正S型激发函数计算误差,调整用户侧需求响应的不确定性,输出用户侧短期负荷预测结果。测试结果显示,该模型结合气象条件因素后,完成历史负荷数据分类的可行性较高,日负荷预测准确率和拟合系数结果分别在0.95和0.94以上,能够可靠完成用户侧负荷预测。

基于温控负荷参与的多虚拟电厂联合调度研究

空调等温控负荷在虚拟电厂(VPP)的优化调度中起着至关重要的作用。针对VPP中新能源功率输出不稳定问题,提出了基于温控负荷参与的多VPP联合调度策略。首先,研究了温控负荷聚合模型,构建了多VPP分布式能源协调互补的联合调度框架,在日前阶段根据预测数据制定联合调度计划,多VPP管理中心对各VPP进行多能互补。其次,在日前阶段引入考虑用户意愿度的温控负荷模型,在日内阶段根据短期预测数据对调度计划进行滚动修正,减少新能源功率输出波动带来的供需偏差。最后,通过MATLAB调用Cplex仿真分析,验证了多VPP联合优化调度策略不仅保证了供电可靠性,还有效减少了预测偏差带来的补偿费用。

基于多维融合特征和卷积神经网络的多任务用户短期负荷预测

针对海量用户负荷预测场景下,应用单任务用户负荷预测法所导致的运行效率低以及无法学习相关任务间关联关系等问题,提出一种基于多维融合特征和卷积神经网络的多任务用户短期负荷预测方法。首先,基于聚类技术实现多任务学习中相关任务的选择;其次,为每一类用户群构建多维融合输入,合理有序容纳多个任务的特征,避免维度爆炸和信息混乱;最后,分别为每一类用户建立以卷积神经网络为共享层的多任务预测模型,学习共享特征,并行输出相应类中全部用户的负荷预测值。基于爱尔兰能源监管委员会提供的智能电表实测数据进行算例分析,结果表明,该方法在提高整体运行效率和平均预测精度方面均取得良好成效。

电力用户侧大数据分析与并行负荷预测

随着智能电网、通信网络技术和传感器技术的发展,电力用户侧数据呈指数级增长、复杂程度增大,逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求,迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大数据的来源,针对电力用户侧大数据的数据量大、种类繁多与速度快等特点,指出电力用户侧的大数据在数据存储、可用性、处理等方面面临的挑战。结合云计算技术提出一种电力用户侧大数据分析处理平台,将智能电表、SCADA系统和各种传感器中采集的数据整合,并利用并行化计算模型Map Reduce与内存并行化计算框架Spark对电力用户侧的大数据进行分析。提出基于随机森林算法的并行负荷预测方法,将随机森林算法进行并行化,对历史负荷、温度、风速等数据进行并行化分析,缩短负荷预测时间和提高随机森林算法对大数据的处理能力。设计并实现基于Hadoop的电力用户侧大数据并行负荷预测原型系统,包括数据集群的管理、数据管理、预测分类算法库等功能。采用不同大小的数据集对并行化随机森林算法进行负荷预测实验,实验结果表明,并行化随机森林算法的预测精度明显高于决策树的预测精度,且在不同数据集上预测精度普遍高于决策树的预测精度,能够较好的对大数据进行分析处理。

城市配电系统用户接入模式及典型应用

为了解决电力用户接入城市配电网方案制订中存在的问题,使整个配电网的改造升级更加科学合理,建立起业扩报装工作的标准流程。首先深入分析待接入地区的配电网网架结构和用户负荷特性,确定用户接入配电网的接入点和接线模式,制定出符合地区实际情况的典型接入方案,其次对各个接入方案进行综合评价并作出优选,最后结合广西南宁凤景湾住宅项目的接入方案制订,对业扩报装工作标准流程进行实例验证。结果表明,标准的工作流程思路简单、结果准确、工作速度快,可用于指导电力部门工作人员进行新用户报装和配电网的改造升级。

面向用户侧的电池储能配置与运行优化策略

为提高用户侧电池储能投资与运行的经济性,降低用户用电成本,提出了用户侧电池储能配置优化及运行调度滚动优化方法。首先,分析了用户加装储能的收益以及储能运行的约束,然后构建了储能配置优化模型、储能月前和日内运行滚动优化模型,并用CPLEX求解器进行求解。在构建模型时加入了储能性能约束,能有效减少储能运行时充放电状态之间的转换次数,延长储能寿命。在月前优化中,确定一个预测的月需量防守值;在日内滚动优化中,构建了储能日运行分段优化模型及月需量防守值更新模型,实时更新日负荷数据及月需量防守值,进行滚动优化,不断修正负荷预测误差影响。最后,对工业大用户进行算例仿真,验证了所提优化模型的有效性。

新型电力系统多元用户的用电特征建模与用电负荷预测综述

新型电力系统下,能源消费模式逐渐多样化,用户用电行为特征更加多元与复杂,增加了电力系统负荷精准预测的难度。聚焦新型电力系统环境下多元用户侧的柔性负荷资源,总结并分析了现有多元用户的用电特征建模技术和用电负荷预测技术。首先,从多源数据采集与预处理、用电特征提取、用户群体分类、关联因素分析4个环节对多元用户的用电特征建模技术进行归纳分析,总结了技术发展现状及存在问题。其次,分析了考虑需求响应的用电负荷预测发展趋势,并从多元用户侧的荷性可调资源和源性负荷资源两个方面对用电负荷预测技术进行了归纳分析,总结了多种类型用电负荷预测的研究思路。最后,讨论了新型电力系统下多元用户用电特征建模与用电负荷预测研究所面临的挑战,并结合新型电力系统和人工智能方法的特点,给出了参考性的建议与展望。

用户侧响应对电网负荷的影响研究

本文针对我国电力体制改革不断深入的背景,主要研究电力市场用户侧响应对负荷变化的影响,分析了数据挖掘技术在预测中的应用,提出了完善支持向量机预测算法的方案,有助于深度挖掘用户用电对负荷的影响规律,提升预测模型对市场变化的适用性。

采用支持向量机图形用户界面的电力负荷组合预测方法

运用多种预测方法对中长期电力负荷预测所得结果会相差甚远,而综合各方法的组合预测能够避免其偏颇。由于在小样本和非线性拟合能力方面的优势,支持向量机方法被用于组合预测:多种传统方法预测值作为输入,拟合输入与输出之间的非线性关系,求得预测结果。针对SVM在处理回归问题时算法编程及参数寻优较为复杂的问题,提出了一种基于SVM图形用户界面(Graphical User Interface,GUI)工具箱的组合预测方法。算例分析表明,运用该方法,在预测过程中可直观、方便地应用通用软件工具包,且预测精度较高,便于推广和工程应用。

CCHP用户冷热电负荷预测的纵横交叉优化深度信念网络方法

针对目前CCHP用户冷热电负荷预测影响因素繁多、构建模型复杂、预测精度不足的问题,提出了一种结合变分模态分解和深度信念网络的CCHP用户冷热电负荷预测组合预测方法。首先分析了CCHP用户冷热电负荷序列的周期性和随机性,提出采用变分模态分解方法对CCHP用户冷热电负荷进行分解;其次,基于分解后模态分量易于出现冗杂,采用样本熵对分解后模态分量进行重构,降低冗杂程度;最后,因深度信念网络初始权重过于随机化,采用纵横交叉算法优化深度信念网络对CCHP用户冷热电负荷进行预测,并依据实例仿真,分析了CCHP用户冷热电负荷的预测结果。实例表明,所提预测方法有效地提高了预测精度,实用性强。

基于不同分布下GARCH-M族模型的短期用户负荷预测

电力负荷预测是电力系统研究的基础工作之一,而时间序列分析法是目前使用最广泛的预测方法。针对用户日度负荷时间序列存在的波动性及尖峰厚尾特征,文中提出利用均值广义自回归条件异方差(GARCH-M)族模型进行用户负荷预测。首先根据用户日度负荷时间序列的分布情况,利用拉格朗日乘数(LM)检验方法检验了负荷序列的自回归条件异方差(ARCH)效应;其次提出在高斯分布、t分布和广义误差分布(GED)3种不同分布下,根据波动补偿项的不同形式,建立GARCH-M族模型;最后结合损失函数进行预测分析,结果表明相比传统时间序列分析模型,在不同分布下的GARCH-M族模型提高了短期用户负荷预测准确度。

电力系统单用户超短期负荷预测算法研究

不同于10 kV以上线路的负荷预测,单用户的超短期负荷预测往往表现出很高的不准确性。文章分析了这种不准确性的来源,并通过分析表明了这种不准确性是无法避免的。针对该问题不再以负荷曲线为预测目标,而是提出了以热力图来表示负荷预测结果的思路;将热力图与马尔可夫过程的基本原理相结合,设计了单用户的超短期负荷预测算法。这种算法包含预测数据初始化、增量更新以及预测结果生成等三个环节;以苏州某城区用户的实际数据进行实验,结果验证所述算法具有较高的预测准确度。

基于单值聚类分析的区域居民概率负荷预测研究

随着市场竞争的加剧、基础设施的老化以及可再生能源整合的要求,概率负荷预测由于其丰富的结果表现形式在能源系统规划和运营中变得越来越重要。为提高区域居民概率负荷预测的精确性,文章将聚类分析作为概率负荷预测的预处理环节,构建基于单值聚类分析的区域居民概率负荷预测框架。通过探索多种概率负荷预测方法在不同聚类分组下总负荷预测精度的改善情况,从而验证了基于单值聚类分析的区域居民概率负荷预测框架的有效性。

基于用电模式数的大用户负荷短期预测技术研究

针对传统负荷预测方法适用性差问题,文中通过月均负荷率和负荷标准差与月均负荷率的比值对大用户进行划分,明确大用户的负荷特性分类。在此基础上,对分类用户的典型负荷曲线、波动曲线、连续负荷曲线进行分析,得出各类用户的用电模式数,再分别根据模式数制定针对性预测方法,提高可调度容量预测的精确度,为电力营销需求响应业务的快速发展提供技术支撑。

基于UTCI-MIC与振幅压缩灰色模型的用户侧微电网短期负荷预测方法

短期负荷预测是保障用户侧微电网经济、安全运行的基础。现有研究表明,综合考虑气象、地理等影响因素的负荷预测模型在一定程度上提升了预测准确率。但在具有明显城市特征的用户侧微电网负荷预测中存在局限性,其预测结果呈现显著偏差,使得基于该结果的潮流计算偏离实际情况,危及系统的安全运行。针对此问题,提出了一种新型热气候指数–最大信息系数(universal thermal climate indexmaximal information coefficient,UTCI-MIC)与振幅压缩灰色模型的用户侧微电网短期负荷预测方法。首先,该模型采用经验模态分解将用电负荷分解为波动负荷和趋势负荷曲线;其次,建立了考虑相似日的MIC矩阵与涵盖多时刻气象、地理区位、城市特征因素的UTCI热环境评估方法,用于波动负荷预测;最后,将基于振幅压缩灰色模型获得的趋势预测结果与波动预测结果重构,得到用电负荷预测结果。案例验证表明,所提方法可有效预测城市特征明显的用户侧负荷变动情况,其预测准确率可达96.91%以上,为城市电网的能量管理系统和电力市场交易提供重要参考。

基于CEEMD-RSVPSO-KELM的用户侧微电网短期负荷预测

用户侧微电网负荷随机性强,短期负荷的预测精度对微电网的正常运行起着重要作用。提出了一种基于互补集成经验模态分解(CEEMD)和区域划分自适应变异粒子群(RSVPSO)算法优化核极限学习机(KELM)的负荷预测模型。采用互补集成经验模态分解将负荷序列分解为多组平稳的子序列,以减小不同局部信息之间的相互影响。针对粒子群算法易早熟和收敛速度慢的问题,利用区域划分来实现惯性权重和学习因子的自适应调整,提高粒子的全局寻优能力和搜索效率,并结合自适应变异操作避免陷入局部最优,加强核极限学习机预测精度。最后通过案例验证,所提模型的预测准确率约为98.114%,较其他预测模型具有更好的预测效果和实际应用意义。

多层次母线负荷预测方法研究

母线负荷预测不仅是推进调度精益化管理的重要手段,而且对于节能调度的推行、发电计划的制定、电力现货的交易等工作具有至关重要的作用。目前绝大多数短期负荷预测都是系统级的,母线负荷预测很难直接套用系统负荷预测的方法,因此提出一种基于挂接电源、终端用户及检修、气象等因素的多层次母线负荷预测方法。通过该方法可实现母线负荷预测的精细化分析预测,有效提高预测精度。