基于分段积温效应的夏季负荷组合预测方法

被引:7
作者
谭风雷
苗振林
机构
[1] 东南大学电气工程学院
关键词
负荷预测; 积温效应; 组合预测; 模拟退火法;
D O I
暂无
中图分类号
TM715 [电力系统规划];
学科分类号
080802 [电力系统及其自动化];
摘要
分析了积温效应的2种表现形式:多日积温效应和两日积温效应,提出了考虑积温效应的夏季负荷组合预测方法。该方法充分考虑积温效应的2种表现形式,建立了3种温度的修正模型;为了提高预测精度,采用基于多元线性回归法、BP神经网络和支持向量机的组合预测方法。以江苏某地区的负荷数据作为历史数据,采用基于最小二乘法优化的模拟退火法求解最优参数对温度进行修正,并将修正之后的温度代入组合预测模型中预测负荷,结果表明,预测精度高,可以满足系统调度人员的需要。
引用
收藏
页码:4 / 8
页数:5
相关论文
共 12 条
[1]
基于PSO-BP神经网络的短期负荷预测算法 [J].
张少迪 .
现代电子技术, 2013, 36 (12) :155-158+162
[2]
考虑气温累积效应的短期负荷预测 [J].
李嘉龙 ;
李小燕 ;
刘思捷 ;
文福拴 ;
郭文涛 .
华北电力大学学报(自然科学版), 2013, 40 (01) :49-54
[3]
考虑积温效应的负荷预测研究 [J].
金丽莉 ;
谭风雷 ;
吴志坚 ;
毕睿华 ;
王宝安 .
电力需求侧管理, 2013, 15 (01) :7-10+14
[4]
考虑积温效应的短期负荷组合预测方法 [J].
蒋建东 ;
程志豪 ;
朱明嘉 .
电力自动化设备, 2011, 31 (10) :28-31
[5]
采用支持向量机和模拟退火算法的中长期负荷预测方法 [J].
李瑾 ;
刘金朋 ;
王建军 .
中国电机工程学报, 2011, 31 (16) :63-66
[6]
基于遗传算法优化参数的支持向量机短期负荷预测方法 [J].
吴景龙 ;
杨淑霞 ;
刘承水 .
中南大学学报(自然科学版), 2009, 40 (01) :180-184
[7]
积温效应分析及日最大负荷预测中的应用 [J].
肖伟 ;
罗滇生 ;
董雪 .
微计算机信息, 2009, 25 (01) :262-264
[8]
针对气象因素的短期负荷预测修正方法 [J].
王鹏 ;
邰能灵 ;
王波 ;
翟海青 ;
叶剑 ;
李磊 ;
朱家栋 ;
漆梁波 .
电力系统自动化, 2008, (13) :92-96
[9]
基于粒子群支持向量机的短期电力负荷预测 [J].
张红梅 ;
卫志农 ;
龚灯才 ;
刘玲 .
继电器, 2006, (03) :28-31
[10]
基于模拟退火的Gauss-Newton算法神经网络在短期负荷预测中的应用 [J].
张林 ;
刘先珊 ;
阴和俊 .
武汉大学学报(工学版), 2005, (04) :28-33