误差校正改进空间负荷预测在电网规划中的应用研究.pdfVIP

误差校正改进空间负荷预测在电网规划中的应用研究.pdf

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
中国电机工程学会第十届青年学术会议 ·吉林 误差校正改进空间负荷预测在电网规划中的应用 乔卫丽 吉崇冬 (吉林白山发电厂 吉林省 桦甸市 132400) 摘要:电力系统负荷预测是电力系统发电计划的重要组成部分,也是电力系统经济运行的基础,根据负荷成长的特性和城市 发展的特点,在传统空间负荷预测的基础上,利用误差校正改进负荷预测方法,在当前电力发展迅速和供应紧张的情况下,合 理地提高了负荷预测的精度。 关键词:空间负荷预测;误差校正; 电网规划 1.引言 电力负荷变化的随机性限制了预测精度,因此可以考虑对误差进行校正,来提高预测的精确性。空间负 荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。最大负荷功率预测对于确定电力系统发电设备及输 变电设备的容量是非常重要的。为了选择适当的机组类型和合理的电源结构以及确定燃料计划等,还必须预 测负荷及电量。负荷曲线的预测可为研究电力系统的峰值、抽水蓄能电站的容量以及发输电设备的协调运行 提供数据支持。 负荷预测工作的关键在于收集大量的历史数据,建立科学有效的预测模型,采用有效的算法,以历史数 据为基础,进行大量试验性研究,总结经验,不断修正模型和算法,以真正反映负荷变化规律。只有在确定 了负荷空间分布的基础上,才能更为准确地进行电网的变电站布点和线路通道的规划设计,从而建立合理的 网架结构。 2.空间负荷预测误差特征分析 空间负荷预测的相对误差是通过对历史上负荷预测值及其相应的实际值比较而得到的,对长时间得负荷 值进行统计分析,可以发现其具有规律性,且其会因地域和时段而异,例如: 2.1 地区 A工业负荷占主导地位,白天为正常上班时段,负荷曲线有明显的规律可循,因而预测误差会比较 小,而非正常上班时段内有可能因为突发事件导致负荷预测难度加大,其误差很有可能会偏大一些. 2.2地区B居民负荷比较多,则晚高峰时段误差可能会比较大;而凌晨低谷时段为休息时间,负荷较易估计, 一般误差比较小. 2.3 地区 C 夏季天气常发生骤变, 导致负荷预测难度比较大,特别是日间时段,因而其预测误差也会相应 增大. 因此可以通过引入空间负荷预测误差的统计规律,利用误差校正提高负荷预测精度.规避风险,为电网企 业对经营风险和系统可靠性的分析提供数据支持. 3.误差校正改进空间负荷预测方法的理论 误差校正方法是利用预测负荷之前的各个整点时刻负荷预测值的误差组成一个时间序列来建立理论模 型,由此可预测出预测时刻的负荷预测误差值,根据此误差值对负荷预测值进行横向误差校正。强化了预测 负荷与其相邻时刻负荷之间的联系.本文将误差校正方法利用于改进空间负荷预测,提出了新的误差校正模型 的分点的判断方法,根据校正后的模型预测出预测时刻的负荷预测误差量,根据此误差量对负荷预测值进行 校正处理,进一步提高了预测精度. 3.1 数学模型 3.1.1 由前一日的整点时刻的负荷误差量构成时间序列 - 1 - 中国电机工程学会第十届青年学术会议 ·吉林 AS=[ e(0 )(1) , e(0)(2) ,…, e(0)(n) ] 确定分点i ,将上述序列按照时间的顺序依次划分成互不相交的二个子集 BS=[ e(0 )(1) , e(0)(2) ,…, e(0)(i) ] PS=[ e(0 )(i+1) ,e(0)(i+2) ,…,e(0)(n) ] 3.1.2 利用BS 建立GM(1,1)模型,称为基本模型 (0) -a (0) - ak eˆ (k+1) (e -1)[e (1) -u/a] e k=0,1,2 3.1.3 利用基本模型预测e (0)(i

文档评论(0)

精品课件 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档