CN103268524B - 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
- CN103268524B CN103268524B CN201310216044.3A CN201310216044A CN103268524B CN 103268524 B CN103268524 B CN 103268524B CN 201310216044 A CN201310216044 A CN 201310216044A CN 103268524 B CN103268524 B CN 103268524B
- Authority
- CN
- China
- Prior art keywords
- load
- short
- term
- network
- electrical network
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000013500 data storage Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000004088 simulation Methods 0.000 abstract description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
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预测进行对比,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,设置预测周期,在预测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预测数据进行对比,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,设置预测周期,在预测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预测进行对比,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,设置预测周期,在预测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 CN103268524A (zh) | 2013-08-28 |
CN103268524B true 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) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
CN109242321B (zh) * | 2018-09-17 | 2020-10-09 | 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 |
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 |
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 |
CN111552923B (zh) * | 2020-04-22 | 2021-05-04 | 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 |
CN114036762B (zh) * | 2021-11-15 | 2022-07-19 | 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 |
---|
上海市用电负荷与温度敏感系数;忻建华 等;《华东电力》;20121031;第40卷(第10期);1754-1757 * |
基于平均负荷法预测电力电量;杨华;《电力需求侧管理》;20080331;第10卷(第2期);21-25 * |
Also Published As
Publication number | Publication date |
---|---|
CN103268524A (zh) | 2013-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103268524B (zh) | 一种提高电网短期负荷预测准确度的方法 | |
CN109726872B (zh) | 一种能耗预测方法、装置、存储介质及电子设备 | |
CN107133713A (zh) | 一种光伏电站智能清洗决策系统的建立方法 | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
JP6032486B2 (ja) | 電力管理システム、電力管理方法 | |
CN104008432A (zh) | 基于emd-kelm-ekf的微网短期负荷预测方法 | |
WO2021082612A1 (zh) | 一种配电台区负荷预测方法及装置 | |
JP6481468B2 (ja) | 予測分布推定システム、予測分布推定方法、および予測分布推定プログラム | |
CN107832881B (zh) | 考虑负荷水平和风速分段的风电功率预测误差评价方法 | |
CN109787295B (zh) | 一种计及风电场状态的风电功率超短期预测计算方法 | |
Louie | Characterizing and modeling aggregate wind plant power output in large systems | |
CN101414317A (zh) | 一种处理风电场静态功率等值分散性问题的等效风速法 | |
JP2020054214A (ja) | 蓄電池管理装置および蓄電池管理方法 | |
CN107403015A (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
CN116128167B (zh) | 一种基于云计算实时监测的分布式光伏发电分析方法 | |
CN103500364A (zh) | 电能质量稳态指标预测方法和系统 | |
CN102664409A (zh) | 一种基于实测数据风电场风电功率实时预测的计算方法 | |
CN114840982A (zh) | 台风灾害下考虑连锁故障演化的电力系统弹性评估方法 | |
CN105894706A (zh) | 一种森林火灾预测方法及其系统 | |
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 | |
CN115877145A (zh) | 一种变压器重过载工况大数据交叉评估系统及方法 | |
CN105184411B (zh) | 一种基于最大Lyapunov指数-校正的风电功率实时预测方法 | |
CN104182905A (zh) | 一种基于数据挖掘的电网故障诊断方法 | |
CN102096624B (zh) | 一种对机群运行状况进行预测的方法和机群平台管理装置 | |
EP3648283B1 (en) | Method for forecasting the electric power production of a renewable energy power generation plant |
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 |