负荷预测(翻译)介绍.docVIP

IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS, VOL. 45, NO. 4, JULY/AUGUST 2009 多区域负荷预测系统 With Large Geographical Area 与大的地理区域 舒凡，成员，kittipong methaprayoon，成员，李伟仁，研究员，IEEE（电气与电子工程师协会）  摘要—在电力系统覆盖的地理区域，一个单一的负荷预测模型的整个地区，有时不能保证较好的预测精度。其中的一个主要的原因是由于负载的多样性，通常造成的天气的多样性，在整个地区。多区域负荷预测将是一个可行的和有效的产生更多的解决方案准确的预测结果，以及提供区域预报水电费。然而，一个主要的挑战是如何以最佳方式分割/合并的区域，根据区域负荷天气条件。本文研究了电力需求从中西部电力气象数据，美国对数据的分析，我们证明了存在的天气和负载的多样性，其控制区域内的再发展基于支持短期的多区域负荷预测系统日前的经营和市场的向量回归。所提出了多区域预测系统可以发现最佳区域分区在不同的天气和负载条件下，最终实现更准确的预测汇总系统负载。该预测系统已通过实际测试从系统的数据。得到不同的结果区域划分方案，验证了所提出的有效性多区域预测系统。在详细讨论预测的结果也被提出。 指数条款—分散负荷，负荷预测，多区，支持向量回归（SVR）。 一、引言 负荷预测是电力系统运行的一个关键问题教育，规划，营销[ 1 ]。许多经营决策，如发电调度计划，可靠性分析，并对机组检修计划，基于负荷预测。未来的新一代规划植物和传输的增强也依赖于负载预测。因此，负荷预测一直是一个热门的话题电力工业。 到目前为止，各种各样的技术已经被提出预测电力负荷[ 2 ]。一般来说，大部分的工作集中在预测模型本身，并没有具体注意到已经支付给一个系统的负荷预测大的地理区域，虽然有些问题需要要在实际操作解决。 在电力系统中的大的地理区域，天气和电力需求的多样性在整个地区是一个关键的问题出在影响预测精度。天气负载的多样性使得它很难预测聚集的电通过使用一个单一预测模型的需求。解决在的多样性所产生的影响，一个简单的想法预测在分离的区域，即载荷，多区负荷预测。然而，一个技术难点出现在当进行多区域预测时，如何找 *本文icpsd-08-4-3，在2008年由IEEE?/IAS工业在介绍商用电源系统技术会议，克利尔沃特海滩，佛罗里达州，五月四日–8，并批准发布的。 **行业中的应用 由能源系统的IEEE工业应用学会。2008年4月30日的手稿提交审查,2008年12月19日，出版发行。第一次出版的2009年6月2日；当前版本发表于2009年7月17日。 舒凡在商业和经济预测组 ,，莫纳什大学，克雷顿，?VIC 3800，澳大利亚 (e-mail: shu.fan@.au). K. Methaprayoon在德克萨斯电力可靠性委员会，奥斯丁，TX 78744 美国 (e-mail: kmethaprayoon@). 李伟仁在能源系统研究中心，德克萨斯大学，阿灵顿，TX 76019 美国 (e-mail: wlee@). 本文数字彩色版本可用在线 数字对象标识 10.1109/TIA.2009.2023569  到最有分割/组合的区域，以便更准确预测可以得到聚合和区域荷载。 本文的目的是为一个在美国中西部的电力公司开发一个多区域短期负荷预测系统，控制大面积的地理区域。我们首先调查和量化的天气在系统负荷的多样性，然后建立多区域负荷使用支持向量回归预测系统（SVR）。所提出的多区域预测系统可以找到根据负荷和天气的最佳的区域划分然后生成更准确的预测特性集群系统负载。所提出的预测系统采用真实数据的效用试验。相比之下，一个普遍的预测模型也被开发对聚集系统负荷预测，和数值结果验证了所提出的多区域负荷的优势预测系统。 二、负荷的调查与天气气候特征 在本节中，我们研究区域的天气和负载以及电力需求的依赖特性对目标系统的温度。 A. 系统负荷 本文中使用的电力系统是控制在中西部地区覆盖较大的地理区域的美国的电力。本系统的主要需求是适合住宅的。最初，本实用控制区被分为24个区域主要基于其部分–所有者社。2006年平均每个地区的高峰负荷记录在表 I。 根据表I，可以看出系统负荷各地区在很宽的范围内变化。之间的峰值和比值在不同地区的平均负荷也很不同。一个主要的原因是因为天气和负载的多样性大区内，这将进一步调查以下部分。 B. 整个地区的天气变化 近年来，需求层次也越来越依赖于天气条件。这已归因为增加家庭和商业可用性空调机组。一般来说，大多数的气象变量，包括温度，湿度，风速，等，是驱动变量对电