日最大负荷特性分析及预测方法

被引:10
作者
马立新
李渊
机构
[1] 上海理工大学光电信息与计算机工程学院
关键词
特征提取; 连续多天负荷预测; 日最大负荷; 假日负荷预测; 神经网络;
D O I
暂无
中图分类号
TM73 [电力系统的调度、管理、通信];
学科分类号
120103 [信息系统与信息管理];
摘要
电力调度和市场营销部门对电力负荷数据的走势形态和预测方法十分重视。在实际应用中,电力市场对提前预测未来连续多天的日最大负荷提出了新的要求。本文根据电力系统中日最大负荷的历史数据,分法定假日与非假日两部分单独研究其特性。对于假日最大负荷的预测,设定假日因子;对于非假日,通过小波分解提取日最大负荷变化的周期特征,再分别建立相应的BP神经网络模型进行预测。通过对某市电力负荷数据的预测及结果表明:采用这种组合方法可行有效、预测精度满足行业要求。有较强的理论意义和广泛地应用前景。
引用
收藏
页码:31 / 34
页数:4
相关论文
共 8 条
[1]
分区支持向量回归及其在负荷预测中的应用 [J].
谷云东 ;
胡芳芳 .
电力系统及其自动化学报, 2013, 25 (03) :20-24
[2]
区间时间序列向量自回归模型在短期电力负荷预测中的应用 [J].
万昆 ;
柳瑞禹 .
电网技术, 2012, 36 (11) :77-81
[3]
典型气象因素对省网夏季日最大负荷的影响 [J].
李湘华 ;
宋尖 ;
刘阳升 ;
张斌 ;
陈驾宇 .
电力科学与技术学报, 2012, (02) :70-75
[4]
智能化气象信息处理的负荷预测系统研究 [J].
任友明 ;
马立新 ;
屈娜娜 .
微计算机信息, 2011, 27 (12) :79-81
[5]
电力系统节假日负荷预测实例分析 [J].
王宁 ;
陈亮 ;
李嘉龙 .
广东电力, 2010, 23 (11) :47-49+55
[6]
基于小波系数和BP神经网络的电力系统短期负荷预测 [J].
宋人杰 ;
边奕心 ;
闫淼 .
电力系统保护与控制, 2009, 37 (15) :87-90
[7]
基于小波分解和人工神经网络的短期负荷预测 [J].
徐军华 ;
刘天琪 .
电网技术, 2004, (08) :30-33
[8]
小波分析方法在电力系统短期负荷预测中的应用 [J].
宋超 ;
黄民翔 ;
叶剑斌 .
电力系统及其自动化学报, 2002, (03) :8-12