电力负荷预测研究综述.docxVIP

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
电力负荷预测研究综述 0 负荷预测研究的现状 科学预测是正确决策的基础和保证。负荷预测是电力系统领域的一个传统研究问题,是指从已知的电力系统、经济、社会、气象等情况出发,通过对历史数据的分析和研究,探索事物之间的内在联系和发展变化规律,对负荷发展做出预先估计和推测。负荷预测是电力系统规划、计划、用电、调度等部门的基础工作,其重要性早已被人们所认识。 对预测方法的探索,一直是国内外学者关注的一个热点,多年来提出了许多预测方法。那么,在现阶段,预测领域的研究工作究竟应该关注什么?是否应该套用许多复杂的数学理论?预测领域还有哪些问题值得探索?这些问题一直都困扰着我们。本文试图就此讨论年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟方法,并分析负荷预测问题的各种解决方案,探讨未来的主要研究方向。根据国内电力系统负荷预测的实践和国外的经验,对我国开展电力系统负荷预测工作提出一些建议。 1 负荷估算的基本分析 1.1 负荷预测精度对电力系统运行影响的经济性 负荷预测对电力系统许多部门都起着重要的作用。例如,中长期负荷预测是制定电力系统发展规划、燃料计划的前提,短期负荷预测是制定发电计划的基础。 文献量化地分析了负荷预测的误差对电力系统运行所造成的影响。文献通过MonteCarlo模拟的手段,分析了不同负荷预测精度下电力系统的经济性。文献还给出了已知预测结果的分布方差时系统运行风险的评估结果。这些分析表明,提高负荷预测的精度是电力系统规划和运行的必然要求。众多的学者不遗余力地进行负荷预测的研究,其主要出发点大多是以更为先进的理论提高预测的准确性,为电力系统运行的经济性和安全性提供有力的保证。 1.2 从预测机理上区分 负荷预测的分类是一个有争议的问题。本文为了叙述方便,按照预测期限的不同,分为长期预测、中期预测、短期预测、超短期预测,分别对应年度预测、月度预测、日预测、小时预测。某些地区的预测还包括旬预测、星期预测,但是不太常见。其中,根据预测机理的不同,又将年度预测、月度预测合称为中长期预测,日预测、小时预测归为短期预测。 从国内外研究情况看,国外大概是由于其负荷发展变化规律趋于稳定的缘故,关于中长期预测的研究远远少于短期预测,国内则基本上两者并重。 就预测内容而言,首先应该区分总量预测和空间分布预测,前者是本文的讨论重点,后者的成熟例子是城市电网负荷密度预测,由于其预测机理比较独特,这里不加讨论。同时,在各个期限中,负荷预测的内容一般包括负荷(负荷曲线)、电量的预测。 为了更加清楚地分析负荷预测的基本问题,根据预测机理的不同,下文将分别针对中长期负荷预测和短期负荷预测进行分析。 首先用表1简要而综合地给出各种期限的预测问题的对比情况。限于篇幅,其中的具体理由和详细叙述不做进一步分析。 2 年度负荷预测器 2.1 年度预测的主要方法是以通用的序列法分析和描述电力建设整体发展的基 年度预测以年为预测时段,以年度用电需求指标(如年度电量、年度电力等)作为预测内容。年度预测是制定电力系统发展计划的基础,也是规划工作的重要组成部分,其目的是为合理安排电源和电网的建设进度提供宏观决策的依据,使电力建设满足国民经济增长和人民生活水平提高的需要。 除专家调查法、产值单耗法、弹性系数法、年最大负荷利用小时数等传统而简单实用的预测方法外,年度预测主要应用一些通用的序列预测方法。同时,这些通用的序列预测方法也是月度预测、短期预测的基础,因此,这里进行简单讨论。 2.2 历史基于相关因素的预测模型 序列预测方法的基本思想如图1所示。 设预测模型的抽象表达形式为: 式中:X为n种相关因素组成的向量,记为X=[x1,x2,…,xm]T;t为时间序号;y为待预测量;S为该预测模型的参数向量,设总共有k个参数,S=[s1,s2,…,sk]T,例如,对于不考虑相关因素的线性预测模型y=a+bt+bt,有S=[a,b]T。 设已知在历史时段t(1≤t≤n),相关因素的取值为Xt—[xlt,x2t,…,xmt]T,待预测量的取值为yt。需要根据其历史发展规律,对未来时段n+1≤t≤N做预测(推理)。由于进行相关预测,这里不仅需要知道m种相关因素在历史时段1≤t≤n的取值,而且也要已知其在未来时段n+1≤t≤N的取值,一般可以从电力系统以外的其他部门获取(例如,从统计部门获得经济数据,从气象部门获取气象信息)。那么,预测的重点是,根据所有历史时段的Xt和yt,通过某种途径对模型的参数向量S进行估计。 在得到估计值后,拟合(历史时段)或预测(未来时段)公式为: t=1,2,…,n,…,N 其中,历史时段的拟合残差为: t=1,2,…,n 预测中通常以历史各时段拟合残差的平方和 最小为目标,这就是最小二乘估计。 2.3 历史回归分析模型 根据一些研究结果,本文建议如下: a

文档评论(0)

lmzwkyc + 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