CN110543962B - 一种参数动态校正的电网饱和负荷预测方法 - Google Patents
一种参数动态校正的电网饱和负荷预测方法 Download PDFInfo
- Publication number
- CN110543962B CN110543962B CN201910337356.7A CN201910337356A CN110543962B CN 110543962 B CN110543962 B CN 110543962B CN 201910337356 A CN201910337356 A CN 201910337356A CN 110543962 B CN110543962 B CN 110543962B
- Authority
- CN
- China
- Prior art keywords
- load
- parameters
- saturated
- model
- load prediction
- 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 56
- 238000012937 correction Methods 0.000 title claims description 15
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 102
- 238000011161 development Methods 0.000 claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000007774 longterm Effects 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 9
- 238000013210 evaluation model Methods 0.000 claims description 7
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明是一种参数动态校正的电网饱和负荷预测方法,属于电网规划领域。包括以下步骤:步骤1获取某地区近几年的历史负荷数据;步骤2建立饱和负荷预测模型;步骤3给定饱和负荷预测模型中参数a、b、k的初始值;步骤4根据历史负荷数据和饱和负荷预测模型,进行饱和负荷预测;步骤5若负荷预测结果满足精度要求,则转到步骤8),否则步骤6);步骤6根据负荷预测值,校正饱和预测模型中的参数a、b、k;步骤7转到步骤4);步骤8输出饱和负荷预测结果。本发明采用的这种饱和负荷预测方法,能够提高饱和负荷预测的精度,对区域经济和电网规划的发展有着很大的影响,同时通过对城市负荷饱和的预测还能够一定程度上促进城市电网结构的发展。
Description
技术领域
本发明属于电网规划领域,涉及一种电网饱和负荷预测方法,尤其涉及一种参数动态校正的电网饱和负荷预测方法。
背景技术
社会经济的不断发展需要建立在电力工业的发展基础上,目前城市的经济发展以及城市规划在不断进行中,因此各个城市的用电量和经济发展之间呈现出了快速发展的趋势,在对一些发达国家的发展过程进行分析以后得到,很多发达国家在发展初期,不管是电力的发展还是经济的增长在发展初期都是非常快速的,但是随着发展到一定程度的时候,将会出现一个饱和度,也就是该城市目前能够提供的最大电量以及成功承受的最大经济发展。经济和电力的发展都会受到城市中人口数量、环境资源和相关政策的影响,因此当电力发展到一定程度的时候将会受到这些因素的制约达到最大值,不再出现持续上升的趋势。
因此在对电力发展进行分析的时候,对电力负荷的饱和值进行预测就显得很有必要,负荷饱和的预测对于未来城市电网的建设和规划都能起到一定的作用。一般情况下国家的电力发展和经济发展密切相关。当国家或城市处于发达水平的时候,经济增长已经比较慢,因此电力的发展也逐渐达到了饱和的状态。我国在实施开放政策以后,经济发展迅速,同时电力的发展也非常快速,但是由于城市和农村之间还是存在一定的差异,工业化发展与经济发展之间也存在差异,使得一些地区仍处在经济比较落后的阶段。在其他方面,我国一些城市的经济发展已经接近于发达国家,例如上海、广州北京等一线城市,因此在对这些城市的电网进行规划和建设的时候不需要对其进行太多的改变,因为城市的电力发展已经接近饱和状态,不会再出现很多的变化,但是还是需要对饱和电量达到的时间进行一定的预测,所以饱和负荷的相关理论在城市电网规划研究中逐渐提出并发展起来。由于我国的城市文化水平在不断的提升,因此在很多城市中心想要利用一块区域进行电网的建设是比较困难的,导致在城市中建立电网更加困难。因此需要对该城市电力的饱和进行预测,才能实现更准确的规划电网的发展,合理规划用地,才能够减小电网规划与城市发展之间存在的矛盾。
通过几年的研究,我国目前对电网设计的规划研究中提出了电量负荷饱和的定义,对负荷饱和进行长期预测和短期预测是不相同的,负荷饱和指的是长期的预测。饱和负荷预测可以实现未来电网建设的合理性和有效性,还能够在很大程度上减小电网建设的成本。这将对区域经济和电网规划的发展有着很大的影响,同时通过对城市负荷饱和的预测还能够子啊一定程度上促进城市电网结构的发展。
在对电力负荷进行预测的时候最主要的是对电力负荷的研究,通过收集该城市的部分历史数据俩对未来的发展方向进行研究。主要对未来电力的需求量和功率以及负荷曲线进行预测。在对该城市的未来饱和负荷进行预测的时候,需要对电力饱和负荷的分布情况以及分布时间进行预测,才能够达到在未来电网规划时候的合理性。在进行预测的时候首先需要对一些能够产生影响的相关因素进行分析,有些因素对于负荷的影响是很大的,但是有些因素的影响较小,因此在对该方面进行研究的时候需要用相关的数学理论知识来进行分析和计算,从而选择出促进因素和抑制因素,最后依据得到的线性方程对最后的结果进行分析。
由于在对电网的最大负荷值进行预测的时候,同时能够对电网输送的电量和容量进行计算,还能够帮助在进行负荷饱和预测的时候提供更多有效的数据,从而提高预测的准确性,还能够在一定程度上提升系统运行的稳定性和可靠性。作者在对最大负荷值进行预测的时候使用的是负荷特性曲线来实现,该曲线能够将电网的负荷饱和以及能够发送的最大电量和提供的最大电功率直观的表现出来,从而提高系统运行的稳定性和高效性。
由于经济的不断发展,电力系统也得到了一定程度的发展,电力系统逐渐深入到了市场的运作,因此在对电网负荷饱和进行预测的时候主要实现的是对市场电量需求量的预测。电量的供应和需求量之间讲求的是平衡,因此更需要实现对未来电量的使用进行预测。通过对未来用电量的预测,能够在一定程度上更哈的保证电网的运行。
发明内容
本发明就是针对现有技术存在的缺陷,提供一种参数动态校正的电网饱和负荷预测方法,是指在建立饱和负荷预测逻辑斯特曲线模型进行饱和负荷预测中,校正饱和负荷预测模型中的参数,用校正后的参数替代饱和负荷预测模型中的原始参数,对电网的饱和负荷重新进行预测,从而获得更准确的饱和负荷预测结果。饱和负荷的预测对区域经济和电网规划的发展有着很大的影响,同时通过对城市负荷饱和的预测还能够一定程度上促进城市电网结构的发展。
为实现上述目的,本发明采用如下技术方案如下:
一种参数动态校正的电网饱和负荷预测方法,在建立饱和负荷预测逻辑斯特曲线模型进行饱和负荷预测中,动态校正饱和负荷预测模型中的参数,从而提高饱和负荷预测的精度;包括以下步骤:
步骤1)获取某地区近几年的历史负荷数据;
步骤2)建立饱和负荷预测模型,该模型的方程为:
式(1)中:yt为饱和负荷预测值;t为时间(年份);a、b、k为模型参数;
步骤3)给定饱和负荷预测模型中参数a、b、k的初始值;
步骤4)根据历史负荷数据和饱和负荷预测模型,进行饱和负荷预测;
步骤5)若负荷预测结果满足精度要求,则转到步骤8),否则进行步骤6);
步骤6)根据负荷预测值,校正饱和预测模型中的参数a、b、k;
(1)建立预测精度评估模型,该模型的方程为:
式中,λ1、λ2、λ3该城市初期、中期、远期负荷目标函数的加权系数;为预测曲线上的值;di为已知负荷的数据点;
(2)采用最小二乘法对评估目标函数求取极值点,得到一组新的饱和负荷预测模型参数a、b、k;
(3)把饱和负荷模型中的参数用新得到的参数进行替代;
步骤7)转到步骤4);
步骤8)输出饱和负荷预测结果。
获取某地区近几年的历史负荷数据,其中包括近几年全社会用电量、最大负荷和负荷密度。
所述逻辑斯特曲线模型中是此曲线的渐近线,存在于稳定极限水平下的渐近线,该曲线可以划分成三部分;首先是比较缓慢的增长,而后快速的增长,最后增长速度变得缓和而逐渐趋于稳定;城市用电量的发展能通过此曲线体现。
给定饱和负荷预测模型中参数a、b、k的初始值是指通过将进行线性化进程,建立线性模型s=α+βyt,利用最小二乘法确定线性模型中参数α和β的值,从而就能够确定饱和负荷预测模型中的参数a、b、k。
建立预测精度评估模型是指通过对评估目标函数中短期、中期、远期负荷进行加权,提高饱和负荷预测的准确度。
采用最小二乘法对评估目标函数求取极值点,得到一组新的饱和负荷预测模型参数是指通过最小二乘法的极值条件,获取一组新的方程,通过对方程的求解,得到参数a、b、k的值。
7、根据权利要求1所述的一种参数动态校正的电网饱和负荷预测方法,其特征在于:重复进行步骤6),是指循环模型参数求解过程,动态校正饱和负荷预测模型中的参数。
与现有技术相比本发明有益效果。
1.一种参数动态校正的电网饱和负荷预测方法,通过校正饱和负荷预测模型中的参数,提高饱和负荷预测的准确度。
2.一种参数动态校正的电网饱和负荷预测方法,通过对评估目标函数中短期、中期、远期负荷进行加权,提高饱和负荷预测的准确度。
3.一种参数动态校正的电网饱和负荷预测方法,更加准确地进行饱和负荷预测,对区域经济和电网规划的发展有着很大的影响,同时通过对城市负荷饱和的预测还能够一定程度上促进城市电网结构的发展。
附图说明
图1是逻辑斯特曲线的阶段划分。
图2是一种基于参数动态校正的电网饱和负荷预测方法流程图。
具体实施方式
下面结合附图1-2和具体实施方式对本发明做进一步说明。本发明保护范围不仅局限于以下内容的表述。
本发明一种参数动态校正的电网饱和负荷预测方法的基本思想是:通过校正饱和负荷预测模型中的参数,提高饱和负荷预测的准确度。
本发明给出的技术方案是:首先建立饱和负荷预测逻辑斯特曲线模型,进行饱和负荷预测;然后根据初步得到的预测值校正负荷模型中的参数,用校正后的参数替代饱和负荷预测模型中的原始参数,对电网的饱和负荷重新进行预测,从而获得更准确的饱和负荷预测结果。
一种参数动态校正的电网饱和负荷预测方法,是指在建立饱和负荷预测逻辑斯特曲线模型进行饱和负荷预测中,动态校正饱和负荷预测模型中的参数,从而提高饱和负荷预测的精度。包括以下步骤:
步骤1)获取某地区近几年的历史负荷数据;
步骤2)建立饱和负荷预测模型,该模型的方程为:
式中:yt为饱和负荷预测值;t为时间(年份);a、b、k为模型参数;
步骤3)给定饱和负荷预测模型中参数a、b、k的初始值;
步骤4)根据历史负荷数据和饱和负荷预测模型,进行饱和负荷预测;
步骤5)若负荷预测结果满足精度要求,则转到步骤8),否则步骤6);
步骤6)根据负荷预测值,校正饱和预测模型中的参数a、b、k;
(1)建立预测精度评估模型,该模型的方程为:
式中,λ1、λ2、λ3该城市初期、中期、远期负荷目标函数的加权系数;为预测曲线上的值;di为已知负荷的数据点;
(2)采用最小二乘法对评估目标函数求取极值点,得到一组新的饱和负荷预测模型参数a、b、k;
(3)把饱和负荷模型中的参数用新得到的参数进行替代;
步骤7)转到步骤4);
步骤8)输出饱和负荷预测结果;
获取某地区近几年的历史负荷数据,其中包括近几年全社会用电量、最大负荷和负荷密度;
所述的逻辑斯特曲线模型,如图1所示,是此曲线的渐近线是在稳定极限水平下的渐近线,综上由图形可以看出,此曲线可以粗略划分成三部分。首先是比较缓慢的增长,而后快速的增长,最后增长速度变得缓和而逐渐趋于稳定。城市用电量的发展能通过此曲线体现。
给定饱和负荷预测模型中参数a、b、k的初始值是指通过将进行线性化进程,建立线性模型s=α+βyt,利用最小二乘法确定线性模型中参数α和β的值,从而就能够确定饱和负荷预测模型中的参数a、b、k;
建立预测精度评估模型是指通过对评估目标函数中短期、中期、远期负荷进行加权,提高饱和负荷预测的准确度;
采用最小二乘法对评估目标函数求取极值点,得到一组新的饱和负荷预测模型参数是指通过最小二乘法的极值条件,获取一组新的方程,通过对方程的求解,得到参数a、b、k的值;
重复进行步骤6),是指循环模型参数求解过程,动态校正饱和负荷预测模型中的参数;
优选地,获取某地区近几年的历史负荷数据,其中包括近几年全社会用电量、最大负荷和负荷密度;
优选地,依据公式(1),可以得到大致的逻辑斯特曲线,如图1所示,是此曲线的渐近线是在稳定极限水平下的渐近线,综上由图形可以看出,此曲线可以粗略划分成三部分。首先是比较缓慢的增长,而后快速的增长,最后增长速度变得缓和而逐渐趋于稳定。城市用电量的发展能通过此曲线反应。
优选地,给定饱和负荷预测模型中参数a、b、k的初始值,通过将进行线性化进程,建立线性模型s=α+βyt,利用最小二乘法确定线性模型中参数α和β的值,从而就能够确定饱和负荷预测模型中的参数a、b、k,具体计算过程如下:
因为:
可以推得
令:
可以得到线性模型
st=α+βyt (t=1,2,3,...N-1) (5)
上式中的系数可以利用最小二乘法来及性能确定,当该系数的值确定以后,就能够通过公式确定表达式中b和k值的大小,最终得到a的计算公式:
到此为止,可以确定该曲线模型的所有参数。
优选地,建立预测精度评估模型,通过对评估目标函数中短期、中期、远期负荷进行加权,提高饱和负荷预测的准确度;
优选地,采用最小二乘法对评估目标函数求取极值点,得到一组新的饱和负荷预测模型参数a、b、k,用新参数替代饱和负荷预测模型中的原始参数,其中最小二乘法求取极值计算原理如下:
设函数w=ax2+bxy+cy2,假设a不为0,则
这样我们就把原式改写成了平方和/差的形式了。但我们还不知道到底是平方和还是平方差,这取决于平方项的系数。
下面分三种情况讨论:
若4ac-b2<0,则二次项系数一正一负,临界点是鞍点,鞍点不是极值点,因此函数w取不到极值。
若4ac-b2=0,则只有一个平方项,这就意味着函数临界点只受一个方向的约束,另一方向不起作用了,因此函数w取不到极值。
若4ac-b2>0,这时会有两个平方项的系数都是正,此时函数w必能取到极值。当a>0时,取极大值;当a<0时,取极小值。
优选地,重复进行步骤6),是为了动态校正饱和负荷预测模型中的参数;
优选地,当得到新的预测结果满足精度要求是指新的预测结果与前一次预测结果相差极小,则得到了最终更准确的饱和负荷预测值。
图1是逻辑斯特曲线的阶段划分,是此曲线的渐近线是在稳定极限水平下的渐近线,综上由图形可以看出,此曲线可以粗略划分成三部分。首先是比较缓慢的增长,而后快速的增长,最后增长速度变得缓和而逐渐趋于稳定。城市用电量的发展能通过此曲线反应。
Claims (6)
1.一种参数动态校正的电网饱和负荷预测方法,其特征在于,在建立饱和负荷预测逻辑斯特曲线模型进行饱和负荷预测中,动态校正饱和负荷预测模型中的参数,从而提高饱和负荷预测的精度;包括以下步骤:
步骤1)获取某地区近几年的历史负荷数据;
步骤2)建立饱和负荷预测模型,该模型的方程为:
式(1)中:yt为饱和负荷预测值;t为时间;a、b、k为模型参数;
步骤3)给定饱和负荷预测模型中参数a、b、k的初始值;
步骤4)根据历史负荷数据和饱和负荷预测模型,进行饱和负荷预测;
步骤5)若负荷预测结果满足精度要求,则转到步骤8),否则进行步骤6);
步骤6)根据负荷预测值,校正饱和预测模型中的参数a、b、k;
(1)建立预测精度评估模型,该模型的方程为:
式中,λ1、λ2、λ3该地区初期、中期、远期负荷目标函数的加权系数;为预测曲线上的值;di为已知负荷的数据点;n1:该地区初期负荷预测结果的年份数量;n2:该地区中期负荷预测结果的年份数量;n3:该地区远期负荷预测结果的年份数量;
(2)采用最小二乘法对评估目标函数求取极值点,得到一组新的饱和负荷预测模型参数a、b、k;
(3)把饱和负荷模型中的参数用新得到的参数进行替代;
步骤7)转到步骤4);
步骤8)输出饱和负荷预测结果;
给定饱和负荷预测模型中参数a、b、k的初始值,通过将进行线性化进程,建立线性模型s=α+βyt,利用最小二乘法确定线性模型中参数α和β的值,从而就能够确定饱和负荷预测模型中的参数a、b、k,具体计算过程如下:
因为:
可以推得
令:
可以得到线性模型
st=α+βyt(t=1,2,3,...N-1) (5)
上式中的系数可以利用最小二乘法来确定,当该系数的值确定以后,就能够通过公式确定表达式中b和k值的大小,最终得到a的计算公式:
到此为止,可以确定该曲线模型的所有参数;
建立预测精度评估模型,通过对评估目标函数中短期、中期、远期负荷进行加权,提高饱和负荷预测的准确度。
2.根据权利要求1所述的一种参数动态校正的电网饱和负荷预测方法,其特征在于:获取某地区近几年的历史负荷数据,其中包括近几年全社会用电量、最大负荷和负荷密度。
3.根据权利要求1所述的一种参数动态校正的电网饱和负荷预测方法,其特征在于:所述逻辑斯特曲线模型中是此曲线的渐近线,存在于稳定极限水平下的渐近线,该曲线可以划分成三部分;首先是比较缓慢的增长,而后快速的增长,最后增长速度变得缓和而逐渐趋于稳定;城市用电量的发展能通过此曲线体现。
4.根据权利要求1所述的一种参数动态校正的电网饱和负荷预测方法,其特征在于:给定饱和负荷预测模型中参数a、b、k的初始值是指通过将进行线性化进程,建立线性模型s=α+βyt,利用最小二乘法确定线性模型中参数α和β的值,从而就能够确定饱和负荷预测模型中的参数a、b、k。
5.根据权利要求1所述的一种参数动态校正的电网饱和负荷预测方法,其特征在于:采用最小二乘法对评估目标函数求取极值点,得到一组新的饱和负荷预测模型参数是指通过最小二乘法的极值条件,获取一组新的方程,通过对方程的求解,得到参数a、b、k的值。
6.根据权利要求1所述的一种参数动态校正的电网饱和负荷预测方法,其特征在于:重复进行步骤6),是指循环模型参数求解过程,动态校正饱和负荷预测模型中的参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337356.7A CN110543962B (zh) | 2019-04-25 | 2019-04-25 | 一种参数动态校正的电网饱和负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337356.7A CN110543962B (zh) | 2019-04-25 | 2019-04-25 | 一种参数动态校正的电网饱和负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110543962A CN110543962A (zh) | 2019-12-06 |
CN110543962B true CN110543962B (zh) | 2023-11-10 |
Family
ID=68702715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910337356.7A Active CN110543962B (zh) | 2019-04-25 | 2019-04-25 | 一种参数动态校正的电网饱和负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110543962B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012244897A (ja) * | 2011-05-13 | 2012-12-10 | Fujitsu Ltd | 短期電力負荷を予測する方法及び装置 |
CN105825295A (zh) * | 2016-03-13 | 2016-08-03 | 东北电力大学 | 一种计及元胞发展程度的空间负荷预测方法 |
CN108665090A (zh) * | 2018-04-06 | 2018-10-16 | 东北电力大学 | 基于主成分分析与Verhulst模型的城市电网饱和负荷预测方法 |
-
2019
- 2019-04-25 CN CN201910337356.7A patent/CN110543962B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012244897A (ja) * | 2011-05-13 | 2012-12-10 | Fujitsu Ltd | 短期電力負荷を予測する方法及び装置 |
CN105825295A (zh) * | 2016-03-13 | 2016-08-03 | 东北电力大学 | 一种计及元胞发展程度的空间负荷预测方法 |
CN108665090A (zh) * | 2018-04-06 | 2018-10-16 | 东北电力大学 | 基于主成分分析与Verhulst模型的城市电网饱和负荷预测方法 |
Non-Patent Citations (3)
Title |
---|
城市电力饱和负荷分析技术及其应用研究综述;肖欣 等;《电力自动化设备》;20140630;第34卷(第6期);第146-152页 * |
基于饱和负荷密度的城市远景空间负荷预测;张明理 等;《沈阳工业大学学报》;20180131;第40卷(第1期);第12-18页 * |
饱和负荷预测中的改进Logistic算法;鲍正杰 等;《电力系统及其自动化学报》;20141130;第26卷(第11期);第7-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110543962A (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Regional development and carbon emissions in China | |
CN108846517B (zh) | 一种分位数概率性短期电力负荷预测集成方法 | |
CN106682810B (zh) | 巨型水电站动态投产下跨流域梯级水电站群长期运行方法 | |
CN104156786B (zh) | 一种考虑气象多因素影响的非工作日最大日负荷预测系统 | |
CN110991843A (zh) | 考虑城市化发展及电能替代效应的饱和电力需求预测方法 | |
CN102831488A (zh) | 基于改进的灰色预测法的电力负荷预测方法 | |
CN111353652A (zh) | 一种风电出力短期区间预测方法 | |
CN109086951B (zh) | 一种计及城市发展程度的多阶段空间负荷预测方法 | |
Kaiyong et al. | The research on impact factors and characteristic of cultivated land resources use efficiency---take henan province, China as a case study | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
CN106251242A (zh) | 一种风电出力区间组合预测方法 | |
CN111080157A (zh) | 一种梯级水电站排磷量的调度方法和系统 | |
CN116404647B (zh) | 计及动态汇聚特性的分布式光伏短期功率预测方法及系统 | |
Li et al. | Urban systems: Understanding and predicting the spatial distribution of China's population | |
CN113486556B (zh) | 一种改进的油气藏高效自动历史拟合方法 | |
CN109103881A (zh) | 适用于多场景的电力负荷预测方法 | |
CN106022507B (zh) | 一种农田连片整治的优化方法及其系统 | |
CN108108837B (zh) | 一种地区新能源电源结构优化预测方法和系统 | |
CN110543962B (zh) | 一种参数动态校正的电网饱和负荷预测方法 | |
CN109214610A (zh) | 一种基于长短期记忆神经网络的饱和电力负荷预测方法 | |
CN106227965A (zh) | 一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法 | |
CN110717838B (zh) | 一种梯级电站多目标调度评价体系指标构建及等级划分方法 | |
Zhang et al. | Self-optimization simulation model of short-term cascaded hydroelectric system dispatching based on the daily load curve | |
CN111178733A (zh) | 一种基于等效电量函数法的弃风电量评估模型 | |
CN110135621A (zh) | 一种基于pso优选模型参数的短期电力负荷预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |