超短期电力负荷预测作为电力系统的基本组成,能为生产调度计划的制定提供重要依据。然而,电力负荷具有非线性、时变性和不确定性,充分挖掘其潜在特征并分别预测,是提升预测准确性的关键。提出一种基于自适应局部迭代滤波(adaptive local...超短期电力负荷预测作为电力系统的基本组成,能为生产调度计划的制定提供重要依据。然而,电力负荷具有非线性、时变性和不确定性,充分挖掘其潜在特征并分别预测,是提升预测准确性的关键。提出一种基于自适应局部迭代滤波(adaptive local iterative filtering,ALIF)的BiGRU-Attention-XGBoost电力负荷组合预测模型。该模型基于ALIF-SE实现将历史负荷序列分解重组为周期序列、波动序列和趋势序列;通过Attention机制对BiGRU模型进行改进,并结合XGBoost模型构建基于时变权重组合的电力负荷预测模型。实验分析表明,输入模型数据经过ALIF-SE处理后预测精度有明显提升;所提组合模型在工作日和节假日均具有较好的预测效果,预测误差大部分在5%以下;通过在不同负荷数据集下进行实验对比,验证了所提预测方法的可迁移性。实验结果证明,所提模型具有有效性、准确性和可行性。展开更多
在新型电力系统构建过程中,电力客户用电状态识别与评估将成为其参与需求响应、虚拟电厂等新兴业务的重要基础。以保障重要电力客户安全用电为出发点,挖掘应用电力大数据,提出了一种基于层次分析法(analytic hierarchy process,AHP)-优...在新型电力系统构建过程中,电力客户用电状态识别与评估将成为其参与需求响应、虚拟电厂等新兴业务的重要基础。以保障重要电力客户安全用电为出发点,挖掘应用电力大数据,提出了一种基于层次分析法(analytic hierarchy process,AHP)-优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS)的重要电力客户用电状态评估方法。首先搭建了基于Hadoop架构的用电大数据分析平台,为大数据分析提供高性能平台支撑。然后从电压、负荷和综合三类维度构建了9项评估指标,用以描述重要电力客户的用电状态。最后采用AHP-TOPSIS算法分别对电压类、负荷类、综合类指标进行分项评估分析,得出了三类指标各自的用电状态评估值,再通过变权重加权求和的方式确定重要电力客户的用电状态评分。经过算例分析和现场验证,证明了模型和算法的合理性、可行性,该方法有助于促进客户故障事后抢修向事前预警转变,具有保障安全用电、支撑精准巡视、服务主动抢修的多重功效。展开更多
文摘超短期电力负荷预测作为电力系统的基本组成,能为生产调度计划的制定提供重要依据。然而,电力负荷具有非线性、时变性和不确定性,充分挖掘其潜在特征并分别预测,是提升预测准确性的关键。提出一种基于自适应局部迭代滤波(adaptive local iterative filtering,ALIF)的BiGRU-Attention-XGBoost电力负荷组合预测模型。该模型基于ALIF-SE实现将历史负荷序列分解重组为周期序列、波动序列和趋势序列;通过Attention机制对BiGRU模型进行改进,并结合XGBoost模型构建基于时变权重组合的电力负荷预测模型。实验分析表明,输入模型数据经过ALIF-SE处理后预测精度有明显提升;所提组合模型在工作日和节假日均具有较好的预测效果,预测误差大部分在5%以下;通过在不同负荷数据集下进行实验对比,验证了所提预测方法的可迁移性。实验结果证明,所提模型具有有效性、准确性和可行性。
文摘在新型电力系统构建过程中,电力客户用电状态识别与评估将成为其参与需求响应、虚拟电厂等新兴业务的重要基础。以保障重要电力客户安全用电为出发点,挖掘应用电力大数据,提出了一种基于层次分析法(analytic hierarchy process,AHP)-优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS)的重要电力客户用电状态评估方法。首先搭建了基于Hadoop架构的用电大数据分析平台,为大数据分析提供高性能平台支撑。然后从电压、负荷和综合三类维度构建了9项评估指标,用以描述重要电力客户的用电状态。最后采用AHP-TOPSIS算法分别对电压类、负荷类、综合类指标进行分项评估分析,得出了三类指标各自的用电状态评估值,再通过变权重加权求和的方式确定重要电力客户的用电状态评分。经过算例分析和现场验证,证明了模型和算法的合理性、可行性,该方法有助于促进客户故障事后抢修向事前预警转变,具有保障安全用电、支撑精准巡视、服务主动抢修的多重功效。
