题名 基于负荷分解和实时气象因素的短期负荷预测
被引量：64
1
作者
刘旭 罗滇生 姚建刚 贺辉 张凯 刘霏
机构
湖南大学电气与信息工程学院 湖南省电力调度通信中心 衡阳市电业局
出处
《电网技术》
EI
CSCD
北大核心
2009年第12期94-100,共7页
基金
电子信息产业发展基金(信部运[2004]479)
文摘
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。
关键词
短期负荷预测 实时气象因素 负荷分解 气象 敏感负荷神经网络
Keywords
short-term load forecasting hourly weather factors load decomposition weather-sensitive load neural network
分类号
TM715
[电气工程—电力系统及自动化]
题名 短期负荷预测中实时气象因素的影响分析及其处理策略
被引量：102
2
作者
康重庆 周安石 王鹏 郑广君 刘一
机构
电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系) 北京电力公司
出处
《电网技术》
EI
CSCD
北大核心
2006年第7期5-10,共6页
基金
国家自然科学基金资助项目(50377016)。
文摘
短期负荷预测对于电力系统安全经济运行有着重要的作用,因此,人们一直致力于研究新的预测模型,提高预测精度。目前,实现提高预测精度这个目标的关键是如何更加合理地考虑气象因素对负荷的影响,因为气象敏感负荷在总负荷中所所占的比重越来越大。长期以来,鉴于气象部门无法提供实时温度等气象预测结果,电力系统所建立的预测模型绝大多数都是基于日特征气象因素,诸如日最高温度、最低温度等。针对短期负荷预测,作者剖析了气象因素的影响和作用,分析了处理不同阶段气象因素的策略,并提出了考虑实时气象因素的短期负荷预测新模型,该模型基于神经网络,力图寻求温度、湿度等实时气象因素与负荷曲线之间的相关关系和变化规律。实际应用表明,文中的预测模型和处理策略可以得到更加精确的预测结果。此短期负荷预测新模型也适用于超短期负荷预测。
关键词
短期负荷预测 实时气象因素 神经网络
Keywords
short-term load forecasting houdy weather factors artificial neural network
分类号
TM734
[电气工程—电力系统及自动化]
F123.9
[经济管理—世界经济]
题名 基于功率谱分解和实时气象因素的短期负荷预测
被引量：19
3
作者
张凯 姚建刚 李伟 贺辉
机构
湖南大学电气与信息工程学院 湖北省电力调度通信中心 湖南省电力调度通信中心
出处
《电网技术》
EI
CSCD
北大核心
2007年第23期47-51,共5页
文摘
提出了基于功率谱分解和实时气象因素的短期负荷预测方法,采用快速傅里叶变换(fast Fourier transform,FFT)对负荷序列进行变换得到功率谱,依据变换结果分析功率谱得出负荷基频、低频和高频分量的频率范围,采用有限脉冲响应(finite impulse response,FIR)滤波器从负荷中分离出各个负荷分量。分析各个负荷分量的特点,针对各个负荷分量分别设计预测模型,对基频分量采用Elman回归神经网络进行预测,这部分较好地反映出基频分量的时间序列特性;对低频和高频分量分别采用自适应线性回归神经网络进行预测,在对这部分分量的预测中重点引入实时气象因素,以利用最新的气象信息提高预测精度。通过在某地区的实际应用证明了所提出方法的有效性。
关键词
谱分解 实时气象因素 短期负荷预测 人工神经网络 电力系统
Keywords
spectrum decomposition hourly weather factors short-term load forecasting artificial neural network power system
分类号
TM715
[电气工程—电力系统及自动化]
题名 考虑实时气象耦合作用的地区电网短期负荷预测建模
被引量：57
4
作者
李滨 陆明珍
机构
广西电力系统最优化与节能技术重点实验室(广西大学)
出处
《电力系统自动化》
EI
CSCD
北大核心
2020年第17期60-75,共16页
基金
国家自然科学基金资助项目(51767004)
文摘
传统的短期负荷预测中并未考虑实时气象因素的耦合作用,针对此提出了考虑实时气象耦合作用的时域卷积网络短期负荷预测方法。首先,分析了各项实时综合气象指数与负荷曲线的相关性,进而构建了混合日特征量与实时气象因素的相似日选取方法。然后,引入各项实时综合气象指数作为模型输入。最后,采用能够充分考虑并包容实时气象因素与负荷"时差性"特点的时域卷积网络进行日前负荷预测建模。实验仿真以某地区电网实际负荷为例,研究表明该预测模型能够有效提升地区电网日前负荷预测精度。
关键词
短期负荷预测 实时气象因素 相似日选取 时域卷积网络
Keywords
short-term load forecasting real-time meteorological factor similar day selection temporal convolutional network
分类号
TM715
[电气工程—电力系统及自动化]
题名 基于局域波与近似熵的负荷分析方法
被引量：12
5
作者
栗然 陆凤怡 徐宏锐 张烈勇
机构
华北电力大学电气与电子工程学院 广州电力设计院 扬州供电公司
出处
《中国电机工程学报》
EI
CSCD
北大核心
2010年第25期51-58,共8页
文摘
负荷结构及影响因素的日渐复杂,成为提高负荷预测精度的重要瓶颈。由于局域波分解所得到的分量代表了构成负荷的基本成分,而这些成分又对应受不同因素影响的负荷信息,同时近似熵能够很好地量化负荷特征,因此提出了基于局域波与近似熵的负荷分析方法。对负荷序列进行局域波分解,得到若干个能反映负荷组成的分量及余量。将各分量进行希尔波特变换,得到时频谱和功率谱,从而分析出各分量对总体负荷的波动贡献。将近似熵作为各分量及余量的特征参数研究各分量的物理含义。采用实时气象因素对各负荷分量每天不同时段进行分析,以分析气象因素对负荷的影响。实例研究说明,该方法可以很好地进行负荷构成及负荷影响因素分析。
关键词
负荷分析 局域波 希尔波特变换 近似熵 实时气象因素
Keywords
load analysis local wave Hilbert transform approximate entropy real-time meteorological factor
分类号
TM71
[电气工程—电力系统及自动化]
题名 基于动态自适应神经网络和人体舒适度的短期负荷预测
被引量：17
6
作者
祝燕萍 方鸽飞
机构
浙江大学电气工程学院
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2012年第1期56-61,共6页
文摘
针对BP(Back Propagation)神经网络的适应性较差的问题,提出了自适应神经网络的模型,并将其应用到短期负荷预测中。在神经网络进行数据训练时,对于大量的训练数据,提出采用动态自适应的方式进行处理。分析了实时气象因素对短期负荷的影响,以人体舒适度作为气象因子的处理模型。采用杭州地区数据对提出的模型进行验证,与BP模型预测的结果对比,具有更快的预测速度、更高的预测精度。所构建的预测模型具有很好的适应性,并充分考虑了气象因素、日期类型,预测结果表明所提出的预测方法是有效且实用的。
关键词
短期负荷预测 自适应神经网络 动态自适应 实时气象因素 人体舒适度
Keywords
short-term load forecasting adaptive artificial neural network dynamic adaptive method online meteorological factor human body amenity indicator
分类号
TM715
[电气工程—电力系统及自动化]
