电力系统短期负荷预测方法研究综述

被引:130
作者
夏博
杨超
李冲
机构
[1] 贵州大学电气工程学院
关键词
电力系统; 短期负荷预测; 数据预处理; 预测方法; 模型优化;
D O I
10.19317/j.cnki.1008-083x.2018.07.004
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
根据负荷预测基本流程,分别对数据预处理、模型选取、模型优化分别进行了总结分析。首先对传统的数据处理方法进行了概述,并简要介绍了新的数据处理方法。其次,将现有的短期负荷预测方法分为经典方法、传统方法和智能方法,综合分析了现有预测方法的应用原理,详细分析和比较预测方法的优点和不足之处,为了提高预测的精度,一些新的方法就因运而生,目的在于提高预测精度和适应相应各种运行条件。再次,总结分析了传统的预测优化模型,并简要介绍了现有的一些新的优化模型,这些新的优化模型计算结果相比于传统的模型精确度较高,分析了新优化模型的优点和不足之处。文章最后对了未来电力系统负荷预测提出了展望,在进行短期负荷预测时应该考虑电力市场、新能源、电动汽车相关因素的影响。
引用
收藏
页码:22 / 28
页数:7
相关论文
共 35 条
[1]
基于结合混沌纵横交叉的粒子群算法优化极限学习机的短期负荷预测 [J].
殷豪 ;
董朕 ;
孟安波 .
计算机应用研究, 2018, 35 (07) :2088-2091
[2]
基于KPCA和NSGAⅡ优化CNN参数的电动汽车充电站短期负荷预测 [J].
牛东晓 ;
马天男 ;
王海潮 ;
刘鸿飞 ;
黄雅莉 .
电力建设, 2017, 38 (03) :85-92
[3]
基于迭代决策树(GBDT)短期负荷预测研究 [J].
郑凯文 ;
杨超 .
贵州电力技术, 2017, 20 (02) :82-84+90
[4]
电力系统供电短期负荷预测方法仿真研究 [J].
李黎 ;
杨升峰 ;
邱金鹏 ;
牛东晓 .
计算机仿真, 2017, 34 (01) :104-108
[5]
基于模糊聚类与函数小波核回归的短期负荷预测方法 [J].
祖向荣 ;
田敏 ;
白焰 .
电力自动化设备, 2016, 36 (10) :134-140+165
[6]
考虑负荷自适应检测和修复的鲁棒极限学习机短期负荷预测方法 [J].
彭显刚 ;
郑伟钦 ;
林利祥 ;
刘艺 .
中国电机工程学报, 2016, 36 (23) :6409-6417+6606
[7]
短期电网负荷预测方法研究 [J].
曾繁耀 ;
黄昭荣 .
自动化与仪器仪表, 2016, (08) :84-86
[8]
最小信息损失综合短期负荷预测(一)—理论 [J].
孙宏斌 ;
陈佳 ;
江曦源 ;
昝鑫 ;
赵俊屹 ;
张军六 .
中国电机工程学报, 2016, 36 (17) :4513-4521
[9]
最小信息损失综合短期负荷预测(二):算法和算例 [J].
孙宏斌 ;
陈佳 ;
江曦源 ;
昝鑫 ;
赵俊屹 ;
张军六 .
中国电机工程学报, 2016, 36 (18) :4801-4807+5103
[10]
国内外关于电力系统负荷预测的研究现状分析 [J].
张彦宇 ;
肖茜 .
山东工业技术, 2016, (11) :215+208