收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

计及多源气象信息与评价指标冲突的概率短期负荷预测

齐斌  
【摘要】:短期负荷预测是电力系统安全、稳定、经济运行的重要保障。但短期负荷具有不确定性、随机性等特点,且随着可再生能源向电力系统不断渗入,发电侧与需求侧不确定性不断增加,确定性预测结果无法反映负荷变化的可靠波动范围,不能有效满足计划调度、风险评估、分析可靠性等工作对概率预测结果的需求。需研究概率短期负荷预测方法,以概率预测结果度量负荷变化不确定性,作为决策依据。但预测各环节中仍存在:预测前,未有效计及多源气象信息差异性,纳入影响短期负荷变化主因的气象因素、特征选用不明确;预测时,概率预测方法误差统计繁琐、模型复杂度高;预测后,各评价指标结论冲突、决策困难等亟待解决的关键问题。针对上述问题,提出计及多源气象信息与评价指标冲突的概率短期负荷预测方法,以获得精确可靠的概率预测结果。预测前,为解决特征选用不明确问题,详析不同时间尺度上负荷周期性变化,确定周期性特征集合;分析负荷自相关性,确定负荷特征集合。预测前,为解决未有效计及多源气象信息差异性,纳入气象因素影响问题,采用核密度估计等方法对比与待预测负荷相关各气象站温度统计特性,采用相关系数分析温度与负荷相关性,表明各站点温度统计特性及与负荷相关性方面存在差异,引入气象因素时,有必要选择气象信息,构造气象场景。基于此,提出气象信息选择策略:构造温度特征集合,基于各气象源或组合展开预测并评价,确定研究气象场景。验证表明,通过气象信息选择或组合有效提高负荷预测准确性。预测后,为解决多指标评价结论冲突、决策困难的问题,提出面积灰关联决策方法综合评价预测结果,优选模型,算例表明面积灰关联决策与原始决策信息相一致,有效克服多指标评价结论冲突问题;相较距离灰关联决策更明确地分辨模型间差异,结论更可靠。预测方法上,为解决部分研究方法误差统计过程繁琐、主观性强,或模型复杂度高等问题,采用结构简单、预测结果有概率意义的高斯过程回归(Gaussian Process Regression,GPR)方法。选择协方差函数确定最优GPR模型,对比其与预测误差统计法、分位数回归神经网络等主要概率模型预测效果,结果表明最优GPR模型在确定性预测方面更准确;在概率预测方面,准确刻画了负荷的波动性,保证预测可靠性的同时,精确性更高。气象场景上,采用面积灰关联决策,确定不同气象场景下最优GPR模型并展开对比,算例结果表明通过选择气象信息,构造合适气象场景,有效提升了概率短期负荷预测的准确性、精确性与可靠性。


知网文化
【相似文献】
中国期刊全文数据库 前13条
1 郑建柏;;基于朴素贝叶斯和支持向量机的短期负荷预测[J];电力安全技术;2016年12期
2 连楷敏;陈冬沣;肖建华;;基于气象信息因素修正的灰色短期负荷预测研究[J];自动化应用;2016年12期
3 林佳亮;李暖群;黄庆键;;基于支持向量机方法的短期负荷预测研究[J];自动化应用;2016年12期
4 黎强;;分类管理方法在短期负荷预测工作中的应用[J];农村电工;2017年04期
5 樊唯钦;张伟;李勇钢;王家武;;基于改进人体舒适指数的微电网超短期负荷预测[J];广东电力;2017年04期
6 黄小耘;欧阳卫年;吴树鸿;李高明;金鑫;杨少将;;实时电价条件下的短期负荷预测研究[J];自动化与仪器仪表;2016年05期
7 张超;陈晓英;焦建立;潘超;司玮玮;;电力系统超短期负荷预测方法及应用[J];硅谷;2014年20期
8 李真;;基于云计算的扩展短期负荷预测方法的研究[J];科技视界;2014年36期
9 梁静;瞿博阳;宋慧;刘巍;;电业超短期负荷预测仿真研究[J];计算机仿真;2015年07期
10 张超;任国臣;牛艺桥;蒋蕾;贾书文;;基于时间序列法超短期负荷预测改进方法的研究[J];辽宁工业大学学报(自然科学版);2015年05期
11 彭飞进;唐桂玲;何锡祺;;如何提高短期负荷预测精度的探讨[J];佛山科学技术学院学报(自然科学版);2012年05期
12 毛弋;唐偲;;考虑人体舒适度的扩展短期负荷预测新方法[J];电力系统及其自动化学报;2011年03期
13 张怡;张锋;;电力系统超短期负荷预测技术的应用与发展[J];浙江电力;2010年02期
中国重要会议论文全文数据库 前10条
1 朱桂华;赖晓平;云昌钦;;在线短期负荷预测方法的研究与应用[A];1995年中国控制会议论文集(上)[C];1995年
2 高荣;刘晓华;;基于小波变换的支持向量机短期负荷预测[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
3 杜俊红;滕欢;滕福生;;在线超短期负荷预测的分析与应用研究[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年
4 胡宏;顾斌;蔡冬阳;马晓东;车伟;顾杨青;;基于大数据的分布式短期负荷预测及其架构设计[A];2016智能电网发展研讨会论文集[C];2016年
5 胡松峰;彭显刚;;电网短期负荷预测方法综述[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
6 姚宇臻;;采用决策树技术的短期及超短期负荷预测软件在福建电网的运用[A];福建省科学技术协会第七届学术年会分会场——提高水力发电技术 促进海西经济建设研讨会论文集[C];2007年
7 张博海;何星;章渊;;基于循环神经网络的电网短期负荷预测研究[A];第37届中国控制会议论文集(F)[C];2018年
8 谭洪艳;郭继平;陈飞;;基于径向基网络的燃气短期负荷预测[A];中国土木工程学会城市燃气分会输配专业委员会2005年会议论文集[C];2005年
9 李新明;李艳红;张伟;;电网短期负荷分线分站预测研究及应用[A];山东电机工程学会2012年度学术年会论文集[C];2012年
10 刘明;;基于新型试凑法BP模型的短期负荷预测[A];智慧城市电力科技论坛论文集(2014年第1辑 总第176辑)[C];2014年
中国博士学位论文全文数据库 前10条
1 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年
2 雷绍兰;基于电力负荷时间序列混沌特性的短期负荷预测方法研究[D];重庆大学;2005年
3 卢芸;短期电力负荷预测关键问题与方法的研究[D];沈阳工业大学;2007年
4 叶彬;混合智能建模技术及其在短期负荷预测中的应用研究[D];浙江大学;2006年
5 王志勇;数据挖掘方法在短期负荷预测中的应用研究[D];浙江大学;2007年
6 吴宏晓;基于软计算方法的电力系统负荷预测[D];上海交通大学;2007年
7 郑永康;相空间重构与支持向量机结合的短期负荷预测研究[D];西南交通大学;2008年
8 苏庆新;区域电力系统超短期负荷预测及网络建模分析[D];东华大学;2008年
9 郎坤;电力系统短期负荷预测及经济调度决策优化研究[D];大连理工大学;2016年
10 张国江;软计算方法和数据挖掘理论在电力系统负荷预测中的应用[D];浙江大学;2002年
中国硕士学位论文全文数据库 前10条
1 苏丽;基于深度学习的智能电网负荷优化预测研究[D];贵州师范大学;2019年
2 李向军;基于EEMD的多频组合短期负荷预测[D];西安理工大学;2019年
3 张鹏翔;海上油田群电网短期负荷预测研究[D];西南石油大学;2018年
4 张书;基于函数型数据分析的短期电力负荷预测研究[D];厦门大学;2018年
5 薛琳;基于用电行为分析的低冗余特征配电网短期负荷预测研究[D];东北电力大学;2019年
6 聂晓羽;安阳电网短期负荷预测的研究[D];郑州大学;2019年
7 齐斌;计及多源气象信息与评价指标冲突的概率短期负荷预测[D];东北电力大学;2019年
8 徐达飞;电力系统短期负荷预测方法研究[D];东北大学;2015年
9 卜科学(Boiko Oleksandr);[D];兰州交通大学;2018年
10 杨修德;基于XGBoost的超短期负荷预测研究[D];宁夏大学;2018年
中国重要报纸全文数据库 前4条
1 通讯员池长斌;宁夏电网短期负荷预测西北第一[N];中国电力报;2011年
2 通讯员 池长斌;宁夏电力短期负荷预测保持领先[N];中国电力报;2011年
3 张树斌 范明;湖北电网中、短期负荷预测系统显神威[N];华中电力报;2001年
4 郭洪敏;重视清洁能源上网 呵护一方碧水蓝天[N];国家电网报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978