最小信息损失综合短期负荷预测(二):算法和算例

被引：8

作者：

孙宏斌 ^{[1
]}

陈佳 ^{[1
]}

江曦源 ^{[1
]}

昝鑫 ^{[1
]}

赵俊屹 ^{[2
]}

张军六 ^{[2
]}

机构：

[1] 电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系)

[2] 国网山西省电力公司电力调控中心

来源：

中国电机工程学报 | 2016年 / 36卷 / 18期

关键词：

短期负荷预测; 综合模型; 信息理论; 最小信息损失;

D O I：

10.13334/j.0258-8013.pcsee.160892

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

该文引入信息理论分析电力系统的负荷预测以及可再生能源出力预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷取值。针对MIL综合模型中概率分布的估计问题,文中应用了正态分布参数估计和Parzen窗估计2种不同的方法,给出了各自的算法和实现方案。算例部分通过用实际电网负荷数据和实际风力发电出力数据进行测试,研究了MIL综合模型结构与参数对预测结果的影响,并在与传统综合模型的比较中显示了新模型的优越性。

引用

页码：4801 / 4807+5103 +5103

页数：8

共 16 条

[1] 负荷预测中多模型的自动筛选方法 [J].

高峰 ;

康重庆 ;

夏清 ;

黄永皓 ;

尚金成 ;

孟远景 ;

何南强 .

电力系统自动化, 2004, (06) :11-13+40

[2] 短期负荷综合预测模型的探讨 [J].

莫维仁 ;

张伯明 ;

孙宏斌 ;

胡子衡 .

电力系统自动化, 2004, (01) :30-34

[3] 基于神经网络的负荷组合预测模型研究 [J].

谢开贵 ;

李春燕 ;

周家启 .

中国电机工程学报, 2002, (07) :85-89

[4] 短期负荷预测的综合模型 [J].

程旭 ;

康重庆 ;

夏清 ;

沈瑜 .

电力系统自动化, 2000, (09) :42-44

[5]

应用信息论基础.[M].朱雪龙编著;.清华大学出版社.2001,

[6]

Short-term electric load and temperature forecasting using wavelet echo state networks with neural reconstruction.[J].Ali Deihimi;Omid Orang;Hemen Showkati.Energy.2013,

[7]

Energy models for demand forecasting—A review.[J].L. Suganthi;Anand A. Samuel.Renewable and Sustainable Energy Reviews.2011, 2

[8]

An adaptive fuzzy combination model based on self-organizing map and support vector regression for electric load forecasting.[J].Jinxing Che;Jianzhou Wang;Guangfu Wang.Energy.2011, 1

[9]

Combined modeling for electric load forecasting with adaptive particle swarm optimization.[J].Jianzhou Wang;Suling Zhu;Wenyu Zhang;Haiyan Lu.Energy.2009, 4

[10]

Short-term load forecasting of power systems by combination of wavelet transform and neuro-evolutionary algorithm.[J].N. Amjady;F. Keynia.Energy.2008, 1

← 1 2 →