CN104751249A - 一种空间负荷预测方法 - Google Patents
一种空间负荷预测方法 Download PDFInfo
- Publication number
- CN104751249A CN104751249A CN201510178072.XA CN201510178072A CN104751249A CN 104751249 A CN104751249 A CN 104751249A CN 201510178072 A CN201510178072 A CN 201510178072A CN 104751249 A CN104751249 A CN 104751249A
- Authority
- CN
- China
- Prior art keywords
- load
- classed
- year
- area
- historical
- 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.)
- Pending
Links
Abstract
本发明涉及一种空间负荷预测方法,属于电力系统领域,所述方法步骤包括:一、预测规划年的用地信息,规划年的用地按小区划分,确定远景年的分类负荷密度指标;二、计算远景年各小区的负荷饱和值,同时计算远景年的分类负荷总量及系统的总负荷饱和值;三、利用步骤二种的数据进行老城区的负荷分布预测;四、利用步骤二中的数据通过空间推论的方法进行新城区负荷分布预测;五、规划年的负荷预测结果进行校核;六、如果校核结果不满意,继续进行校核,直到校核结果满意停止。本发明提供的方法,克服了所有同类老区按统一的分类负荷平均密度来得到预测负荷的问题,有效改善了预测精度,而附加的数据也易获得。
Description
技术领域
本发明涉及电力系统领域,具体涉及一种空间负荷预测方法。
背景技术
随着现代工业和农业的不断发展及人民生活水平的日益提高,社会对电力供应的需求量越来越大。为了满足飞速发展的电力需求,作为国民经济重要部门之一的电力工业管理部门必须不断扩大电力系统的规模,因此,也同样面临着日益繁重的电网发展规划任务。
城市负荷预测有如下特点:(1)城市负荷是分散在各个负荷区域,点负荷所占的比重不大;(2)可利用历史负荷数据和负荷饱和值来预测未来负荷的发展趋势,并且可将城市总体规划或城市用地规划作为参考,从中提取未来土地使用信息,以此预测负荷分布的位置、数量和产生时间。空间负荷预测方法的研究和选用,要同时受到网络规划所要求的信息量、现有的和可能采集的基础信息量的限制,因此空间负荷预测方法具有多样性、复杂性以及不同难易程度的可实现性。目前常用的城市配网空间负荷预测方法主要有趋势法、用地仿真法和分类分区法。
趋势法是所有基于负荷历史数据外推负荷发展趋势的方法的总称。在空间负荷预测中,该方法是以划分的负荷区域为基础,采用曲线拟合或其它推断方法来预测规划期的峰值负荷。用地仿真法主要适用于用地规划比较不确定的情况(如中长期负荷预测),能较好地综合考虑不少定性因素(如地理社会和交通环境),但在我国城网规划中推广应用的成功案例还不多见。用地仿真法最新的发展动态是基于GIS平台,采用元胞自动机和粗糙集理论来模拟城市土地利用动态发展过程,预测规划区域各负荷区域土地的未来使用类型。分类分区法是一种比较简便实用的方法,适用于土地使用比较确定的情况,不需要收集太多历史数据,并已在生产实践中得到了广泛应用,但是所有同类老区按统一的分类负荷平均密度来得到预测负荷,预测精度低,不能满足现有电网的工作预测需求。
发明内容
本发明提供一种空间负荷预测方法,克服了所有同类老区按统一的分类负荷平均密度来得到预测负荷的问题,有效改善了预测精度,而附加的数据也易获得。本发明中的方法虽然增加了划分现有配变供区以获得部分老城区历史负荷数据的工作,利用基于空区推论的基本思想,可得到新城区负荷分布预测,避免了同类新老负荷区域按统一的分类负荷平均密度来得到预测负荷。
本发明的技术方案是:一种空间负荷预测方法,所述方法步骤包括:步骤一、预测规划年的用地信息,规划年的用地按小区划分,确定远景年的分类负荷密度指标;步骤二、计算远景年各小区的负荷饱和值,同时计算远景年的分类负荷总量及系统的总负荷饱和值;步骤三、利用步骤二种的数据进行老城区的负荷分布预测,其中老城区的负荷分布预测分为有历史负荷数据的老城区负荷分布预测和无历史负荷数据的老城区负荷分布预测,两项预测分别进行;步骤四、利用步骤二中的数据通过空间推论的方法进行新城区负荷分布预测;步骤五、规划年的负荷预测结果进行校核,首先自下而上阶段:由小区负荷汇总得到分类负荷总量进行分类负荷总量校核;步骤六、如果校核结果不满意,继续进行校核,进入自上而下阶段:专家干预或根据总量按比例修正小区负荷,自上而下阶段处理完后,继续循环进入自下而上阶段进行校核,直到校核结果满意停止。
所述步骤三中的有历史负荷数据的老城区负荷分布预测方法为:获得配变历史年供电量,划分城市的配变供区,得知负荷区域的历史负荷值和远景年的负荷饱和值,将负荷区域的历史负荷值及远景年的负荷饱和值用回归曲线拟合,回推得到规划年的负荷预测。
所述步骤三中的无历史负荷数据的老城区负荷分布预测方法为:1)确定现状年整个老城区的分类负荷发展曲线;2)将有历史数据的各老城负荷区域的负荷预测值逐年汇总得到有历史负荷的老城区的分类负荷发展曲线;3)所有无历史数据的同类老城区域的负荷可基于同一分类负荷平均密度计算得到,该分类负荷平均密度可表示为:式中Lth′是t年在现有老城区面积上预测的h类总负荷,Lth1为t年h类无历史负荷数据的老城区负荷,Lth2为t年h类有历史数据的老城区的负荷,S1为h类无历史负荷的老城区面积。
所述步骤四中的新城区负荷分布预测方法为:确定远景年整个规划区面积上的分类负荷发展曲线,估算新城区分类负荷平均密度,并据此预测新城区负荷分布,新城区的分类负荷平均密度的计算公式如下:式中,dth,new为新城区t年h类负荷平均密度;△Pth为新城区t年h类负荷,是根据整个规划区面积上的负荷饱和值和仅老城区面积上的负荷饱和值分类预测得到的2个负荷值之差;Sth,new为新城区t年h类负荷的面积。
所述步骤五中的自上而下阶段的步骤具体为:一、按分类负荷区域负荷自下而上求分类负荷:首先,由下式求分类负荷:(h=1,2,…,H),式中,Lh为第h类负荷;αh为h类负荷区域负荷之间的同时率;Lh,j为负荷区域j中的h类负荷;Jh为包含h类负荷的负荷区域总数,然后计算分类电量;二、与直接预测的分类负荷结果相校核,判断自下而上得到的分类负荷总量是否令人满意。
所述步骤六中的自下而上的步骤具体为:一、以直接分类负荷预测或最近一次负荷总量专家干预得到的分类负荷与由当前分类负荷区域合成得到的分类负荷计算分类修正系数,式中,首项δh为h类负荷区域负荷的修正系数;分子Lh′为总量预测或最近一次专家干预得到的h类负荷;分母Lh为通过负荷区域负荷自下而上得到的h类负荷;二、按系数修正分类负荷区域负荷,将分类负荷分配到同类负荷区域:Lh,j′=δhLh,j,式中首项为修正后的负荷区域j中的h类负荷;校验是否已经达到满意的负荷区域负荷;是则结束计算,否则转到自上而下阶段中继续运行。
所述步骤二中的远景年的分类负荷总量及系统的总负荷饱和值数据需要空间推论处理,具体处理过程为:分类负荷历史值和饱和值进行曲线拟合,回推中间年分类负荷总量,并汇总成系统总量;中间年系统总量的计算同理得出,由系统负荷历史值和饱和值进行曲线拟合,回推得到。
本发明有如下积极效果:本发明对传统的空间预测方法进行了改进,通过空间推论着眼于空区负荷发展趋势的研究,因为大多数未来负荷区域负荷的增长是发生在目前没有负荷的空区上。由于没有负荷,就不能根据历史负荷来进行趋势外推。并且研究数据表明,负荷区域划分得越小,则规划期内空区负荷增长量占总负荷增长量的比例越大。如果要对一个面积在0.16~0.65km2范围内的小区域区块进行负荷预测,将有相当一部分未来负荷增长量不能用传统的趋势法预测出来,运用空区推论则可以较好地解决这一问题,申请人做过数据统计,使用本发明得出的预测结果与实际值相比,稍偏低,但偏离程度较小,比之常用的预测方法,更贴近实际值。
附图说明
图1是本发明的空间负荷预测方法的流程图;
图2是本发明的空间推论的概念图;
图3是本发明的有历史数据老城区的负荷预测流程图;
图4是本发明的无历史负荷的新老城区负荷预测示意图。
具体实施方式
下面对照附图,通过对实施例的描述,本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等,作进一步详细的说明,以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
一种空间负荷预测方法,空间负荷预测方法的研究和选用,要同时受到网络规划所要求的信息量、现有的和可能采集的基础信息量的限制,因此空间负荷预测方法具有多样性、复杂性以及不同难易程度的可实现性。具体方法步骤如下,其流程示意图如图1所示:
步骤一、预测规划年的用地信息,规划年的用地按小区划分,确定远景年的分类负荷密度指标。小区划分负荷区域,负荷区域边界是固定的,历史数据不会因主干线、变电站供电范围的变化或负荷区域边界的更改而重新统计和调整,故可以较准确的反映负荷区域负荷变化的规律。文中规划年的定义:即为最终规划的具体年份,在此期间每年都有规划纲要及项目支撑(如2020年,2030年)。远景年的定义为:一般为展望年,即详细规划未覆盖的年份,没有规划纲要及项目支撑,如2050年。
步骤二、计算远景年各小区的负荷饱和值,同时计算远景年的分类负荷总量及系统的总负荷饱和值。
一个地区电力负荷进入饱和阶段时一般具有如下特征:1)在经历了较快增长时期后,负荷达到较高水平,且呈持续低速平稳增长。在此阶段,电力负荷水平较高,连续5年左右的负荷年均增长率不超过4%。2)经济规模较大,且产业结构比较合理、稳定。3)在国内,土地性质是影响负荷的重要因素。如果一个城市的远景规划、土地用途(性质)变更较少,或从低负荷密度向高负荷密度转变的土地较少,则可认为该地区已暂时进入饱和阶段。
负荷饱和值是基于确定远景分类负荷密度指标得到的。根据城市远景规划用地分析,设定远景年分类负荷饱和密度指标并预测远景年负荷分布情况(各负荷区域的远景负荷预测值为远景分类负荷饱和密度与该负荷区域面积之乘积),进而得到远景分类负荷和分类电量预测值,总加和考虑同时率(或利用分类负荷曲线叠加)得到远景年总负荷和总电量的预测值。
同时步骤二中的远景年的分类负荷总量及系统的总负荷饱和值数据需要空间推论处理,具体处理过程为:分类负荷历史值和饱和值进行曲线拟合,回推中间年分类负荷总量,并汇总成系统总量;中间年系统总量的计算同理得出,由系统负荷历史值和饱和值进行曲线拟合,回推得到;系统总量和中间年系统总量的数值通过系统总量校核及修正。
空区推论(Vacant Area Inference,VAI)最初是为了预测现状无负荷的空区上的负荷发展而提出的。它是通过预测包含空区的更大区域上的负荷来推算其中空区的负荷发展。其基本思路是:外推有历史负荷的区域1的负荷发展趋势,然后外推区域1加上空区后的较大区域(即区域2)上的总负荷发展趋势,最后根据两者之差推算空区的负荷,空区推论的概念如图2所示。
步骤三、利用步骤二种的数据进行老城区的负荷分布预测,其中老城区的负荷分布预测分为有历史负荷数据的老城区负荷分布预测和无历史负荷数据的老城区负荷分布预测,两项预测分别进行。有历史负荷数据的老城区负荷分布预测方法为:针对有历史数据的老城区,根据实际城市配电网规划工作经验,通过划分城市配变供区可获得部分负荷区域的年用电量,再由其最大负荷利用小时数可得负荷区域的年最大负荷。对于这些有历史负荷数据的负荷区域,可直接将其负荷历史值及远景年的饱和值用回归曲线拟合,再回推得到规划期的负荷,不需通过分类负荷平均密度来计算,有历史数据的老城区的负荷分布预测流程见图3。
无历史负荷数据的老城区负荷分布预测方法为:老城区的历史负荷数据不详,其负荷分布可根据其分类负荷平均密度的思路来预测。
首先,确定现状年整个老城区的分类负荷发展曲线,如图4中曲线a所示。根据远景分类负荷饱和密度和现状年老城区的分类总面积,算出现有老城区的远景分类负荷。将该饱和值和分类负荷历史值用S型曲线、自然对数多项式、混合次幂多项式等数学模型拟合,最终选取最合理的作为分类负荷发展曲线。
然后,将有历史数据的各老城负荷区域的负荷预测值逐年汇总(考虑同时率),可得有历史负荷的老城区的分类负荷发展曲线,如图4中曲线b所示。
最后,所有无历史数据的同类老城负荷区域的负荷可基于同一分类负荷平均密度计算得到,该分类负荷平均密度可表示为:
式中,Lth′是t年在现有老城区面积上预测的h类总负荷,见图4的曲线a;Lth1为t年h类无历史负荷数据的老城区负荷,如图4中下方阴影所示;Lth2为t年h类有历史数据的老城区的负荷,见图4的曲线b;S1为h类无历史负荷的老城区面积。
另外,以老旧房为主、面临着大面积拆迁和用地功能有较大变化的老城区的近期和中期负荷预测会有较大困难,通常会因某些区域拆迁计划的时间不能控制而造成负荷分布预测不准。拆迁以后该区域的负荷预测也可按新城区的负荷预测方法来处理。
步骤四、利用步骤二中的数据通过空间推论的方法进行新城区负荷分布预测。
新城区泛指各类成片开发的大型居住区、商业区、工业园区、各类新技术开发区等,通常是全新设计和开发,基本没有历史数据,即使有也无参考价值。故新城区的负荷及负荷分布基本只能依据负荷区域用地开发规划,利用分类负荷密度来预测。根据空区推论的思想来估算新城区的分类负荷平均密度(但不同于老城区的负荷密度),主要思路如下:
(1)确定远景年整个规划区面积上的分类负荷发展曲线。从远景城市用地规划图上获得分类负荷的总面积,再结合远景分类负荷饱和密度,可算出在新的规划区域上远景年的分类负荷。然后按前述类似做法,得到分类负荷发展曲线c如图4。
(2)估算新城区分类负荷平均密度,并据此预测新城区负荷分布。根据新城区的各分类面积及其分类负荷,计算新城区的分类负荷平均密度,计算公式如下:
式中,首项dth,new为新城区t年h类负荷平均密度;分子△Pth为新城区t年h类负荷,是根据整个规划区面积上的负荷饱和值和仅老城区面积上的负荷饱和值分类预测得到的2个负荷值之差,如图4中上方阴影所示;分母Sth,new为新城区t年h类负荷的面积,若每个新负荷区域规划出现的时间不详,可近似采用从现状年至远景年增加的该类新区的总面积。
步骤五、规划年的负荷预测结果进行校核,首先进入自下而上阶段,自下而上阶段的步骤具体为:一:按分类负荷区域负荷自下而上求分类负荷。
首先,由下式求分类负荷:
式中,Lh为第h类负荷;αh为h类负荷区域负荷之间的同时率;Lh,j为负荷区域j中的h类负荷;Jh为包含h类负荷的负荷区域总数。然后,计算分类电量。
二:与直接预测的分类负荷结果相校核,判断自下而上得到的分类负荷总量是否令人满意。是,则结束计算;否则,转到步骤三。
三:负荷总量专家干预,并转到自上而下阶段的步骤一。
步骤六、如果校核结果不满意,继续进行校核,进入自上而下阶段:自上而下阶段的步骤具体为:一:以直接分类负荷预测或最近一次负荷总量专家干预得到的分类负荷与由当前分类负荷区域合成得到的分类负荷计算分类修正系数。
式中,首项为h类负荷区域负荷的修正系数;分子为总量预测或最近一次专家干预得到的h类负荷;分母为通过负荷区域负荷自下而上得到的h类负荷。
二:按系数修正分类负荷区域负荷,将分类负荷分配到同类负荷区域。
Lh,j′=δhLh,j (3-5)
式中,首项为修正后的负荷区域j中的h类负荷。
三:校验是否已经达到满意的负荷区域负荷。是则结束计算,否则转到自下而上阶段的步骤一,继续循环进入自下而上阶段进行校核,直到校核结果满意停止。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (7)
1.一种空间负荷预测方法,其特征在于,所述方法步骤包括:
步骤一、预测规划年的用地信息,规划年的用地按小区划分,确定远景年的分类负荷密度指标;
步骤二、计算远景年各小区的负荷饱和值,同时计算远景年的分类负荷总量及系统的总负荷饱和值;
步骤三、利用步骤二种的数据进行老城区的负荷分布预测,其中老城区的负荷分布预测分为有历史负荷数据的老城区负荷分布预测和无历史负荷数据的老城区负荷分布预测,两项预测分别进行;
步骤四、利用步骤二中的数据通过空间推论的方法进行新城区负荷分布预测;
步骤五、规划年的负荷预测结果进行校核,首先自下而上阶段:由小区负荷汇总得到分类负荷总量进行分类负荷总量校核;
步骤六、如果校核结果不满意,继续进行校核,进入自上而下阶段:专家干预或根据总量按比例修正小区负荷,自上而下阶段处理完后,继续循环进入自下而上阶段进行校核,直到校核结果满意停止。
2.根据权利要求1所述的空间负荷预测方法,其特征在于,所述步骤三中的有历史负荷数据的老城区负荷分布预测方法为:获得配变历史年供电量,划分城市的配变供区,得知负荷区域的历史负荷值和远景年的负荷饱和值,将负荷区域的历史负荷值及远景年的负荷饱和值用回归曲线拟合,回推得到规划年的负荷预测。
3.根据权利要求1所述的空间负荷预测方法,其特征在于,所述步骤三中的无历史负荷数据的老城区负荷分布预测方法为:1)确定现状年整个老城区的分类负荷发展曲线;2)将有历史数据的各老城负荷区域的负荷预测值逐年汇总得到有历史负荷的老城区的分类负荷发展曲线;3)所有无历史数据的同类老城区域的负荷可基于同一分类负荷平均密度计算得到,该分类负荷平均密度可表示为:式中Lth′是t年在现有老城区面积上预测的h类总负荷,Lth1为t年h类无历史负荷数据的老城区负荷,Lth2为t年h类有历史数据的老城区的负荷,S1为h类无历史负荷的老城区面积。
4.根据权利要求1所述的空间负荷预测方法,其特征在于,所述步骤四中的新城区负荷分布预测方法为:确定远景年整个规划区面积上的分类负荷发展曲线,估算新城区分类负荷平均密度,并据此预测新城区负荷分布,新城区的分类负荷平均密度的计算公式如下:式中,dth,new为新城区t年h类负荷平均密度;△Pth为新城区t年h类负荷,是根据整个规划区面积上的负荷饱和值和仅老城区面积上的负荷饱和值分类预测得到的2个负荷值之差;Sth,new为新城区t年h类负荷的面积。
5.根据权利要求1所述的空间负荷预测方法,其特征在于,所述步骤五中的自下而上阶段的步骤具体为:一、按分类负荷区域负荷自下而上求分类负荷:首先,由下式求分类负荷:(h=1,2,...,H),式中,Lh为第h类负荷;αh为h类负荷区域负荷之间的同时率;Lh,j为负荷区域j中的h类负荷;Jh为包含h类负荷的负荷区域总数,然后计算分类电量;二、与直接预测的分类负荷结果相校核,判断自下而上得到的分类负荷总量是否令人满意。
6.根据权利要求1所述的空间负荷预测方法,其特征在于,所述步骤六中的自上而下的步骤具体为:一、以直接分类负荷预测或最近一次负荷总量专家干预得到的分类负荷与由当前分类负荷区域合成得到的分类负荷计算分类修正系数,式中,首项δh为h类负荷区域负荷的修正系数;分子Lh′为总量预测或最近一次专家干预得到的h类负荷;分母Lh为通过负荷区域负荷自下而上得到的h类负荷;二、按系数修正分类负荷区域负荷,将分类负荷分配到同类负荷区域:Lh,j′=δhLh,j,式中首项为修正后的负荷区域j中的h类负荷;校验是否已经达到满意的负荷区域负荷;是则结束计算,否则转到自上而下阶段中继续运行。
7.根据权利要求1所述的空间负荷预测方法,其特征在于,所述步骤二中的远景年的分类负荷总量及系统的总负荷饱和值数据需要空间推论处理,具体处理过程为:分类负荷历史值和饱和值进行曲线拟合,回推中间年分类负荷总量,并汇总成系统总量;中间年系统总量的计算同理得出,由系统负荷历史值和饱和值进行曲线拟合,回推得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510178072.XA CN104751249A (zh) | 2015-04-15 | 2015-04-15 | 一种空间负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510178072.XA CN104751249A (zh) | 2015-04-15 | 2015-04-15 | 一种空间负荷预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104751249A true CN104751249A (zh) | 2015-07-01 |
Family
ID=53590893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510178072.XA Pending CN104751249A (zh) | 2015-04-15 | 2015-04-15 | 一种空间负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104751249A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022509A (zh) * | 2016-05-07 | 2016-10-12 | 国网浙江省电力公司经济技术研究院 | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 |
CN106600129A (zh) * | 2016-12-07 | 2017-04-26 | 杭州清源电力设计有限公司 | 一种电网规划方法和系统 |
CN107067104A (zh) * | 2017-03-30 | 2017-08-18 | 昆明能讯科技有限责任公司 | 一种基于地理信息系统的供电网格负荷预测方法 |
CN107122856A (zh) * | 2017-04-26 | 2017-09-01 | 天津天大求实电力新技术股份有限公司 | 新态势下的空间饱和负荷预测方法 |
CN107730027A (zh) * | 2017-09-13 | 2018-02-23 | 深圳供电规划设计院有限公司 | 一种基于区域建筑性质的负荷预测方法及装置 |
CN107944621A (zh) * | 2017-11-21 | 2018-04-20 | 云南电网有限责任公司 | 一种负荷预测指标选取方法及工具 |
CN108491969A (zh) * | 2018-03-16 | 2018-09-04 | 国家电网公司 | 基于大数据的空间负荷预测模型构建方法 |
CN108491981A (zh) * | 2018-04-04 | 2018-09-04 | 国网安徽省电力公司黄山供电公司 | 一种提升景区饱和负荷预测精度的负荷预测方法 |
CN109492950A (zh) * | 2018-12-26 | 2019-03-19 | 广东电网有限责任公司 | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 |
CN109711621A (zh) * | 2018-12-27 | 2019-05-03 | 浙江华云信息科技有限公司 | 基于判别分析和支持向量机结合的工业园区负荷预测方法 |
CN109978241A (zh) * | 2019-03-11 | 2019-07-05 | 清华四川能源互联网研究院 | 一种电动汽车充电负荷的确定方法及装置 |
CN112101618A (zh) * | 2020-08-11 | 2020-12-18 | 广东顺德电力设计院有限公司 | 一种城市规划新片区的电网规划方法 |
-
2015
- 2015-04-15 CN CN201510178072.XA patent/CN104751249A/zh active Pending
Non-Patent Citations (5)
Title |
---|
乐欢: "《城市配网规划中基于空区推论的空间负荷预测方法研究》", 《中国优秀硕士论文电子期刊网 工程科技II辑》 * |
乐欢等: "《基于空区推论的空间负荷预测分类分区实用法》", 《电力系统自动化》 * |
朱凤娟等: "《考虑小区发展不均衡的空间负荷预测分类分区法》", 《电力系统自动化》 * |
朱凤娟等: "《考虑规划小区发展时序的空间负荷预测分类分区法》", 《华东电力》 * |
肖白等: "《空间电力负荷预测方法综述与展望》", 《中国电机工程学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022509B (zh) * | 2016-05-07 | 2019-11-26 | 国网浙江省电力公司经济技术研究院 | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 |
CN106022509A (zh) * | 2016-05-07 | 2016-10-12 | 国网浙江省电力公司经济技术研究院 | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 |
CN106600129A (zh) * | 2016-12-07 | 2017-04-26 | 杭州清源电力设计有限公司 | 一种电网规划方法和系统 |
CN107067104A (zh) * | 2017-03-30 | 2017-08-18 | 昆明能讯科技有限责任公司 | 一种基于地理信息系统的供电网格负荷预测方法 |
CN107122856A (zh) * | 2017-04-26 | 2017-09-01 | 天津天大求实电力新技术股份有限公司 | 新态势下的空间饱和负荷预测方法 |
CN107730027A (zh) * | 2017-09-13 | 2018-02-23 | 深圳供电规划设计院有限公司 | 一种基于区域建筑性质的负荷预测方法及装置 |
CN107944621A (zh) * | 2017-11-21 | 2018-04-20 | 云南电网有限责任公司 | 一种负荷预测指标选取方法及工具 |
CN108491969A (zh) * | 2018-03-16 | 2018-09-04 | 国家电网公司 | 基于大数据的空间负荷预测模型构建方法 |
CN108491969B (zh) * | 2018-03-16 | 2021-12-24 | 国家电网公司 | 基于大数据的空间负荷预测模型构建方法 |
CN108491981A (zh) * | 2018-04-04 | 2018-09-04 | 国网安徽省电力公司黄山供电公司 | 一种提升景区饱和负荷预测精度的负荷预测方法 |
CN108491981B (zh) * | 2018-04-04 | 2021-06-15 | 国网安徽省电力公司黄山供电公司 | 一种提升景区饱和负荷预测精度的负荷预测方法 |
CN109492950A (zh) * | 2018-12-26 | 2019-03-19 | 广东电网有限责任公司 | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 |
CN109711621A (zh) * | 2018-12-27 | 2019-05-03 | 浙江华云信息科技有限公司 | 基于判别分析和支持向量机结合的工业园区负荷预测方法 |
CN109978241A (zh) * | 2019-03-11 | 2019-07-05 | 清华四川能源互联网研究院 | 一种电动汽车充电负荷的确定方法及装置 |
CN109978241B (zh) * | 2019-03-11 | 2022-01-11 | 清华四川能源互联网研究院 | 一种电动汽车充电负荷的确定方法及装置 |
CN112101618A (zh) * | 2020-08-11 | 2020-12-18 | 广东顺德电力设计院有限公司 | 一种城市规划新片区的电网规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751249A (zh) | 一种空间负荷预测方法 | |
CN102880921B (zh) | 一种电动汽车充电站选址优化方法 | |
CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
Hong et al. | A decision support model for improving a multi-family housing complex based on CO2 emission from gas energy consumption | |
CN102750411B (zh) | 基于多智能体离散选择模型城市动态微观仿真方法 | |
Bordbari et al. | Probabilistic energy consumption analysis in buildings using point estimate method | |
CN102722767A (zh) | 电动汽车充换电站布点规划系统及方法 | |
CN103996147A (zh) | 配电网综合评估方法 | |
CN105225026A (zh) | 一种基于电能服务管理平台的住房空置率评估方法 | |
CN112541618B (zh) | 基于网格化的主动配电网规划方法及存储介质 | |
CN104091293B (zh) | 基于用电结构变动的电网长期负荷特性预测方法 | |
CN103683274A (zh) | 区域中长期风电发电量概率预测方法 | |
CN102509173A (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
KR20140021179A (ko) | 일사량 예측 방법 및 장치 | |
CN107730027A (zh) | 一种基于区域建筑性质的负荷预测方法及装置 | |
CN106557843A (zh) | 一种用能需求预测方法 | |
CN101916335A (zh) | 城市需水量时间序列-指数平滑模型预测方法 | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
CN105093357A (zh) | 一种水库流域雨情观测网优化布点方法 | |
Evangelopoulos et al. | Probabilistic spatial load forecasting for assessing the impact of electric load growth in power distribution networks | |
CN108805322A (zh) | 一种私家车的充电负荷时空分布预测方法 | |
CN113077085A (zh) | 一种服务于电动汽车的移动充电车驻地规划方法 | |
CN102769298B (zh) | 一种太阳能并网发电功率预测方法及预测系统 | |
Wang et al. | A two-step load disaggregation algorithm for quasi-static time-series analysis on actual distribution feeders | |
CN106130110B (zh) | 基于分层概率选择出行地的电动出租车充电站定容方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150701 |