CN103268524A - 一种提高电网短期负荷预测准确度的方法 - Google Patents
一种提高电网短期负荷预测准确度的方法 Download PDFInfo
- Publication number
- CN103268524A CN103268524A CN2013102160443A CN201310216044A CN103268524A CN 103268524 A CN103268524 A CN 103268524A CN 2013102160443 A CN2013102160443 A CN 2013102160443A CN 201310216044 A CN201310216044 A CN 201310216044A CN 103268524 A CN103268524 A CN 103268524A
- Authority
- CN
- China
- Prior art keywords
- load
- short
- term
- historical
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种提高电网短期负荷预测准确度的方法,将历史电网负荷值与历史短期负荷预测数据进行对比,并计算各种影响因素对电网短期负荷的影响,从而得到对短期电网负荷值影响最大的影响因素:温度、天气、节假日、电网异常,并建立包含这四种影响因素的短期电网负荷预测计算公式,根据该公式对电网负荷进行短期预测。本发明能够提高电网负荷预测准确度,能够提高电力系统分析的真实度,准确模拟电力系统的各种运行状态,保证电网安全稳定运行。
Description
技术领域
本发明涉及电力系统电网运行分析方法,尤其涉及一种提高电网短期负荷预测准确度的方法。
背景技术
对电网进行负荷预测对组织电力生产和电网安全运行非常重要,传统的电网短期负荷预测方法以时间序列法应用最为广泛,时间序列分析法是根据过去的负荷统计数据,找到其随时间变化的规律,建立时序模型,以推断未来负荷数值的方法,其基本假定是:过去的负荷变化规律会持续到将来,即未来是过去的延续。虽然其所需历史数据少、工作量少,但是其具有以下缺陷:没有考虑负荷变化的因素,只致力于数据的拟合,对规律性的处理不足,因此其负荷预测的偏差较大。
发明内容
本发明的目的是提供一种提高电网短期负荷预测准确度的方法,其能够克服现有技术中的缺陷,能够提高电网负荷预测准确度,能够提高电力系统分析的真实度,准确模拟电力系统的各种运行状态,保证电网安全稳定运行。
为了实现上述目的,本发明采用如下技术方案实现:
一种提高电网短期负荷预测准确度的方法,利用历史短期负荷预测数据,其中包含以下步骤:
步骤1,电力调度自动化系统采集历史电网负荷值及其对应的影响因素信息,影响因素信息包括季节、天气、温度、日期、节假日、电网异常事件信息,并采集相应的历史短期负荷预测数据;
步骤2,电力调度自动化系统将采集的历史电网负荷值、影响因素信息,以及相应的历史短期负荷预测数据储存在历史数据库中;在计算机中设置样本抽取时长,计算机从历史数据库中读取一段时间的历史电网负荷值、影响因素信息,及其相应的历史短期负荷预测数据;
步骤3,计算机将从历史数据库中读取的历史电网负荷值与历史短期负荷数据进行对比,求取其误差,并与相应时间的影响因素信息进行对照,得到对短期电网负荷值影响最大的影响因素:温度、天气、节假日、电网异常;
步骤4,计算机建立短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj,其中F1为电网短期负荷预测值,F2为典型正常工作日负荷,K1为温度系数,K2为天气系数,K3为节假日系数,Fj为电网异常负荷;
步骤5,对历史电网负荷值进行参数估计,计算出典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj;
步骤6,将典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj代入短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj,计算得到电网短期负荷预测值F1;
步骤7,设置测试周期,在测试周期内运用短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj对电网进行短期负荷预测,并重复进行步骤1至步骤6,对典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj进行修正,从而对短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj进行矫正和改进。
上述的提高电网短期负荷预测准确度的方法,其中所述步骤5中的温度系数K1为:
当温度范围为1℃~12℃时,温度每降低1℃,温度系数K1增加3%;
当温度低于1℃时,按照1℃计算温度系数K1;
当温度大于12℃并低于24℃时,温度系数K1取值为1;
当温度大于或等于24℃时,温度每升高1℃,温度系数K1增加3%。
上述的提高电网短期负荷预测准确度的方法,其中所述步骤5中的天气系数K2范围为0.95~1.0。
本发明具有以下积极效果:
本发明将历史电网负荷值与历史短期负荷预测数据进行对比,并计算各种影响因素对电网短期负荷的影响,从而得到对短期电网负荷值影响最大的影响因素:温度、天气、节假日、电网异常,建立包含这四种影响因素的短期电网负荷预测计算公式,根据该公式对电网负荷进行短期预测,因此本发明能够提高电网负荷预测准确度,能够提高电力系统分析的真实度,准确模拟电力系统的各种运行状态,保证电网安全稳定运行。
附图说明
图1为本发明方法的流程图。
具体实施方式
以下结合附图,通过详细说明一个较佳的具体实施例,对本发明做进一步阐述。
如图1所示,本发明一种提高电网短期负荷预测准确度的方法,利用历史短期负荷预测数据,包含以下步骤:
步骤1,电力调度自动化系统采集历史电网负荷值及其对应的影响因素信息,影响因素信息包括季节、天气、温度、日期、节假日、电网异常事件信息,并采集相应的历史短期负荷预测数据。
步骤2,电力调度自动化系统将采集的历史电网负荷值、影响因素信息,以及相应的历史短期负荷预测数据储存在历史数据库中;在计算机中设置样本抽取时长,计算机从历史数据库中读取一段时间的历史电网负荷值、影响因素信息,及其相应的历史短期负荷预测数据。
步骤3,计算机将从历史数据库中读取的历史电网负荷值与历史短期负荷数据进行对比,求取其误差,并与相应时间的影响因素信息进行对照,得到对短期电网负荷值影响最大的影响因素:温度、天气、节假日、电网异常。
步骤4,计算机建立短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj,其中F1为电网短期负荷预测值,F2为典型正常工作日负荷,K1为温度系数,K2为天气系数,K3为节假日系数,Fj为电网异常负荷。
步骤5,对历史电网负荷值进行参数估计,计算出典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj。
本实施例中,在2010年6、7、8三个月中分别抽取10个晴天的电网负荷数据进行分析,并以每天14:00作为考核点,统计发现,夏季温度24~32℃时,温度每升高1℃,电网负荷增长3%左右,基本上是线性增长。温度低于24℃时电网负荷变化不大,取为基值1。当温度上升至32℃以上后,负荷也不再发生明显变化。并且,即使温度不再升高,随着高温天气延续,电网负荷仍将持续增长,每小时增长幅度在2%~3%左右。
在2010年11、12月,2011年1月中抽取每个月的所有晴天的电网负荷数据进行分析,并以每天14:00作为考核点,统计发现,冬季温度在13℃以上时,电网负荷没有随温度有明显变化。当温度为12℃以下时,没下降1℃,电网负荷增长3%左右,基本上是线性增长。但当温度低于1℃以下时,电网负荷基本达到一个较稳定的水平,不再受温度因素影响。
因此,对于温度系数K1,当温度范围为1℃~12℃时,温度每降低1℃,温度系数K1增加3%;当温度低于1℃时,按照1℃计算温度系数K1;当温度大于或等于24℃时,温度每升高1℃,温度系数K1增加3%;当温度大于12℃并低于24℃时,温度系数K1取值为1。
天气系数K2范围为0.95~1.0。
对于节假日系数K3,本实施例中,在2010年10月中抽取11至15日五个正常工作日,并抽取10月1日至7日7个假日进行对比分析;在2011年2月中抽取14至18日五个正常工作日,并抽取2月3日至9日7个春节节日进行对比分析。计算结果为假日(五一、十一、元旦)对电网负荷的影响较大,总体的负荷变化比例为84%左右,通过对假日的负荷曲线的研究,可以认为,在7~22点之间,负荷的变化比例为87%左右,而在22~7点,负荷的变化比例在79%左右。对于春节这样的特殊节日,与典型的正常工作日相比,负荷的变化情况比较特殊,在22~7点,负荷的变化比例为42%左右,在7~18点之间,负荷的变化比例为38%左右,在18~22点之间,负荷的变化比例在40%左右。
对于电网异常负荷Fj,包括电网设备检修、大中用户开停产、地方电厂开停机等各种特殊因素造成的电网异常负荷变化。
步骤6,将典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj代入短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj,计算得到电网短期负荷预测值F1。
步骤7,设置测试周期,在测试周期内运用短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj对电网进行短期负荷预测,并重复进行步骤1至步骤6,对典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj进行修正,从而对短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj进行矫正和改进。
使用本发明方法对电网短期负荷进行预测,预测的偏差基本可以控制在10%左右,提高了电网短期负荷预测准确度。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (3)
1.一种提高电网短期负荷预测准确度的方法,利用历史短期负荷预测数据,其特征在于,包含以下步骤:
步骤1,电力调度自动化系统采集历史电网负荷值及其对应的影响因素信息,影响因素信息包括季节、天气、温度、日期、节假日、电网异常事件信息,并采集相应的历史短期负荷预测数据;
步骤2,电力调度自动化系统将采集的历史电网负荷值、影响因素信息,以及相应的历史短期负荷预测数据储存在历史数据库中;在计算机中设置样本抽取时长,计算机从历史数据库中读取一段时间的历史电网负荷值、影响因素信息,及其相应的历史短期负荷预测数据;
步骤3,计算机将从历史数据库中读取的历史电网负荷值与历史短期负荷数据进行对比,求取其误差,并与相应时间的影响因素信息进行对照,得到对短期电网负荷值影响最大的影响因素:温度、天气、节假日、电网异常;
步骤4,计算机建立短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj,其中F1为电网短期负荷预测值,F2为典型正常工作日负荷,K1为温度系数,K2为天气系数,K3为节假日系数,Fj为电网异常负荷;
步骤5,对历史电网负荷值进行参数估计,计算出典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj;
步骤6,将典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj代入短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj,计算得到电网短期负荷预测值F1;
步骤7,设置测试周期,在测试周期内运用短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj对电网进行短期负荷预测,并重复进行步骤1至步骤6,对典型日常工作日负荷F2、温度系数K1、天气系数K2、节假日系数K3、电网异常负荷Fj进行修正,从而对短期电网负荷预测计算公式F1=F2*K1*K2*K3±Fj进行矫正和改进。
2.如权利要求1所述的提高电网短期负荷预测准确度的方法,其特征在于,所述步骤5中的温度系数K1为:
当温度范围为1℃~12℃时,温度每降低1℃,温度系数K1增加3%;
当温度低于1℃时,按照1℃计算温度系数K1;当温度大于12℃并低于24℃时,温度系数K1取值为1;
当温度大于或等于24℃时,温度每升高1℃,温度系数K1增加3%。
3.如权利要求1所述的提高电网短期负荷预测准确度的方法,其特征在于,所述步骤5中的天气系数K2范围为0.95~1.0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310216044.3A CN103268524B (zh) | 2013-06-03 | 2013-06-03 | 一种提高电网短期负荷预测准确度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310216044.3A CN103268524B (zh) | 2013-06-03 | 2013-06-03 | 一种提高电网短期负荷预测准确度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103268524A true CN103268524A (zh) | 2013-08-28 |
CN103268524B CN103268524B (zh) | 2017-03-29 |
Family
ID=49012151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310216044.3A Active CN103268524B (zh) | 2013-06-03 | 2013-06-03 | 一种提高电网短期负荷预测准确度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103268524B (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544537A (zh) * | 2013-09-25 | 2014-01-29 | 国网安徽省电力公司 | 基于预测可信度评估的综合子网累加的短期负荷预测方法 |
CN103617565A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 城市微气象与电力空调负荷关系的建立方法 |
CN103870886A (zh) * | 2014-03-03 | 2014-06-18 | 上海申瑞继保电气有限公司 | 企业用电月最大需量的预测方法 |
CN104156783A (zh) * | 2014-07-29 | 2014-11-19 | 广西电网有限责任公司 | 计及气象累积效应的电力系统最大日负荷预测系统及方法 |
CN104376384A (zh) * | 2014-11-27 | 2015-02-25 | 广西大学 | 一种基于电力大数据分析的台风日最大日负荷预测系统 |
CN104392274A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于用电负荷与温度趋势的城市短期用电负荷预测方法 |
CN104463344A (zh) * | 2014-10-29 | 2015-03-25 | 广东电网有限责任公司电力调度控制中心 | 电网短期负荷预测方法和系统 |
CN104616075A (zh) * | 2015-01-30 | 2015-05-13 | 广西大学 | 一种适合于台风天气下的短期负荷预测方法 |
CN105069525A (zh) * | 2015-07-30 | 2015-11-18 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
CN105335601A (zh) * | 2014-08-08 | 2016-02-17 | 国家电网公司 | 用于短期负荷的数据处理方法和装置 |
CN105335539A (zh) * | 2014-08-08 | 2016-02-17 | 国家电网公司 | 用于电力负荷的数据处理方法和装置 |
CN106022530A (zh) * | 2016-05-26 | 2016-10-12 | 国网山东省电力公司电力科学研究院 | 一种电力需求侧柔性负荷有功功率预测方法 |
CN106022542A (zh) * | 2016-06-24 | 2016-10-12 | 广州供电局有限公司电力调度控制中心 | 一种基于工序负荷特性的企业关口负荷预测方法 |
CN106682784A (zh) * | 2017-01-04 | 2017-05-17 | 成都四方伟业软件股份有限公司 | 一种智能电网大数据的分析方法与系统 |
CN107292413A (zh) * | 2016-04-10 | 2017-10-24 | 国网山东省电力公司经济技术研究院 | 基于大数据和信息融合的电力负荷分析预测系统 |
CN107506843A (zh) * | 2017-07-03 | 2017-12-22 | 国网上海市电力公司 | 一种短期负荷预测方法及装置 |
CN107578122A (zh) * | 2017-08-21 | 2018-01-12 | 国网山东省电力公司济南供电公司 | 一种基于体感温度和日期类型的电网负荷预测方法与系统 |
CN108009938A (zh) * | 2016-11-02 | 2018-05-08 | 中国电力科学研究院 | 一种基于形状的系统负荷聚类及负荷周期的模式识别方法 |
CN108549955A (zh) * | 2018-03-26 | 2018-09-18 | 国网冀北电力有限公司电力科学研究院 | 一种充电桩异常率确定方法及装置 |
CN109002986A (zh) * | 2018-07-16 | 2018-12-14 | 浙江电腾云光伏科技有限公司 | 一种电力区域销纳能力分析方法 |
CN109242321A (zh) * | 2018-09-17 | 2019-01-18 | 国网河北省电力有限公司电力科学研究院 | 用户电力负荷在线分析方法及终端设备 |
CN109444787A (zh) * | 2018-12-21 | 2019-03-08 | 云南电网有限责任公司电力科学研究院 | 一种dtu/ftu测量电压值准确度远程判断的方法和装置 |
CN109546652A (zh) * | 2018-12-24 | 2019-03-29 | 国网湖南省电力有限公司 | 配变台区的电力负荷预测方法 |
CN109670694A (zh) * | 2018-12-10 | 2019-04-23 | 国网河南省电力公司经济技术研究院 | 一种多能源供给系统负荷预测方法 |
CN109726885A (zh) * | 2018-07-17 | 2019-05-07 | 平安科技(深圳)有限公司 | 用电量异常评估方法、装置、设备和计算机存储介质 |
CN111008727A (zh) * | 2019-10-28 | 2020-04-14 | 许昌许继软件技术有限公司 | 一种配电台区负荷预测方法及装置 |
CN111181151A (zh) * | 2019-10-18 | 2020-05-19 | 浙江海洋大学 | 一种预估用电负荷并进行控制的智能电网控制方法 |
CN111552923A (zh) * | 2020-04-22 | 2020-08-18 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于通用分布的负荷预测方法及负荷预测系统 |
CN114036762A (zh) * | 2021-11-15 | 2022-02-11 | 贵州电网有限责任公司 | 基于比例系数法预测配电网负荷的系统和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609517A (zh) * | 2008-06-20 | 2009-12-23 | 上海申瑞电力科技股份有限公司 | 基于智能策略管理的电力系统短期负荷预测方法 |
CN102855385A (zh) * | 2012-07-31 | 2013-01-02 | 上海交通大学 | 一种风力发电短期负荷预测方法 |
CN102930356A (zh) * | 2012-11-16 | 2013-02-13 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
CN102982387A (zh) * | 2012-10-18 | 2013-03-20 | 安徽工程大学 | 一种短期电力负荷预测方法 |
-
2013
- 2013-06-03 CN CN201310216044.3A patent/CN103268524B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609517A (zh) * | 2008-06-20 | 2009-12-23 | 上海申瑞电力科技股份有限公司 | 基于智能策略管理的电力系统短期负荷预测方法 |
CN102855385A (zh) * | 2012-07-31 | 2013-01-02 | 上海交通大学 | 一种风力发电短期负荷预测方法 |
CN102982387A (zh) * | 2012-10-18 | 2013-03-20 | 安徽工程大学 | 一种短期电力负荷预测方法 |
CN102930356A (zh) * | 2012-11-16 | 2013-02-13 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
Non-Patent Citations (2)
Title |
---|
忻建华 等: "上海市用电负荷与温度敏感系数", 《华东电力》 * |
杨华: "基于平均负荷法预测电力电量", 《电力需求侧管理》 * |
Cited By (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544537A (zh) * | 2013-09-25 | 2014-01-29 | 国网安徽省电力公司 | 基于预测可信度评估的综合子网累加的短期负荷预测方法 |
CN103544537B (zh) * | 2013-09-25 | 2016-05-25 | 国网安徽省电力公司 | 基于预测可信度评估的综合子网累加的短期负荷预测方法 |
CN103617565A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 城市微气象与电力空调负荷关系的建立方法 |
CN103870886A (zh) * | 2014-03-03 | 2014-06-18 | 上海申瑞继保电气有限公司 | 企业用电月最大需量的预测方法 |
CN104156783A (zh) * | 2014-07-29 | 2014-11-19 | 广西电网有限责任公司 | 计及气象累积效应的电力系统最大日负荷预测系统及方法 |
CN104156783B (zh) * | 2014-07-29 | 2017-07-25 | 广西电网有限责任公司 | 计及气象累积效应的电力系统最大日负荷预测系统及方法 |
CN105335539A (zh) * | 2014-08-08 | 2016-02-17 | 国家电网公司 | 用于电力负荷的数据处理方法和装置 |
CN105335539B (zh) * | 2014-08-08 | 2018-11-06 | 国家电网公司 | 用于电力负荷的数据处理方法和装置 |
CN105335601B (zh) * | 2014-08-08 | 2018-04-06 | 国家电网公司 | 用于短期负荷的数据处理方法和装置 |
CN105335601A (zh) * | 2014-08-08 | 2016-02-17 | 国家电网公司 | 用于短期负荷的数据处理方法和装置 |
CN104392274B (zh) * | 2014-10-29 | 2017-10-31 | 南京南瑞集团公司 | 基于用电负荷与温度趋势的城市短期用电负荷预测方法 |
CN104392274A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于用电负荷与温度趋势的城市短期用电负荷预测方法 |
CN104463344A (zh) * | 2014-10-29 | 2015-03-25 | 广东电网有限责任公司电力调度控制中心 | 电网短期负荷预测方法和系统 |
CN104463344B (zh) * | 2014-10-29 | 2018-01-16 | 广东电网有限责任公司电力调度控制中心 | 电网短期负荷预测方法和系统 |
CN104376384A (zh) * | 2014-11-27 | 2015-02-25 | 广西大学 | 一种基于电力大数据分析的台风日最大日负荷预测系统 |
CN104376384B (zh) * | 2014-11-27 | 2017-07-25 | 广西大学 | 一种基于电力大数据分析的台风日最大日负荷预测系统 |
CN104616075A (zh) * | 2015-01-30 | 2015-05-13 | 广西大学 | 一种适合于台风天气下的短期负荷预测方法 |
CN105069525B (zh) * | 2015-07-30 | 2019-06-04 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
CN105069525A (zh) * | 2015-07-30 | 2015-11-18 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
CN107292413A (zh) * | 2016-04-10 | 2017-10-24 | 国网山东省电力公司经济技术研究院 | 基于大数据和信息融合的电力负荷分析预测系统 |
CN106022530A (zh) * | 2016-05-26 | 2016-10-12 | 国网山东省电力公司电力科学研究院 | 一种电力需求侧柔性负荷有功功率预测方法 |
CN106022542A (zh) * | 2016-06-24 | 2016-10-12 | 广州供电局有限公司电力调度控制中心 | 一种基于工序负荷特性的企业关口负荷预测方法 |
CN108009938A (zh) * | 2016-11-02 | 2018-05-08 | 中国电力科学研究院 | 一种基于形状的系统负荷聚类及负荷周期的模式识别方法 |
CN108009938B (zh) * | 2016-11-02 | 2021-12-03 | 中国电力科学研究院 | 一种基于形状的系统负荷聚类及负荷周期的模式识别方法 |
US11043808B2 (en) | 2016-11-02 | 2021-06-22 | China Electric Power Research Institute Co. Ltd. | Method for identifying pattern of load cycle |
CN106682784A (zh) * | 2017-01-04 | 2017-05-17 | 成都四方伟业软件股份有限公司 | 一种智能电网大数据的分析方法与系统 |
CN107506843A (zh) * | 2017-07-03 | 2017-12-22 | 国网上海市电力公司 | 一种短期负荷预测方法及装置 |
CN107578122A (zh) * | 2017-08-21 | 2018-01-12 | 国网山东省电力公司济南供电公司 | 一种基于体感温度和日期类型的电网负荷预测方法与系统 |
CN108549955B (zh) * | 2018-03-26 | 2022-01-18 | 国网冀北电力有限公司电力科学研究院 | 一种充电桩异常率确定方法及装置 |
CN108549955A (zh) * | 2018-03-26 | 2018-09-18 | 国网冀北电力有限公司电力科学研究院 | 一种充电桩异常率确定方法及装置 |
CN109002986A (zh) * | 2018-07-16 | 2018-12-14 | 浙江电腾云光伏科技有限公司 | 一种电力区域销纳能力分析方法 |
CN109726885A (zh) * | 2018-07-17 | 2019-05-07 | 平安科技(深圳)有限公司 | 用电量异常评估方法、装置、设备和计算机存储介质 |
CN109242321A (zh) * | 2018-09-17 | 2019-01-18 | 国网河北省电力有限公司电力科学研究院 | 用户电力负荷在线分析方法及终端设备 |
CN109670694B (zh) * | 2018-12-10 | 2020-09-25 | 国网河南省电力公司经济技术研究院 | 一种多能源供给系统负荷预测方法 |
CN109670694A (zh) * | 2018-12-10 | 2019-04-23 | 国网河南省电力公司经济技术研究院 | 一种多能源供给系统负荷预测方法 |
CN109444787A (zh) * | 2018-12-21 | 2019-03-08 | 云南电网有限责任公司电力科学研究院 | 一种dtu/ftu测量电压值准确度远程判断的方法和装置 |
CN109546652A (zh) * | 2018-12-24 | 2019-03-29 | 国网湖南省电力有限公司 | 配变台区的电力负荷预测方法 |
CN109546652B (zh) * | 2018-12-24 | 2022-04-08 | 国网湖南省电力有限公司 | 配变台区的电力负荷预测方法 |
CN111181151A (zh) * | 2019-10-18 | 2020-05-19 | 浙江海洋大学 | 一种预估用电负荷并进行控制的智能电网控制方法 |
CN111008727A (zh) * | 2019-10-28 | 2020-04-14 | 许昌许继软件技术有限公司 | 一种配电台区负荷预测方法及装置 |
CN111552923A (zh) * | 2020-04-22 | 2020-08-18 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于通用分布的负荷预测方法及负荷预测系统 |
CN114036762A (zh) * | 2021-11-15 | 2022-02-11 | 贵州电网有限责任公司 | 基于比例系数法预测配电网负荷的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103268524B (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103268524A (zh) | 一种提高电网短期负荷预测准确度的方法 | |
Shi et al. | Hybrid forecasting model for very-short term wind power forecasting based on grey relational analysis and wind speed distribution features | |
CN103413253A (zh) | 一种基于经济、气象因素的年最大负荷分类预测方法 | |
CN102930344A (zh) | 一种基于负荷趋势变化的超短期母线负荷预测方法 | |
CN103106314B (zh) | 太阳能光伏电源输出功率的时序概率建模方法 | |
CN103532136A (zh) | 省地县一体化网损在线计算与辅助决策系统及方法 | |
Mohan et al. | Solar energy disaggregation using whole-house consumption signals | |
CN104392056A (zh) | 一种直驱风电机组建模方法及装置 | |
CN109638812A (zh) | 一种自适应的配电线路超短期负荷预测方法及系统 | |
CN103984986B (zh) | 实时校正的自学习arma模型风电功率超短期预测方法 | |
CN109787295A (zh) | 一种计及风电场状态的风电功率超短期预测计算方法 | |
CN106443253A (zh) | 一种基于pmu数据的输电线路参数辨识方法 | |
CN107221933B (zh) | 一种概率潮流计算方法 | |
CN105048473A (zh) | 变电站自动电压控制中低压无功设备电压灵敏度统计方法 | |
CN104951654A (zh) | 基于控制变量抽样的大规模风电场可靠性评估方法 | |
CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN103501003A (zh) | 线损控制系统 | |
CN102539823A (zh) | 一种wtg风速分布的预测方法 | |
CN105701265A (zh) | 一种双馈风电机组建模方法及装置 | |
CN103543332A (zh) | 一种电力谐波预测方法及装置 | |
CN103809020B (zh) | 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 | |
CN116484554A (zh) | 一种配电网的拓扑辨识方法、装置、设备及介质 | |
Zhang et al. | Analysis of influencing factors of transmission line loss based on GBDT algorithm | |
CN115561697A (zh) | 一种智能电表误差分析方法 | |
Zhang et al. | Power forecasting of solar photovoltaic power systems based on similar day and M5'model trees |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |