CN104638636B - 一种电力日负荷特性指标预测方法 - Google Patents

一种电力日负荷特性指标预测方法 Download PDF

Info

Publication number
CN104638636B
CN104638636B CN201410690066.8A CN201410690066A CN104638636B CN 104638636 B CN104638636 B CN 104638636B CN 201410690066 A CN201410690066 A CN 201410690066A CN 104638636 B CN104638636 B CN 104638636B
Authority
CN
China
Prior art keywords
year
industry
predict
load
standard
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
Application number
CN201410690066.8A
Other languages
English (en)
Other versions
CN104638636A (zh
Inventor
钟杰峰
郭知非
袁康龙
何向刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd filed Critical China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd
Priority to CN201410690066.8A priority Critical patent/CN104638636B/zh
Publication of CN104638636A publication Critical patent/CN104638636A/zh
Application granted granted Critical
Publication of CN104638636B publication Critical patent/CN104638636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand

Abstract

本发明涉及一种电力日负荷特性指标预测方法，其方法是：选取或设定一些行业为典型行业，选取或设定一些居民用户为典型用户；定期或不定期收集若干次所述典型行业和典型用户的用电负荷数据，通过归纳整理出各次典型行业及典型用户用电的日负荷特性指标并绘制日负荷曲线；然后建立分部门负荷特性指标与全系统负荷特性指标的预测模型，再根据日负荷曲线得出各典型行业、居民生活用电变化趋势，得到日负荷率和日最小负荷率预测值。本发明能准确把握负荷特性变化规律和趋势，提高电力市场分析预测的科学性、准确性，提升对电网规划、计划、生产运行等工作的支撑力度。

Description

一种电力日负荷特性指标预测方法
技术领域
本发明涉及一种电力日负荷特性指标预测方法，适用珠电网规划、计划、生产运行工作中的电力日负荷特性指标预测，可为城市电网的规划设计、电网运行、市场经营决策等多个领域提供信息和依据。属于电力系统设计领域。
背景技术
电力系统负荷特性研究是做好电网规划、计划、生产运行工作的重要基础，电力负荷特性与区域的产业结构的调整，经济增长方式的转变、以及节能减排、气候气温等因素有着复杂关系，通过分析这些因素对负荷特性影响程度，有利于掌握负荷变化规律及其内部机理，配合电力部门制定合理的管理方案，调节负荷特性提供科学的依据和数据支持，为电力企业今后的规划设计、电网运行、市场经营决策等多个领域提供信息和依据。电力系统规划设计中，准确预测日负荷特性指标是规划电源布局、确定各类型发电厂的运行方式、研究调峰能力及机组利用程度等问题的重要基础。目前，研究日负荷特性指标多采用定性预测方法，预测精度及可信度难以满足电力市场分析需求。日负荷曲线表示一天内每个小时负荷的变化情况，日负荷率(γ)和日最小负荷率(β)是用于描述日负荷曲线特性的两个常用指标。其中，日负荷率是日平均负荷与日最大负荷的比值，表征一天中负荷分布的不均衡性，较高的负荷率有利于电力系统的经济运行；日最小负荷率是日最小负荷与日最大负荷的比值，描述了日负荷低谷情况和日峰谷差，反映了电网所需要的调峰能力，用于安排调峰措施、调整负荷及电源规划的研究。
发明内容
本发明的目的，是为了解决现有电力系统负荷特性的预测方法预测精度及可信度难以满足电力市场分析需求，提供了一种电力日负荷特性指标预测方法。
本发明的目的可以通过以下技术方案实现：
一种电力日负荷特性指标预测方法，其特征在于：选取或设定一些行业为典型行业，选取或设定一些居民用户为典型用户；定期或不定期收集若干次所述典型行业和典型用户的用电负荷数据，通过归纳整理出各次典型行业及典型用户用电的日负荷特性指标并绘制日负荷曲线；然后建立分部门负荷特性指标与全系统负荷特性指标的预测模型，再根据日负荷曲线得出各典型行业、居民生活用电变化趋势，得到日负荷率和日最小负荷率预测值。
本发明的目的还可以通过以下技术方案实现：
进一步地，所述电力日负荷特性指标预测方法，其特征在于包括如下步骤：
1)建立数据库模块，收集各区域用电负荷数据和资料，包括有三次典型行业及典型用户的用电负荷的各项历史负荷特征指标，包括：日负荷率、日最小负荷率和年最大负荷利用小时数；
2)建立预测模型，输入预测年部分参数的预测结果，包括：预测年三次典型行业及典型用户的用电量、最大用电负荷和年最大负荷利用小时数；
3)依据步骤1)和步骤2)的数据信息计算得出预测年的典型日日负荷率：
其预测模型计算表达式为：
γ预测年＝{P基准年xγ基准年+(ΔP第一产业xγ第一产业)+(ΔP第二产业xγ第二产业)+(ΔP第三产业xγ第三产业)+(ΔP居民用电xγ居民用电)}/P预测年
其中，W为全社会用电量，P为全社会最大用电负荷；H为最大负荷年利用小时数；因此P＝W/H；K＝H预测年/H基准年。
进一步地，预测年的典型日日负荷率的表达式如下：
γ预测年＝Kx{(W基准年/W预测年)}xγ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xγ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xγ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xγ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xγ居民用电
＝{(W基准年/W预测年)}xγ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xγ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xγ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xγ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xγ居民用电。
进一步地，预测年的典型日日负荷率的表达式简化成：
γ预测年＝{(W基准年/W预测年)}xγ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xγ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xγ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xγ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xγ居民用电
进一步地，所述的预测水平年的典型日最小负荷率可近似为：
β预测年＝Kx{(W基准年/W预测年)}xβ2010+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xβ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xβ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xβ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xβ居民用电
＝{(W基准年/W预测年)}xβ2010+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xβ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xβ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xβ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xβ居民用电。
进一步地，所述的计算表达式中的K值为0.96-1。
本发明具有以下突出的有益效果
1.本发明选取或设定一些行业为典型行业，选取或设定一些居民用户为典型用户；定期或不定期收集若干次所述典型行业和典型用户的用电负荷数据，通过归纳整理出各次典型行业及典型用户用电的日负荷特性指标并绘制日负荷曲线；然后建立分部门负荷特性指标与全系统负荷特性指标的预测模型，再根据日负荷曲线得出各典型行业、居民生活用电变化趋势，得到日负荷率和日最小负荷率预测值；因此能达到准确把握负荷特性变化规律和趋势，提高电力市场分析预测的科学性、准确性，提升对电网规划、计划、生产运行等工作的支撑力度。
2.本发明具有准确的负荷特性指标预测，指导各类型发电厂的运行方式，可以有效降低电网设备及电源装机的备用率,从而减少电网设备及火电机组的闲置,提高电网设备及火电机组的利用效率,并减少不必要的电网及电源建设投资，提高电力系统运行经济性和可靠性。
3.本发明为政府、电网公司制定错峰限电、电力需求侧管理、节能减排等政策、措施提供科学和合理的依据。
具体实施方式
具体实施例1：
本实施例涉及的电力日负荷特性指标预测方法，其特征在于：选取或设定一些行业为典型行业，选取或设定一些居民用户为典型用户；定期或不定期收集若干次所述典型行业和典型用户的用电负荷数据，通过归纳整理出各次典型行业及典型用户用电的日负荷特性指标并绘制日负荷曲线；然后建立分部门负荷特性指标与全系统负荷特性指标的预测模型，再根据日负荷曲线得出各典型行业、居民生活用电变化趋势，得到日负荷率和日最小负荷率预测值。
本实施例中：
进一步地，所述电力日负荷特性指标预测方法，其特征在于包括如下步骤：
1)建立数据库模块，收集各区域用电负荷数据和资料，包括有三次典型行业及典型用户的用电负荷的各项历史负荷特征指标，包括：日负荷率、日最小负荷率和年最大负荷利用小时数；
2)建立预测模型，输入预测年部分参数的预测结果，包括：预测年三次典型行业及典型用户的用电量、最大用电负荷和年最大负荷利用小时数；
3)依据步骤1)和步骤2)的数据信息计算得出预测年的典型日日负荷率：
其预测模型计算表达式为：
γ预测年＝{P基准年xγ基准年+(ΔP第一产业xγ第一产业)+(ΔP第二产业xγ第二产业)+(ΔP第三产业xγ第三产业)+(ΔP居民用电xγ居民用电)}/P预测年
其中，W为全社会用电量，P为全社会最大用电负荷；H为最大负荷年利用小时数；因此P＝W/H；K＝H预测年/H基准年。
进一步地，预测年的典型日日负荷率的表达式如下：
γ预测年＝Kx{(W基准年/W预测年)}xγ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xγ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xγ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xγ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xγ居民用电
＝{(W基准年/W预测年)}xγ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xγ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xγ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xγ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xγ居民用电。
进一步地，预测年的典型日日负荷率的表达式简化成：
γ预测年＝{(W基准年/W预测年)}xγ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xγ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xγ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xγ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xγ居民用电
进一步地，所述的预测水平年的典型日最小负荷率可近似为：
β预测年＝Kx{(W基准年/W预测年)}xβ2010+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xβ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xβ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xβ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xβ居民用电
＝{(W基准年/W预测年)}xβ2010+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xβ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xβ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xβ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xβ居民用电。
进一步地，所述的计算表达式中的K值为0.96-1。
通常来说，区域的产业结构的调整及经济增长方式的转变是一个长期过程，在短期内不会有巨变，因此，预测年和基准年的年最大负荷小时数变化幅度不会很大，K值一般在0.96-0.99,即使等于1，也不影响预测结果的精度。
实施例中，所述的日负荷曲线表示一天内每个小时负荷的变化情况，日负荷率(γ)和日最小负荷率(β)是用于描述日负荷曲线特性的两个常用指标。其中，日负荷率是日平均负荷与日最大负荷的比值，表征一天中负荷分布的不均衡性，较高的负荷率有利于电力系统的经济运行；日最小负荷率是日最小负荷与日最大负荷的比值，描述了日负荷低谷情况和日峰谷差，反映了电网所需要的调峰能力，用于安排调峰措施、调整负荷及电源规划的研究。
本发明上述对预测年的典型日日负荷率计算，有利于掌握负荷变化规律及其内部机理，配合电力部门制定合理的管理方案，调节负荷特性提供科学的依据和数据支持，为电力企业今后的规划设计、电网运行、市场经营决策等多个领域提供信息和依据。电力系统规划设计中，准确预测日负荷特性指标是规划电源布局、确定各类型发电厂的运行方式、研究调峰能力及机组利用程度等问题的重要基础。

Claims (5)

1.一种电力日负荷特性指标预测方法，其特征在于：选取或设定一些行业为典型行业，选取或设定一些居民用户为典型用户；定期或不定期收集若干次所述典型行业和典型用户的用电负荷数据，通过归纳整理出各次典型行业及典型用户用电的日负荷特性指标并绘制日负荷曲线；然后建立分部门负荷特性指标与全系统负荷特性指标的预测模型，再根据日负荷曲线得出各典型行业、居民生活用电变化趋势，得到日负荷率和日最小负荷率预测值；具体步骤如下：
1)建立数据库模块，收集各区域用电负荷数据和资料，包括有三次典型行业及典型用户的用电负荷的各项历史负荷特征指标，包括：日负荷率、日最小负荷率和年最大负荷利用小时数；
2)建立预测模型，输入预测年部分参数的预测结果，包括：预测年三次典型行业及典型用户的用电量、最大用电负荷和年最大负荷利用小时数；
3)依据步骤1)和步骤2)的数据信息计算得出预测年的典型日日负荷率：
其预测模型计算表达式为：
γ预测年＝{P基准年xγ基准年+(ΔP第一产业xγ第一产业)+(ΔP第二产业xγ第二产业)+(ΔP第三产业xγ第三产业)+(ΔP居民用电xγ居民用电)}/P预测年
其中，W为全社会最大用电量，P为全社会最大用电负荷；H为最大负荷年利用小时数；因此P＝W/H；K＝H预测年/H基准年；ΔP第一产业是指预测年比预测基准年第一产业的最大用电负荷的变化量；ΔP第二产业是指预测年比预测基准年第二产业的最大用电负荷的变化量；ΔP第三产业是指预测年比预测基准年第三产业的最大用电负荷的变化量；ΔP居民用电是指预测年比预测基准年居民用电的最大用电负荷的变化量；γ基准年表示基准年的日负荷率，γ预测年表示预测年的日负荷率，γ第一产业表示第一产业的日负荷率，γ第二产业表示第二产业的日负荷率，γ第三产业表示第三产业的日负荷率，γ居民用电表示居民用电的日负荷率。
2.根据权利要求1所述的一种电力日负荷特性指标预测方法，其特征在于：
预测年的典型日日负荷率的计算表达式如下：
γ预测年＝Kx{(W基准年/W预测年)}xγ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xγ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xγ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xγ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xγ居民用电；
式中，W预测年为预测年的全社会最大用电量，ΔW第一产业是指预测年比预测基准年第一产业的电量变化量，ΔW第二产业是指预测年比预测基准年第二产业的电量变化量，ΔW第三产业是指预测年比预测基准年第三产业的电量变化量，ΔW居民用电是指预测年比预测基准年居民用电的电量变化量；γ基准年表示基准年的日负荷率，γ预测年表示预测年的日负荷率，γ第一产业表示第一产业的日负荷率，γ第二产业表示第二产业的日负荷率，γ第三产业表示第三产业的日负荷率，γ居民用电表示居民用电的日负荷率。
3.根据权利要求1所述的一种电力日负荷特性指标预测方法，其特征在于：
预测年的典型日日负荷率的计算表达式简化成：
γ预测年＝{(W基准年/W预测年)}xγ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xγ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xγ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xγ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xγ居民用电；
式中，W预测年为预测年的全社会最大用电量，ΔW第一产业是指预测年比预测基准年第一产业的电量变化量，ΔW第二产业是指预测年比预测基准年第二产业的电量变化量，ΔW第三产业是指预测年比预测基准年第三产业的电量变化量，ΔW居民用电是指预测年比预测基准年居民用电的电量变化量；γ基准年表示基准年的日负荷率，γ预测年表示预测年的日负荷率，γ第一产业表示第一产业的日负荷率，γ第二产业表示第二产业的日负荷率，γ第三产业表示第三产业的日负荷率，γ居民用电表示居民用电的日负荷率。
4.根据权利要求1所述的一种电力日负荷特性指标预测方法，其特征在于：所述的预测年的典型日最小负荷率的近似计算表达式为：
β预测年＝Kx{(W基准年/W预测年)}xβ基准年+{(ΔW第一产业/H第一产业)/(W预测年/H基准年)}xβ第一产业+{ΔW第二产业/H第二产业)/(W预测年/H基准年)}xβ第二产业+{ΔW第三产业/H第三产业)/(W预测年/H基准年)}xβ第三产业+{ΔW居民用电/H居民用电)/(W预测年/H基准年)}xβ居民用电；
式中，W预测年为预测年的全社会最大用电量，ΔW第一产业是指预测年比预测基准年第一产业的电量变化量，ΔW第二产业是指预测年比预测基准年第二产业的电量变化量，ΔW第三产业是指预测年比预测基准年第三产业的电量变化量，ΔW居民用电是指预测年比预测基准年居民用电的电量变化量；β基准年表示基准年的最小负荷率，β预测年表示预测年的最小负荷率，β第一产业表示第一产业的最小负荷率，β第二产业表示第二产业的最小负荷率，β第三产业表示第三产业的最小负荷率，β居民用电表示居民用电的最小负荷率。
5.根据权利要求2或4所述的一种电力日负荷特性指标预测方法，其特征在于：所述的计算表达式中的K值为0.96-1。
CN201410690066.8A 2014-11-25 2014-11-25 一种电力日负荷特性指标预测方法 Active CN104638636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410690066.8A CN104638636B (zh) 2014-11-25 2014-11-25 一种电力日负荷特性指标预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410690066.8A CN104638636B (zh) 2014-11-25 2014-11-25 一种电力日负荷特性指标预测方法

Publications (2)

Publication Number Publication Date
CN104638636A CN104638636A (zh) 2015-05-20
CN104638636B true CN104638636B (zh) 2017-12-15

Family

ID=53217087

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410690066.8A Active CN104638636B (zh) 2014-11-25 2014-11-25 一种电力日负荷特性指标预测方法

Country Status (1)

Country Link
CN (1) CN104638636B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651015A (zh) * 2016-12-12 2017-05-10 国网上海市电力公司 一种利用双向夹逼法预测电网典型日负荷的方法
CN106709643A (zh) * 2016-12-21 2017-05-24 国网浙江开化县供电公司 一种开化地区产业用电量分析方法
CN108346009B (zh) * 2018-03-21 2021-09-03 深圳库博能源科技有限公司 一种基于用户模型自学习的电力生产配置方法和装置
CN111461921B (zh) * 2020-03-31 2023-11-24 国网湖南省电力有限公司 一种基于机器学习的负荷建模典型用户数据库更新方法
CN112183809A (zh) * 2020-08-12 2021-01-05 国网江西省电力有限公司经济技术研究院 一种基于时空推演法的电力负荷特性指标测算方法
CN112288496A (zh) * 2020-11-18 2021-01-29 国网湖南省电力有限公司 电力行业负荷分类计算方法及其跟踪分析方法
CN112561159B (zh) * 2020-12-11 2022-11-22 国家电网有限公司 一种面向地市级的分层电力供需预测方法及系统
CN112883588B (zh) * 2021-03-18 2023-04-07 国网福建省电力有限公司经济技术研究院 分产业负荷曲线模拟方法、系统及装置
CN113408101B (zh) * 2021-05-19 2024-01-12 南方电网科学研究院有限责任公司 一种负荷序列模拟方法、装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10117437A (ja) * 1996-10-09 1998-05-06 Fuji Electric Co Ltd 日最大電力需要量予測方法
US9118182B2 (en) * 2012-01-04 2015-08-25 General Electric Company Power curve correlation system
CN103577901B (zh) * 2013-11-22 2017-01-25 国家电网公司 潮间带风电接入电网的方法
CN103985000B (zh) * 2014-06-05 2017-04-26 武汉大学 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
CN104091293B (zh) * 2014-07-30 2017-07-14 国家电网公司 基于用电结构变动的电网长期负荷特性预测方法

Also Published As

Publication number Publication date
CN104638636A (zh) 2015-05-20

Similar Documents

Publication Publication Date Title
CN104638636B (zh) 一种电力日负荷特性指标预测方法
CN106874630B (zh) 基于电量消纳的区域电网新能源开发潜力评估方法
Wang et al. Online voltage security assessment considering comfort-constrained demand response control of distributed heat pump systems
CN106124852A (zh) 非侵入式负荷监测系统
CN105811402A (zh) 一种电力负荷预测系统及其预测方法
CN104504619A (zh) 两种考虑温度和经济增长因素的月度统调用电量预测方法
CN105226648A (zh) 一种基于大数据的分布式电源配电网规划方法
CN107748972A (zh) 一种基于双能源指标预测全社会用电量的方法
CN104680253A (zh) 基于可靠性与经济性相协调的配电网规划投资优化方法
CN102522756A (zh) 一种避免电压越限风险的电网感性无功补偿方法
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
Werner et al. Technical, economical and regulatory aspects of Virtual Power Plants
CN103679289A (zh) 基于多元回归外推法的电力负荷预测方法
CN109636033B (zh) 一种分布式光伏项目自发自用综合电价预测方法
CN107769268A (zh) 一种含小水电的地调范围日前预测省供负荷方法
CN113746105A (zh) 电力需求响应的优化控制方法、装置、设备和存储介质
CN113723684A (zh) 一种企业电力用户的负荷预测及能源管理的装置及方法
CN104252647B (zh) 基于反距离权重插值法的用电负荷预测方法
CN107330548A (zh) 基于时间序列模型的居民用电预测方法
CN110796314A (zh) 一种考虑温度梯度变化的月度统调用电量预测方法
Kimata et al. Operation planning for heat pump in a residential building
CN102035210A (zh) 电力系统放松约束的无功设备优化方法
Sahlin et al. Transmission line loss prediction based on linear regression and exchange flow modelling
Shen et al. Discussion of the elasticity quantization and aggregation of the power load
CN109460917A (zh) 一种基于分布因子和支持向量机的母线负荷预测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent for invention or patent application
CB02 Change of applicant information

Address after: 510670 Luogang District, Guangdong, Guangzhou Science City Fung Road, No. 1, No.

Applicant after: Company limited of China Energy Engineering Group Guangdong Electric Power Design Institute

Address before: 510670 Luogang District, Guangdong, Guangzhou Science City Fung Road, No. 1, No.

Applicant before: Guangdong Electric Power Design Institute of CEEC

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: CHINA ENERGY ENGINEERING GROUP GUANGDONG ELECTRIC POWER DESIGN INSTITUTE TO: CHINA ENERGY ENGINEERING GROUP GUANGDONG ELECTRIC POWER DESIGN INSTITUTE CO., LTD.

GR01 Patent grant
GR01 Patent grant