CN104166885A - 一种基于s型曲线的地区近期负荷预测方法 - Google Patents
一种基于s型曲线的地区近期负荷预测方法 Download PDFInfo
- Publication number
- CN104166885A CN104166885A CN201410401727.0A CN201410401727A CN104166885A CN 104166885 A CN104166885 A CN 104166885A CN 201410401727 A CN201410401727 A CN 201410401727A CN 104166885 A CN104166885 A CN 104166885A
- Authority
- CN
- China
- Prior art keywords
- load
- industry
- year
- newly
- increased
- 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
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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于S型曲线的地区近期负荷预测方法。其包括业扩数据收集整理;业扩容量转化系数计算;业扩发展曲线绘制及修正;目标年新增负荷计算及预测结果调整等步骤。本发明提供的基于S型曲线的地区近期负荷预测方法能够突破传统宏观方法不适用于特定地域规划的缺陷,通过结合地区经济发展状况,将S型生长曲线理论应用于电力企业的业扩工询中,搜寻报装增容容量在未来几年内逐年转化为实际负荷的规律,有助于提高当地地区负荷预测的精度,可为配电系统优化与规划提供更翔实的参考依据。
Description
技术领域
本发明属于城市配电网规划与优化技术领域,特别是涉及一种基于S型曲线的地区近期负荷预测方法。
背景技术
S型生长曲线的基础理论中描述曲线特征的饱和值、拐点等曲线特殊点在城市规划中已有相关应用,对于城市负荷发展符合S型生长曲线的理论也有相关文献和数据支持。
目前,已有负荷预测方法可分为三类,一是经典预测方法,包括单耗法、比例系数增长法等;二是传统预测方法,如趋势外推法和回归模型预测法,三是新兴的预测方法,如人工神经网络预测法等智能算法。上述方法对配电网的中长期负荷预测较为有效,但由于地区配电网规划往往涉及到一个地域或用户在近一两年内的发展状况,其负荷特性与当地用户近几年的业扩增容和开发利用紧密联系,所以上述宏观方法在解决此类问题上有一定的局限性。如果能够结合地区负荷的特点,有针对性地解决工作中出现的诸如工询业扩与次年最大负荷间的数量对应关系,无疑对整个电网建设的优化决策具有非常重要的意义。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于S型曲线的地区近期负荷预测方法,包括顺序执行的如下步骤:
为了达到上述目的,本发明提供的基于S型曲线的地区近期负荷预测方法包括按顺序执行的下列步骤:
步骤1)业扩数据收集整理:收集整理历史业扩数据,即历史年的新增报装容量数据;
步骤2)业扩容量转化系数计算:根据历年业扩基础数据和历史年最大负荷数据,计算历史年新增负荷数据,确定所需的包括功率因数、负载率在内的参数值,计算出各年段业扩容量转化系数的值;
步骤3)业扩发展曲线绘制及修正:根据上述业扩容量转化系数进行曲线拟合,形成业扩发展曲线;搜集类似经济状况、工业特点及负荷水平的城市信息,与其业扩发展曲线进行类比,并结合S型生长曲线理论,修正业扩发展曲线,最后逐一修正各年段的业扩容量转化系数;
步骤4)目标年新增负荷计算及预测结果调整:根据步骤3)修正后的业扩容量转化系数和计算得到的负荷自然增长率,计算目标年的新增负荷,得到目标年的负荷预测结果,并参照其他预测方法结果对预测结果进行调整,得到目标年计及业扩工询信息的负荷预测结果。
在步骤2)中,所述的业扩容量转化系数计算包括下列步骤:
步骤2.1)计算历史年的新增负荷;
某年新增负荷由如下公式计算得到:
新增负荷=当年负荷-上一年负荷
步骤2.2)确定所需功率因数、负载率的值;
根据地区的情况,确定功率因数、负载率参数值;
步骤2.3)解方程组求解各历史年段的业扩容量转化系数;
业扩容量转化系数求取方法如下:
将某年的新增负荷△S用两部分表示:一部分是某年之前一年的负荷由于自然增长产生的新增负荷△Sz;另一部分是由某年及某年之前几年的新增容量转化而来新增负荷△Sr,用公式表示为:
△S=△Sz+△Sr (1)
其中,负荷的自然增长用负荷自然增长率来描述;某年自然增长负荷用下式计算:
△Sz=S1×α (2)
式中,S1为某年之前一年的负荷,α为某年的负荷自然增长率;
新增容量产生的负荷增长要通过业扩工询信息与近期负荷的关系来描述:
式中,Ci为某年之前i年的业扩容量,Ki为某年之前i年的业扩容量在该年转化为实际负荷的转化系数,ηi为负载率,cosΦi为功率因数;
通过业扩工询信息,得到最近2n年的新增负荷与新增容量数据,n一般取2—4,以及各年负荷自然增长率、负载率、功率因数数据,根据公式(1)—公式(3),列出最近n+1年的新增负荷方程组:
某年新增负荷
△S0=αS1+C0K0η0cosΦ0+C1K1η1cosΦ1+...+Cn-1Kn-1ηn-1cosΦn-1;
前1年年新增负荷
△S1=αS2+C1K0η1cosΦ1+C2K1η2cosΦ2+...+CnKn-1ηncosΦn;
……
前n-1年年新增负荷
△Sn-1=αSn+Cn-1K0ηn-1cosΦn-1+CnK1ηncosΦn+...+C2n-2Kn-1η2n-2cosΦ2n-2;
前n年年新增负荷
△Sn=αSn+1+CnK0ηncosΦn+Cn+1K1ηn+1cosΦn+1+...+C2n-1Kn-1η2n-1cosΦ2n-1;
上述方程组为n+1元一次方程组,包括n+1个未知数(α K0 K1…Kn-1),能够利用现有的线性规划方法进行求解;若方程组无解,则需对原始数据和原始参数进行适当修正,直到能够找到有实际意义的一组解。
在步骤3)中,所述的业扩发展曲线的绘制及修正的做法为:
根据业扩容量转化系数,计算出对应每年的等效负荷转化比例,并进行曲线拟合,形成业扩发展曲线;搜集类似经济状况、工业特点及负荷水平的城市信息,与其业扩发展曲线进行类比,并结合S型生长曲线理论,修正业扩发展曲线,最后逐一修正各年段的业扩容量转化系数。
在步骤4)中,所述的目标年新增负荷计算及结果调整的做法为:
根据步骤3)修正后的业扩容量转化系数和计算得到的负荷自然增长率,利用公式(1)计算目标年的新增负荷结果,得到目标年的负荷预测结果,并参照其他预测方法结果对预测结果进行调整,得到目标年计及业扩工询信息的负荷预测结果。
本发明提供的基于S型曲线的地区近期负荷预测方法的有益效果:
本发明提出面向地区配电网的近期负荷预测方法,突破传统宏观方法不适用于特定地域规划的缺陷,结合地区经济发展状况,将S型生长曲线理论应用于电力企业的业扩工询中,搜寻报装增容容量在未来几年内逐年转化为实际负荷的规律,有助于提高当地地区负荷预测的精度,可为配电系统优化与规划提供更为详实的参考依据。
附图说明
图1为本发明提供的基于S型曲线的地区近期负荷预测方法的实施流程图。
图2为业扩容量转化系数曲线示意图。
图3为业扩发展曲线示意图。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于S型曲线的地区近期负荷预测方法进行详细说明。
如图1所示,本发明提供的基于S型曲线的地区近期负荷预测方法包括按顺序执行的下列步骤:
步骤1)业扩数据收集整理:收集历史业扩数据,即历史年的新增容量数据;
步骤2)业扩容量转化系数计算:根据业扩的基础和预测数据计算历史年新增负荷,确定所需参数(包括功率因数、负载率)的值,根据公式计算出各年段业扩容量转化系数的值;
步骤3)业扩发展曲线绘制及修正:根据上述业扩容量转化系数进行曲线拟合,形成业扩发展曲线;搜集类似经济状况、工业特点及负荷水平的城市信息,与其业扩发展曲线进行类比,并结合城市规划领域的S型生长曲线理论,修正业扩发展曲线,之后逐一修正各年段的业扩容量转化系数;
步骤4)目标年新增负荷计算及结果调整:根据步骤3)修正后的业扩容量转化系数和计算得到的负荷自然增长率,计算目标年的新增负荷,得到目标年的负荷预测结果,并参照其他预测方法结果对预测结果进行调整,得到目标年计及业扩工询信息的负荷预测结果。
在步骤1)中,所述的业扩数据的收集整理的做法为:
收集历史业扩数据,即历史年的新增容量数据;
表1 某供电公司2001年-2005年新增容量表
年份 | 2001 | 2002 | 2003 | 2004 | 2005 |
新增容量(KVA) | 1359491 | 1482193 | 1632687 | 2263625 | 2141936.7 |
在步骤2)中,所述的业扩容量转化系数计算包括下列步骤:
步骤2.1)计算历史年的新增负荷;
某年新增负荷由如下公式计算得到:
新增负荷=当年负荷-上一年负荷
表2 某供电公司2001年-2005年新增负荷表
年份 | 2001 | 2002 | 2003 | 2004 | 2005 |
新增负荷(MW) | 236.00 | 303.00 | 590.00 | 300.00 | 338.00 |
步骤2.2)确定所需参数(包括功率因数、负载率)的值;
根据地区的情况,确定功率因数、负载率的参数值。
本例中,功率因数取0.9,负载率取0.65。
步骤2.3)解方程组求解各年段的业扩容量转化系数;
业扩容量转化系数的计算需要根据业扩的基础和预测数据,以及相关公式计算得出,其求取方法如下:
将某年的新增负荷△S用两部分表示:一部分是某年之前一年负荷由于自然增长产生的新增负荷△Sz;另一部分是由某年之前几年新增容量转化而来的新增负荷△Sr,用公式表示为:
△S=△Sz+△Sr (1)
其中,负荷的自然增长可以用负荷自然增长率来描述;某年自然增长负荷可用下式计算:
△Sz=S1×α (2)
式中,S1为某年之前一年的负荷,α为负荷自然增长率;
新增容量产生的负荷增长要通过业扩工询信息与近期负荷的关系来描述:
式中,Ci为某年之前i年的业扩容量,Ki为末年之前i年的业扩容量在该年转化为实际负荷的转化转化系数,ηi为负载率,cosΦi为功率因数。
以2006年为例,2006年的新增负荷
=2005年负荷×负荷自然增长率
+2006年新增容量×新增容量转化系数(当年)K0×负载率×功率因数
+2005年新增容量×新增容量转化系数(1年后)K1×负载率×功率因数
+2004年新增容量×新增容量转化系数(2年后)K2×负载率×功率因数
+2003年新增容量×新增容量转化系数(3年后)K3×负载率×功率因数
业扩容量转化系数K间接反映了实际负荷转化率的大小,根据实际工程师经验,同时为研究方便,可只考虑新增容量仅对近三四年的负荷发展产生影响,实际中对新增容量的影响时间的考虑可根据负荷发展水平和速度对上式进行适当取舍。
通过业扩工询信息,得到最近2n年的新增负荷与新增容量数据(n一般取2—4),以及各年负荷自然增长率、负载率、功率因数等数据,根据公式(1)—公式(3),列出最近n+1年的新增负荷方程组:
某年新增负荷
△S0=αS1+C0K0η0cosΦ0+C1K1η1cosΦ1+...+Cn-1Kn-1ηn-1cosΦn-1;
前1年年新增负荷
△S1=αS2+C1K0η1cosΦ1+C2K1η2cosΦ2+...+CnKn-1ηncosΦn;
……
前n-1年年新增负荷
△Sn-1=αSn+Cn-1K0ηn-1cosΦn-1+CnK1ηncosΦn+...+C2n-2Kn-1η2n-2cosΦ2n-2
前n年年新增负荷
△Sn=αSn+1+CnK0ηncosΦn+Cn+1K1ηn+1cosΦn+1+...+C2n-1Kn-1η2n-1cosΦ2n-1;
上式为n+1元一次方程组,包含n+1个未知数(α K0 K1…Kn-1),可利用现有的线性规划方法进行求解。若方程组无解,则需对原始数据和原始参数进行适当修正,直到能够找到有实际意义的一组解。
下面以步骤1、2中提到的某供电公司为例,求取其各年的业扩容量转换系数。取n=4,用各年新增容量和负荷表示的方程组系数如下表所示:
表3 方程组系数
解方程即可得到各个业扩容量转化系数和负荷自然增长率如下表:
表4 供电公司新增容量转化系数
系数 | K0 | K1 | K2 | K3 | α |
数值 | -0.09982 | -0.05817 | 0.54026 | 0.13535 | -0.01638 |
在步骤3)中,所述的业扩发展曲线的绘制及修正的做法为:
根据业扩容量转化系数,计算出对应每年的等效负荷转化比例,并进行曲线拟合,形成业扩发展曲线;搜集类似经济状况、工业特点及负荷水平的城市信息,与其业扩发展曲线进行类比,并结合S型生长曲线理论,修正业扩发展曲线,如图2所示,最后逐一修正各年段的业扩容量转化系数,如图3所示。在步骤4)中,所述的目标年新增负荷计算的做法为:
根据步骤3)修正后的业扩容量转化系数和计算得到的负荷自然增长率在此基础上,用公式(1)计算可得到进行如上所述的目标年新增负荷,得到目标年的负荷预测结果。
由表2可知2006年-2008年新增容量值;为了得到2009年的新增负荷,根据上文计算得到的各业扩容量转化系数及负荷自然增长率,用公式(1)计算可得到2009年负荷增量为897.847MW。基于S曲线的负荷预测结果如表5所示。
表5 供电公司2003-2009年负荷预测结果
年份 | 2003 | 2004 | 2005 | 2006 | 2007 | 2008 | 2009 |
负荷(MW) | 5394.00 | 5694.00 | 6032.00 | 6563.53 | 7069.75 | 7615.00 | 8512.85 |
供电公司提供的原始预测值如表6所示。
表6 供电公司2003-2009年负荷预测原始结果
年份 | 2003 | 2004 | 2005 | 2006 | 2007 | 2008 | 2009 |
负荷(MW) | 5394.00 | 5694.00 | 6032.00 | 6563.53 | 7069.75 | 7615.00 | 8202.31 |
原负荷预测结果中,2009年新增负荷为641.61MW;
基于S曲线的负荷预测结果在一定程度上反映了业扩工询信息对近期负荷的影响,通过与供电公司提供的原始预测值进行比对,应用本发明提出的负荷预测方法,其结果与目标年2009年的实际值的相对误差有所降低,预测精度比原预测有所提高。
本发明提供的基于S型曲线的地区近期负荷预测方法,根据研究报装增容容量在未来几年内逐年转化为实际负荷的规律,结合地区经济发展特点,有针对性地解决了工作中出现的诸如工询业扩与次年最大负荷间对应关系,不仅对提高近期负荷预测的精度很有帮助,而且对于整个电网建设具有非常重要的意义。
Claims (4)
1.一种基于S型曲线的地区近期负荷预测方法,其特征在于:所述的方法包括按顺序执行的下列步骤:
步骤1)业扩数据收集整理:收集整理历史业扩数据,即历史年的新增报装容量数据;
步骤2)业扩容量转化系数计算:根据历年业扩基础数据和历史年最大负荷数据,计算历史年新增负荷数据,确定所需的包括功率因数、负载率在内的参数值,计算出各年段业扩容量转化系数的值;
步骤3)业扩发展曲线绘制及修正:根据上述业扩容量转化系数进行曲线拟合,形成业扩发展曲线;搜集类似经济状况、工业特点及负荷水平的城市信息,与其业扩发展曲线进行类比,并结合S型生长曲线理论,修正业扩发展曲线,最后逐一修正各年段的业扩容量转化系数;
步骤4)目标年新增负荷计算及预测结果调整:根据步骤3)修正后的业扩容量转化系数和计算得到的负荷自然增长率,计算目标年的新增负荷,得到目标年的负荷预测结果,并参照其他预测方法结果对预测结果进行调整,得到目标年计及业扩工询信息的负荷预测结果。
2.根据权利要求1所述的基于S型曲线的地区近期负荷预测方法,其特征在于:在步骤2)中,所述的业扩容量转化系数计算包括下列步骤:
步骤2.1)计算历史年的新增负荷;
某年新增负荷由如下公式计算得到:
新增负荷=当年负荷-上一年负荷
步骤2.2)确定所需功率因数、负载率的值;
根据地区的情况,确定功率因数、负载率参数值;
步骤2.3)解方程组求解各历史年段的业扩容量转化系数;
业扩容量转化系数求取方法如下:
将某年的新增负荷△S用两部分表示:一部分是某年之前一年的负荷由于自然增长产生的新增负荷△Sz;另一部分是由某年及某年之前几年的新增容量转化而来新增负荷△Sr,用公式表示为:
△S=△Sz+△Sr (1)
其中,负荷的自然增长用负荷自然增长率来描述;某年自然增长负荷用下式计算:
△Sz=S1×α (2)
式中,S1为某年之前一年的负荷,α为某年的负荷自然增长率;
新增容量产生的负荷增长要通过业扩工询信息与近期负荷的关系来描述:
式中,Ci为某年之前i年的业扩容量,Ki为某年之前i年的业扩容量在该年转化为实际负荷的转化系数,ηi为负载率,cosΦi为功率因数;
通过业扩工询信息,得到最近2n年的新增负荷与新增容量数据,n一般取2—4,以及各年负荷自然增长率、负载率、功率因数数据,根据公式(1)—公式(3),列出最近n+1年的新增负荷方程组:
某年新增负荷
△S0=αS1+C0K0η0cosΦ0+C1K1η1cosΦ1+...+Cn-1Kn-1ηn-1cosΦn-1;
前1年年新增负荷
△S1=αS2+C1K0η1cosΦ1+C2K1η2cosΦ2+...+CnKn-1ηncosΦn;
……
前n-1年年新增负荷
△Sn-1=αSn+Cn-1K0ηn-1cosΦn-1+CnK1ηncosΦn+...+C2n-2Kn-1η2n-2cosΦ2n-2;
前n年年新增负荷
△Sn=αSn+1+CnK0ηncosΦn+Cn+1K1ηn+1cosΦn+1+...+C2n-1Kn-1η2n-1cosΦ2n-1;
上述方程组为n+1元一次方程组,包括n+1个未知数(α K0 K1…Kn-1),能够利用现有的线性规划方法进行求解;若方程组无解,则需对原始数据和原始参数进行适当修正,直到能够找到有实际意义的一组解。
3.根据权利要求1所述的基于S型曲线的地区近期负荷预测方法,其特征在于:在步骤3)中,所述的业扩发展曲线的绘制及修正的做法为:
根据业扩容量转化系数,计算出对应每年的等效负荷转化比例,并进行曲线拟合,形成业扩发展曲线;搜集类似经济状况、工业特点及负荷水平的城市信息,与其业扩发展曲线进行类比,并结合S型生长曲线理论,修正业扩发展曲线,最后逐一修正各年段的业扩容量转化系数。
4.根据权利要求1所述的基于S型曲线的地区近期负荷预测方法,其特征在于:在步骤4)中,所述的目标年新增负荷计算及结果调整的做法为:
根据步骤3)修正后的业扩容量转化系数和计算得到的负荷自然增长率,利用公式(1)计算目标年的新增负荷结果,得到目标年的负荷预测结果,并参照其他预测方法结果对预测结果进行调整,得到目标年计及业扩工询信息的负荷预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410401727.0A CN104166885B (zh) | 2014-08-14 | 2014-08-14 | 一种基于s型曲线的地区近期电网负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410401727.0A CN104166885B (zh) | 2014-08-14 | 2014-08-14 | 一种基于s型曲线的地区近期电网负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104166885A true CN104166885A (zh) | 2014-11-26 |
CN104166885B CN104166885B (zh) | 2017-04-12 |
Family
ID=51910683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410401727.0A Expired - Fee Related CN104166885B (zh) | 2014-08-14 | 2014-08-14 | 一种基于s型曲线的地区近期电网负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104166885B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205566A (zh) * | 2015-10-08 | 2015-12-30 | 中国南方电网有限责任公司电网技术研究中心 | 能源消耗量预测方法和系统 |
CN105260802A (zh) * | 2015-11-06 | 2016-01-20 | 国网冀北电力有限公司 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
CN107505522A (zh) * | 2017-08-23 | 2017-12-22 | 南京联能电力检测研究所有限公司 | 一种基于增益预判建模的电能质量评估方法及测试仪 |
CN110309944A (zh) * | 2019-04-23 | 2019-10-08 | 上海发电设备成套设计研究院有限责任公司 | 一种区域供能冷热负荷预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663517A (zh) * | 2012-03-31 | 2012-09-12 | 上海市电力公司 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
US20130096983A1 (en) * | 2011-04-04 | 2013-04-18 | The Catholic University Of America | Systems and methods for improving the accuracy of day-ahead load forecasts on an electric utility grid |
CN103413188A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于工业业扩报装的月度工业用电量预测方法 |
-
2014
- 2014-08-14 CN CN201410401727.0A patent/CN104166885B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130096983A1 (en) * | 2011-04-04 | 2013-04-18 | The Catholic University Of America | Systems and methods for improving the accuracy of day-ahead load forecasts on an electric utility grid |
CN102663517A (zh) * | 2012-03-31 | 2012-09-12 | 上海市电力公司 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
CN103413188A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于工业业扩报装的月度工业用电量预测方法 |
Non-Patent Citations (2)
Title |
---|
余向前等: "基于生长曲线的行业业扩用电趋势研究", 《电力需求侧管理》 * |
葛斐等: "基于业扩报装的全社会电量预测方法研究", 《安徽电器工程职业技术学院学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205566A (zh) * | 2015-10-08 | 2015-12-30 | 中国南方电网有限责任公司电网技术研究中心 | 能源消耗量预测方法和系统 |
CN105260802A (zh) * | 2015-11-06 | 2016-01-20 | 国网冀北电力有限公司 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
CN105260802B (zh) * | 2015-11-06 | 2019-11-19 | 国网冀北电力有限公司 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
CN107505522A (zh) * | 2017-08-23 | 2017-12-22 | 南京联能电力检测研究所有限公司 | 一种基于增益预判建模的电能质量评估方法及测试仪 |
CN107505522B (zh) * | 2017-08-23 | 2020-01-14 | 江苏联能电力科学研究院有限公司 | 一种基于增益预判建模的电能质量评估方法及测试仪 |
CN110309944A (zh) * | 2019-04-23 | 2019-10-08 | 上海发电设备成套设计研究院有限责任公司 | 一种区域供能冷热负荷预测方法 |
CN110309944B (zh) * | 2019-04-23 | 2023-09-01 | 上海发电设备成套设计研究院有限责任公司 | 一种区域供能冷热负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104166885B (zh) | 2017-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | The value of improved wind power forecasting: Grid flexibility quantification, ramp capability analysis, and impacts of electricity market operation timescales | |
Ma et al. | Forecasting iron ore import and consumption of China using grey model optimized by particle swarm optimization algorithm | |
Marquant et al. | A holarchic approach for multi-scale distributed energy system optimisation | |
Li et al. | Building energy consumption on-line forecasting using physics based system identification | |
CN101551884B (zh) | 面向大规模样本的cvr电力负荷快速预测方法 | |
Zhang et al. | Cost-oriented load forecasting | |
CN104166885A (zh) | 一种基于s型曲线的地区近期负荷预测方法 | |
Lazos et al. | Development of hybrid numerical and statistical short term horizon weather prediction models for building energy management optimisation | |
Li et al. | A comparative study on prediction methods for China's medium-and long-term coal demand | |
CN103985000A (zh) | 基于函数型非参数回归的中长期典型日负荷曲线预测方法 | |
CN103646294A (zh) | 一种考虑闸门操作规则的水电站洪水优化调度方法 | |
CN106845669A (zh) | 基于指数平滑法预测电网年持续负荷的方法 | |
CN105184398A (zh) | 一种电力最大负荷小样本预测方法 | |
CN106897803A (zh) | 一种基于组合灰色模型预测管理复烤烟叶原料需求的方法 | |
Claessen et al. | Comparative analysis of tertiary control systems for smart grids using the Flex Street model | |
CN104978491A (zh) | 一种基于经验模态分解和支持向量机的钟差预测方法 | |
CN103699947A (zh) | 一种基于元学习的电力系统时变非线性负荷组合预测方法 | |
Zeng et al. | Forecasting the total energy consumption in China using a new-structure grey system model | |
CN110516884A (zh) | 一种基于大数据平台的短期负荷预测方法 | |
Lumbreras et al. | Unsupervised recognition and prediction of daily patterns in heating loads in buildings | |
CN102646216B (zh) | 基于“s”形模型的能源需求预测方法 | |
CN105320991A (zh) | 基于因素的钢铁企业工序能耗预测方法 | |
Bianchi et al. | Load forecasting in district heating networks: Model comparison on a real-world case study | |
US10581250B2 (en) | System for generating real-time information and forecasts on power output regulation due to grid congestion in at least one power grid | |
Bhakar et al. | Reference network development for distribution network pricing |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210518 Address after: Room 710, block I, Haitai green industrial base, No.6 Haitai development road, Huayuan Industrial Zone, Binhai New Area, Tianjin, 300384 Patentee after: TIANJIN TIANCHENG HENGCHUANG ENERGY TECHNOLOGY Co.,Ltd. Address before: 300072 automation college, No.92 Weijin Road, Nankai District, Tianjin Patentee before: Tianjin University |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170412 Termination date: 20210814 |