CN112348254A - 电力空间负荷预测调校方法 - Google Patents
电力空间负荷预测调校方法 Download PDFInfo
- Publication number
- CN112348254A CN112348254A CN202011232606.XA CN202011232606A CN112348254A CN 112348254 A CN112348254 A CN 112348254A CN 202011232606 A CN202011232606 A CN 202011232606A CN 112348254 A CN112348254 A CN 112348254A
- Authority
- CN
- China
- Prior art keywords
- trend
- load
- formula
- adjustment
- bearing capacity
- 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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
-
- 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
本发明涉及电力空间负荷预测结果调校方法技术领域,是一种电力空间负荷预测调校方法,其包括结合应用层次分析法分析资源环境承载能力、城市规模等因素对电力空间负荷预测结果进行调校。本发明所述电力空间负荷预测调校方法,既肯定了城市控制性详规的引领作用,又结合了经济、区域发展等对电力负荷发展态势的影响对未来远景年的空间负荷预测进行合理调校,调校得出的负荷更接近于真实的未来电力负荷发展结果。
Description
技术领域
本发明涉及电力空间负荷预测结果调校方法技术领域,是一种电力空间负荷预测调校方法。
背景技术
目前远景年电力负荷预测主要依靠电力空间负荷预测,电力空间负荷预测方法目前有几十种之多,但最主要的有两种主流方法,一种是用地仿真法,即按照地区大小分割为等大的地块,每个网格为一个元胞,按照城市未来发展趋势和城市所处位置预测小地块用电峰值,进而计算总负荷;第二种是负荷密度指标法,做法是按照政府用地控制性详规按照用地性质分割成不同大小的区块,按照饱和年负荷密度进行计算,得出总负荷和低压电网布局方案。现在大多数软件和规划人员使用的是第二种空间负荷预测方法,优点有二,一省却了大量的前期工作,二可以更轻易的得出低压线路布局方案。但是缺点同样明显,相较于第一种方法,失去了前期的负荷选点、趋势计算的参考,完全依赖于政府制定的控制性详规。政府的控制性详规无疑是最权威的规划指导文件,但却不是最准确的。政府的控制性详规受人为因素影响太大,导致后期出现断层、大面积修改规划的情况屡见不鲜。同时使远景年电力负荷预测结果与真实的未来电力负荷发展结果差异较大。
发明内容
本发明提供了一种电力空间负荷预测调校方法,克服了上述现有技术之不足,其能有效解决现有电力负荷预测方法计算的远景年电力负荷预测结果与真实的未来电力负荷发展结果差异较大的问题。
本发明的技术方案是通过以下措施来实现的:一种电力空间负荷预测调校方法,包括以下方法:
对区域或区块的电力空间负荷预测值按公式(1)进行调校,
PM=M×P (1)
公式(1)中,PM为调校后的最高负荷,单位为MW,M为总调校系数,P为传统空间负荷预测方法计算得出的最高负荷,单位为MW,
根据公式(2)计算总调校系数,
M=M1+M2+M3+......Mn (2)
公式(2)中,M为总调校系数,M1、M2、M3、......Mn分别为区域或区块的各主要影响因素的调校系数,
主要影响因素包括资源环境承载能力、城市规模等级、市场化趋势或/和区域地理位置,
区域或区块的各主要影响因素的调校系数根据各自的评估得分和权重相乘得到。
下面是对上述发明技术方案的进一步优化或/和改进:
上述按下述方法应用层次分析法对资源环境承载能力进行分析:
首先,找出影响预测区域的资源环境承载能力的各资源、环境主要因素,建立目标、因素和因子的层次结构,建立预测指标体系;其次,构造比较判断矩阵,进行层次单排序,检验判断矩阵的一致性,再进行层次总排序,确定各因子的权重;最后,对各因子打分,计算出评价得分,资源环境承载能力的调校系数为各因子的权重与评价得分的乘积之和。
上述区域或区块的土地用途不同,主要影响因素不同。
上述对于工业用地,主要影响因素包括资源环境承载能力、城市规模等级和市场化趋势,根据公式(3)计算工业用地的总调校系数,
M=M1+M2+M3(3)
公式(3)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据市场化趋势细分地块性质得到的调校系数。
上述对于居住用地,主要影响因素包括资源环境承载能力、城市规模等级和区域地理位置,
根据公式(4)计算居住用地的总调校系数,
M=M1+M2+M3 (4)
公式(4)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据区域地理位置和发展趋势核对未来负荷走向得到的调校系数。
上述对于综合用地,主要影响因素包括资源环境承载能力、城市规模等级、市场化趋势和区域地理位置,
根据公式(5)计算居综合用地的总调校系数,
M=M1+M2+M3+M4 (5)
公式(5)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据市场化趋势细分地块性质得到的调校系数,
M4为根据区域地理位置和发展趋势核对未来负荷走向得到的调校系数。
本发明所述电力空间负荷预测调校方法,既肯定了城市控制性详规的引领作用,又结合了经济、区域发展等对电力负荷发展态势的影响对未来远景年的空间负荷预测进行合理调校,调校得出的负荷更接近于真实的未来电力负荷发展结果。
具体实施方式
本发明不受下述实施例的限制,可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合实施例对本发明作进一步描述:
实施例1:该电力空间负荷预测调校方法,包括以下方法:
对区域或区块的电力空间负荷预测值按公式(1)进行调校,
PM=M×P (1)
公式(1)中,PM为调校后的最高负荷,单位为MW,M为总调校系数,P为传统空间负荷预测方法计算得出的最高负荷,单位为MW,
根据公式(2)计算总调校系数,
M=M1+M2+M3+......Mn (2)
公式(2)中,M为总调校系数,M1、M2、M3、......Mn分别为区域或区块的各主要影响因素的调校系数,
主要影响因素包括资源环境承载能力、城市规模等级、市场化趋势或/和区域地理位置,
区域或区块的各主要影响因素的调校系数根据各自的评估得分和权重相乘得到。
本发明以下述影响因素作为调校的主要考虑因素:
(1)应用层次分析法对资源环境承载能力进行分析
首先,找出影响城市预测区域的资源环境承载能力的各资源、环境主要因素,建立目标、因素和因子的层次结构,建立预测指标体系;其次,构造比较判断矩阵,进行层次单排序,检验判断矩阵的一致性,再进行层次总排序,确定各因子的权重;最后,对各因子打分,计算出评价得分,资源环境承载能力的调校系数为各因子的权重与评价得分的乘积之和。
取资源环境承载能力权重为0.3。
例如:新疆某区域地处中亚腹地,基本处于未开发状态,受人类活动影响较小。该区域具有典型的北温带大陆性干旱气候,年大于10℃积温为3300℃,年平均降雨量约为88.5mm。地势总体较平坦,地表植被不发育,仅局部有稀疏的梭梭等灌木。戈壁为区域内主要土地利用类型,占总面积的38.13%;林地及草地分布较散,以低覆盖度草地为主,占总面积的33.09%。
该区域生态弹性度指数计算结果为22.82,该区域为不稳定区域,生态系统自恢复能力极差,破坏后的生态环境需要人为的二桥列干预、能量的持续输入才能得以恢复。其评价得分按照百分制得分除以100换算而得,该区域资源环境承载能力的调校系数=22.82/100*0.3≈0.069。
(2)通过城市规模等级模型进行未来趋势预测
城市规模等级模型中有一个非常简单易取得数据的模型——城市首位度,总结上一年人口或GDP进行计算,根据数值对比可以推算出未来城市发展趋势。
计算公式:两城市首位度=首位城市/第二位城市
四城市首位度=首位城市/(第二位城市+第三位城市+第四位城市)
十一城市首位度=2×首位城市/(第二位城市+第三位城市+……+第十一位城市)
(注:计算比值为人口或GDP数据,在我国,由于城市的人口统计往往不是十分准确,而且大小城市间的人均GDP相差较大,因此,此处选择的数据是城市总的GDP数据。)
按照位序—规律的原理,二城市指数应该在2以上,四城市指数和十一城市为1左右,表明结构正常、集中适当,指数过大可能导致结构失衡和城市过度集聚,大城市病突出,首位城市压力明显;指数过小,集聚效应不明显,不能体现大城市的引领作用。
计算出二城市首位度和四城市首位度后,根据所在城市的位置选择使用哪个数据。
如果所在城市是首位城市,则选取四城市首位度作为依据,所得数值如果大于1,则取(1-四城市首位度)为结果,例如,某省会城市四城市首位度为1.8,出现结构失衡和城市过度集聚,大城市病突出,后期发展重点必定有所改变。因此,在空间负荷预测过程中,偏高的四城市首位度可以作为该区域未来饱和年空间负荷密度下调指标来看。如果四城市首位度小于1,则需要进行调整,公式为(1-四城市首位度)×2-四城市首位度,即(2-四城市首位度),其权重取0.3。
如果所在城市是第二位城市,则选取二城市首位度作为依据,所得数值如果大于2,则取(2-二城市首位度)为结果。如果二城市首位度小于2,则需要进行调整,公式为(2-二城市首位度)×2-二城市首位度,即(4-二城市首位度),其权重取0.3。
如果所在城市是第三、四位城市,则选取四城市首位度作为依据,所得数值如果大于1,则取(1-四城市首位度)为结果。如果四城市首位度小于1,则需要进行调整,公式为(1-四城市首位度)×2-四城市首位度,即(2-四城市首位度),其权重取0.3。
如果所在城市是第四位以后城市,则选取十一城市首位度作为依据,所得数值如果大于1,则取(1-十一城市首位度)为结果。如果十一城市首位度小于1,则需要进行调整,公式为(1-十一城市首位度)×2-十一城市首位度,即(2-十一城市首位度),其权重取0.3。
(3)根据市场化趋势细分地块性质
规划人员在使用负荷密度指标法时更倾向于参考成熟地块的负荷密度进行测算。这就存在一个严重的问题,例如选取高科技园区进行取样,同等面积的软件开发公司负荷和云计算公司负荷相差十倍以上。而政府提供的规划图至多提供到工业用地属于何种园区的地步,这对于电力规划精细化的标准要求来说远远不够。
这就要从市场趋势细分来决定地块性质,还是举科技园区的例子,信息化时代造成的结果就是人尽其才、物尽其用,往往一个公司的计算机模拟系统的运算单元和数据存储单元都不在一个地区,高科技人才更倾向于向大城市发展,耗电量大的运算和存储单元更倾向于资源富裕的地区发展。某能源基地的高科技园区的负荷就不能参考上海、杭州的高科技园区,按照目前的发展趋势,该能源基地的高科技园区负荷以云计算、存储为主,负荷密度将快速超越二类工业负荷。
因此,要选对负荷指标样本,就需要对负荷类型细分。
本地区(指的是上述提及的新疆某区域)未来产业类型负荷与典型负荷密度相比较,结合当地实际将物流仓储等按需分配,综合求得同类同等地块负荷密度的比值,权重取0.4。
(4)考虑区域地理位置和发展趋势核对未来负荷走向
近些年随着沿海地区经济的腾飞,全国经济体貌已日趋达到发达国家的经济区块模式,未来沿海大城市的引领作用将逐步增强。区块链的经济概念也随着互联网时代的到来深入人心。交通的逐步发展让再远的距离也变得朝发夕至。未来全国产业区块的整合将会对传统城市负荷带来翻天覆地的变化。每一个地区都有他应处的链条,都是必不可少的一环。
例如,作为全国能源基地的某地,传统居住用地负荷未来将逐步下降,人口趋势始终保持稳定状态,大型家装市场、大型商业化综合体竞争将日趋激烈并会在一个阶段下降后趋于稳定。因此,该地区与能源输出相关产业的负荷将稳步增长,但涉及居住和配套负荷增长空间不大,但城市控制性详规中这部分居住负荷和商业化增长是按照GDP增长来计算和配置,就会造成很大的偏差。这类负荷和工业负荷不一样,完全是由人数决定负荷。
因此,需结合未来该地区地理位置和发展趋势总结人口增长趋势,与选取负荷指标的地区人口增长幅度比较,得出相应比值,权重取0.4。
本发明所述调校方法,总结现有两种主流方法的优势进行整合调校,以第二种电力空间负荷预测方法为基础,应用一种结合层次分析法、城市规模等级模型等进行综合分析的方法进行调校,使得电力空间负荷预测结果更接近真实的未来电力负荷发展结果,符合未来20年城市的发展趋势。本发明所述调校方法具体用于110kV及以下的电力空间负荷预测结果的调校。
实施例2:作为上述实施例的优化,区域或区块的土地用途不同,主要影响因素不同。
实施例3:作为上述实施例的优化,对于工业用地,主要影响因素包括资源环境承载能力、城市规模等级和市场化趋势,根据公式(3)计算工业用地的总调校系数,
M=M1+M2+M3 (3)
公式(3)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据市场化趋势细分地块性质得到的调校系数;
实施例4:作为上述实施例2的优化,与实施例3不同之处在于,对于居住用地,主要影响因素包括资源环境承载能力、城市规模等级和区域地理位置,
根据公式(4)计算居住用地的总调校系数,
M=M1+M2+M3 (4)
公式(4)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据区域地理位置和发展趋势核对未来负荷走向得到的调校系数。
实施例5:作为上述实施例2的优化,与实施例3、4不同之处在于,对于综合用地,主要影响因素包括资源环境承载能力、城市规模等级、市场化趋势和区域地理位置,
根据公式(5)计算居综合用地的总调校系数,
M=M1+M2+M3+M4 (5)
公式(5)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据市场化趋势细分地块性质得到的调校系数,
M4为根据区域地理位置和发展趋势核对未来负荷走向得到的调校系数。
实施例6:采用本发明所述电力空间负荷预测调校方法对小区块进行调校,其总调校系数计算如表1所示,采用本发明所述电力空间负荷预测调校方法对整个供电区域进行调校,其总调校系数计算如表2所示。
表1和表2中,M1=A1*权重,M2=A2*权重,以此类推。
本发明所述电力空间负荷预测调校方法,既肯定了城市控制性详规的引领作用,又结合了经济、区域发展等对电力负荷发展态势的影响对未来远景年的空间负荷预测进行合理调校,调校得出的负荷更接近于真实的未来电力负荷发展结果。
以上技术特征构成了本发明的实施例,其具有较强的适应性和实施效果,可根据实际需要增减非必要的技术特征,来满足不同情况的需求。
表1
表2
Claims (6)
1.一种电力空间负荷预测调校方法,其特征在于包括以下方法:
对区域或区块的电力空间负荷预测值按公式(1)进行调校,
PM=M×P (1)
公式(1)中,PM为调校后的最高负荷,单位为MW,M为总调校系数,P为传统空间负荷预测方法计算得出的最高负荷,单位为MW,
根据公式(2)计算总调校系数,
M=M1+M2+M3+......Mn (2)
公式(2)中,M为总调校系数,M1、M2、M3、......Mn分别为区域或区块的各主要影响因素的调校系数,
主要影响因素包括资源环境承载能力、城市规模等级、市场化趋势或/和区域地理位置,
区域或区块的各主要影响因素的调校系数根据各自的评估得分和权重相乘得到。
2.根据权利要求1所述的电力空间负荷预测调校方法,其特征在于应用层次分析法对资源环境承载能力进行分析:
首先,找出影响预测区域的资源环境承载能力的各资源、环境主要因素,建立目标、因素和因子的层次结构,建立预测指标体系;其次,构造比较判断矩阵,进行层次单排序,检验判断矩阵的一致性,再进行层次总排序,确定各因子的权重;最后,对各因子打分,计算出评价得分,资源环境承载能力的调校系数为各因子的权重与评价得分的乘积之和。
3.根据权利要求1或2所述的电力空间负荷预测调校方法,其特征在于区域或区块的土地用途不同,主要影响因素不同。
4.根据权利要求3所述的电力空间负荷预测调校方法,其特征在于对于工业用地,主要影响因素包括资源环境承载能力、城市规模等级和市场化趋势,根据公式(3)计算工业用地的总调校系数,
M=M1+M2+M3 (3)
公式(3)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据市场化趋势细分地块性质得到的调校系数。
5.根据权利要求3所述的电力空间负荷预测调校方法,其特征在于对于居住用地,主要影响因素包括资源环境承载能力、城市规模等级和区域地理位置,
根据公式(4)计算居住用地的总调校系数,
M=M1+M2+M3 (4)
公式(4)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据区域地理位置和发展趋势核对未来负荷走向得到的调校系数。
6.根据权利要求3所述的电力空间负荷预测调校方法,其特征在于对于综合用地,主要影响因素包括资源环境承载能力、城市规模等级、市场化趋势和区域地理位置,
根据公式(5)计算综合用地的总调校系数,
M=M1+M2+M3+M4 (5)
公式(5)中,M1为应用层次分析法对资源环境承载能力进行分析得到的调校系数,
M2为通过城市规模等级模型进行未来趋势预测得到的调校系数,
M3为根据市场化趋势细分地块性质得到的调校系数,
M4为根据区域地理位置和发展趋势核对未来负荷走向得到的调校系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011232606.XA CN112348254B (zh) | 2020-11-06 | 2020-11-06 | 电力空间负荷预测调校方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011232606.XA CN112348254B (zh) | 2020-11-06 | 2020-11-06 | 电力空间负荷预测调校方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348254A true CN112348254A (zh) | 2021-02-09 |
CN112348254B CN112348254B (zh) | 2023-09-01 |
Family
ID=74428510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011232606.XA Active CN112348254B (zh) | 2020-11-06 | 2020-11-06 | 电力空间负荷预测调校方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348254B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102402726A (zh) * | 2011-11-04 | 2012-04-04 | 中国电力科学研究院 | 一种基于区域负荷分析的大规模配电网电力电量预测方法 |
CN103824128A (zh) * | 2014-02-24 | 2014-05-28 | 华南理工大学 | 一种区域性分布式综合供能系统的规模预测方法 |
CN104376435A (zh) * | 2014-12-03 | 2015-02-25 | 国家电网公司 | 一种电力电量平衡方案评估方法 |
CN105225015A (zh) * | 2015-10-28 | 2016-01-06 | 广东电网有限责任公司电网规划研究中心 | 基于经济发展情况的城市电力系统电网饱和负荷预测方法 |
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 |
CN107769268A (zh) * | 2017-10-10 | 2018-03-06 | 三峡大学 | 一种含小水电的地调范围日前预测省供负荷方法 |
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 |
CN109685277A (zh) * | 2018-12-28 | 2019-04-26 | 国网冀北电力有限公司经济技术研究院 | 用电量预测方法及装置 |
-
2020
- 2020-11-06 CN CN202011232606.XA patent/CN112348254B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102402726A (zh) * | 2011-11-04 | 2012-04-04 | 中国电力科学研究院 | 一种基于区域负荷分析的大规模配电网电力电量预测方法 |
CN103824128A (zh) * | 2014-02-24 | 2014-05-28 | 华南理工大学 | 一种区域性分布式综合供能系统的规模预测方法 |
CN104376435A (zh) * | 2014-12-03 | 2015-02-25 | 国家电网公司 | 一种电力电量平衡方案评估方法 |
CN105225015A (zh) * | 2015-10-28 | 2016-01-06 | 广东电网有限责任公司电网规划研究中心 | 基于经济发展情况的城市电力系统电网饱和负荷预测方法 |
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 |
CN107769268A (zh) * | 2017-10-10 | 2018-03-06 | 三峡大学 | 一种含小水电的地调范围日前预测省供负荷方法 |
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 |
CN109685277A (zh) * | 2018-12-28 | 2019-04-26 | 国网冀北电力有限公司经济技术研究院 | 用电量预测方法及装置 |
Non-Patent Citations (4)
Title |
---|
YANXIASUN等: ""Improved Particle Swarm Optimization Based Dynamic Economic Dispatch of Power System"", 《PROCEDIA MANUFACTURING》 * |
宁超等: ""城市负荷需求预测与供电单元格的划分研究——以新疆昌吉城区为例"", 《江苏科技信息》 * |
宁超等: ""基于空间负荷布局的低碳主动配电网扩展规划研究"", 《电网与清洁能源》 * |
闫庆友等: ""基于计量经济学模型的北京电力负荷中长期预测"", 《水电能源科学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112348254B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Risk assessment on storm surges in the coastal area of Guangdong Province | |
CN109102193A (zh) | 地理设计生态红线划定与管理系统及数据库、评价模型 | |
Yin et al. | Projection of extreme precipitation in the context of climate change in Huang-Huai-Hai region, China | |
CN106022507B (zh) | 一种农田连片整治的优化方法及其系统 | |
Jiang et al. | The improved coupling coordination analysis on the relationship between climate, eco-environment, and socio-economy | |
CN103793757A (zh) | 一种层级式模块化电网规划方案优化方法 | |
CN117407470A (zh) | 基于大数据的绿色空间生态优化决策辅助系统及方法 | |
CN112348254A (zh) | 电力空间负荷预测调校方法 | |
CN112232688A (zh) | 一种基于均好性的商业网点布局和规模的修正方法 | |
CN109241216B (zh) | 使用电网层级存储数据库架构实现网格化管理的方法 | |
CN113128811A (zh) | 一种基于强降水的电网系统地质灾害风险评估方法及系统 | |
Wu et al. | Study of GIS-oriented graphical management system for power grid planning based on cloud service | |
CN111062577B (zh) | 一种基于gis的变电站选址方法 | |
CN106447123A (zh) | 基于典型日负荷特性的变电站选址方法及变电站选址装置 | |
Fang et al. | CA simulation and verification of cultivated land planning based on land suitability | |
ChangLong et al. | Spatial difference features and organization optimization of cities and towns in Tarim River Basin | |
Nie et al. | Evaluation on Spatial of National Land Development Pattern of Lanzhou-Xining Urban Agglomeration Based on Resource and Environment Carrying Capacity | |
Li | RETRACTED: Early warning expert decision system of water resource management based on Cloud Computing | |
Wang | Application of BIM and GIS Technology in Urban and Rural Planning | |
CN112398127B (zh) | 基于城乡规划用地虚拟台区及负荷云的配网扩张规划方法 | |
Ma et al. | GIS technology applied in urban plot ratio statistics and land suitability evaluation | |
Zhang et al. | Characteristics of tropical cyclones formed in the Eastern Pacific Northwest | |
Luo et al. | Application of Satellite Image in Substation Location | |
Zhong et al. | Analysis on the Characteristics and Spatial Pattern of Urban Expansion in Yuxi City | |
Zheng et al. | Research on the status quo of economic development and environmental protection in different regions of China |
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 |