基于动态权重模型组合的短期区域净负荷预测方法

1

作者 甘业平 白云龙 +1 位作者 韩号 刘丽新 《电力信息与通信技术》 2025年第3期17-24,共8页

净负荷预测对以新能源为主体的新型电力系统的运行控制有重要意义。为综合多种预测模型优势,进一步提升预测精度,文章提出了基于动态权重模型组合的短期区域净负荷预测方法。从差异性和关联性2个维度评价模型预测结果的可信度,提出了基... 净负荷预测对以新能源为主体的新型电力系统的运行控制有重要意义。为综合多种预测模型优势,进一步提升预测精度,文章提出了基于动态权重模型组合的短期区域净负荷预测方法。从差异性和关联性2个维度评价模型预测结果的可信度,提出了基于信息熵的时序不确定性评价方法和基于灰色关联度的代表性评价方法。通过模型动态权重的加权组合,得到基线负荷、分布式光伏功率和净负荷预测结果。所提方法的预测精度提高了1.44%~1.82%。 展开更多

关键词 净负荷预测 组合预测 动态权重模型 新型电力系统

在线阅读 下载PDF 职称材料

基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测 被引量：1

2

作者 戴浩男 张辰灏 +1 位作者 甄钊 王飞 《高电压技术》 EI CAS CSCD 北大核心 2024年第9期3914-3923,共10页

净负荷是实际负荷与光伏出力之差,针对净负荷中实际负荷强波动性与光伏出力强随机性相互耦合、表后光伏出力不可见等特点导致准确预测困难的问题,提出了一种基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测方法。首先,通过... 净负荷是实际负荷与光伏出力之差,针对净负荷中实际负荷强波动性与光伏出力强随机性相互耦合、表后光伏出力不可见等特点导致准确预测困难的问题,提出了一种基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测方法。首先,通过提取用户净负荷的日内时间特征、长期趋势特征和空间关联特征建立净负荷子集群聚类模型;其次,以子集群为图节点构建考虑“负荷-光伏”双维相关性的图结构,使其能够同时反映负荷和光伏出力特性;最后,引入净负荷总节点和动态邻接矩阵,构建通过长短期记忆神经网络连接的双层动态图卷积模型,得到净负荷预测结果。基于悉尼Ausgrid实际净负荷数据设计的消融实验结果表明,所提时空特征聚类方法和双层动态图结构分别使净负荷预测结果的均方根误差降低了13.44 kW和7.55 kW。未来将进一步拓展预测尺度,为电网保供决策提供更多信息支撑。 展开更多

关键词 净负荷预测 时空相关性 时空特征聚类 图卷积神经网络 动态图结构 双层

在线阅读 下载PDF 职称材料

基于净负荷预测误差统计的电力系统爬坡能力充裕度评估 被引量：1

3

作者 陈中飞 赵越 +4 位作者 蔡秋娜 张乔榆 王泽林 戴晓娟 陈雨果 《中国电力》 CSCD 北大核心 2024年第5期50-60,共11页

在新能源快速发展的背景下,为应对其出力波动性和间歇性对电力系统的冲击,电力系统需要具有较强的爬坡能力。分析电力系统爬坡能力的供需情况,可以发现爬坡能力不足的风险,提高电力系统运行的安全性和稳定性。首先,提出电力系统爬坡能... 在新能源快速发展的背景下,为应对其出力波动性和间歇性对电力系统的冲击,电力系统需要具有较强的爬坡能力。分析电力系统爬坡能力的供需情况,可以发现爬坡能力不足的风险,提高电力系统运行的安全性和稳定性。首先,提出电力系统爬坡能力充裕度评估的逻辑和流程,并且给出确定性爬坡量、不确定性爬坡量和富余爬坡能力及其需供比的定义与概念。然后,提出基于置信数统计法和分位数回归法预估系统净负荷预测误差的理论与具体计算方法,以及上述参数的具体计算方法。最后,基于广东40个历史运行日和4个典型日的数据进行算例分析,验证该充裕度评估方法的有效性。研究表明:富余爬坡能力需供比可以有效识别不同典型日和特殊时段的爬坡特征,在日尺度和分钟尺度上反映其爬坡能力充裕度;覆盖率、超出量和预估量等指标,可以用于评价误差预估模型在不同地区和场景的适用性,作为模型选用参考。 展开更多

关键词 爬坡能力充裕度 需供比 系统净负荷预测误差 置信数统计法 分位数回归法

在线阅读 下载PDF 职称材料

集成经验模态分解与深度学习的用户侧净负荷预测算法 被引量：38

4

作者 刘友波 吴浩 +3 位作者 刘挺坚 杨智宇 刘俊勇 李秋航 《电力系统自动化》 EI CSCD 北大核心 2021年第24期57-64,共8页

随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难。为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先,通过CEEMDAN将原始净负荷数据分解为若... 随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难。为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先,通过CEEMDAN将原始净负荷数据分解为若干个频率、幅值不一的本征模态函数(IMF)。然后,配合机器学习智能算法,使用DBN逐一对各个IMF分量进行特征提取和时序预测。最后,将多个目标预测结果累加得到最终用户侧短期净负荷预测结果。采用某地区实际数据进行算例分析,验证了所提CEEMDAN-DBN独立预测模型与直接预测相比,能够辨识各频率负荷分量特性,提高分布式能源与负荷耦合性增强背景下的负荷预测精度。 展开更多

关键词 净负荷预测 自适应噪声的完全集成经验模态分解 深度信念网络 时序预测

在线阅读 下载PDF 职称材料

基于小波包分解与最小二乘支持向量机的用户侧净负荷预测 被引量：11

5

作者 吴浩 齐放 +3 位作者 张曦 刘友波 向月 刘俊勇 《现代电力》 北大核心 2023年第2期192-200,共9页

随着分布式可再生能源在用户侧逐步接入,电表监测得到的用户净负荷曲线形态相对于原有实际负荷曲线更加不稳定,因而极大降低了用户的净负荷预测精度。针对此问题,提出基于小波包分解(wavelet packet decomposition,WPD)与最小二乘支持... 随着分布式可再生能源在用户侧逐步接入,电表监测得到的用户净负荷曲线形态相对于原有实际负荷曲线更加不稳定,因而极大降低了用户的净负荷预测精度。针对此问题,提出基于小波包分解(wavelet packet decomposition,WPD)与最小二乘支持向量机(least squares support vector machine,LSSVM)的用户侧净负荷预测方法,通过对用户净负荷时序数据作小波包分解,得到信号特征更为明显的高频分量与低频趋势部分,筛选剔除波动性大、噪声信号多的高频细节分量。同时考虑气象因素,利用最小二乘支持向量机对小样本非线性信号的训练效率高、泛化能力强的特点,采用其模型对其余包含更多有效负荷数据信息的低频分量分别进行预测重构,叠加得到最终的净负荷预测值。通过对可再生能源高度渗透的某地区用户实际净负荷数据进行实例分析,结果表明所提预测方法在此物理场景下相比于传统预测方法有更高的预测精度。 展开更多

关键词 净负荷预测 可再生能源 小波包分解 最小二乘支持向量机

在线阅读 下载PDF 职称材料

基于相空间重构ARIMA和SVR的母线净负荷预测 被引量：6

6

作者 金山红 朱想 +5 位作者 赫卫国 王波 梅飞 李玉杰 袁晓玲 刘皓明 《电力需求侧管理》 2018年第2期20-24,共5页

为实现对含分布式电源母线净负荷的实时跟踪和预测,以分布式光伏并入电网的母线负荷情况为基础,根据净负荷本身固有的线性和非线性属性,提出了基于相空间重构自回归滑动平均(autoregressive moving arerage,ARIMA)和支持向量机(support ... 为实现对含分布式电源母线净负荷的实时跟踪和预测,以分布式光伏并入电网的母线负荷情况为基础,根据净负荷本身固有的线性和非线性属性,提出了基于相空间重构自回归滑动平均(autoregressive moving arerage,ARIMA)和支持向量机(support vector machine,SVR)的母线净负荷预测方法。首先基于历史净负荷数据使用ARIMA建立拟合模型,对净负荷线性成分预测分析,之后用CC法对非线性成分进行相空间重构,利用SVR模型对非线性部分进行预测。数据建模的结果表明,提出的ARIMA-CC_SVR预测模型对含有分布式光伏成分的母线净负荷适用性较强。 展开更多

关键词 净负荷预测 ARIMA CC法相空间重构 SVR

在线阅读 下载PDF 职称材料

基于Gumbel copula联合概率分布的电力系统综合净负荷预测 被引量：3

7

作者 陶鹏 牛为华 +1 位作者 吴宏波 任鹏 《华北电力大学学报（自然科学版）》 CAS 北大核心 2020年第2期25-37,共13页

近年来,太阳能和风能在电力系统中的渗透率不断提高。由于风能和太阳能具有的高度不确定性和间歇性,在其并网时需要采用复杂多变的操作策略才能维持电网稳定运行。对于多个或单个不确定变量进行净负荷的汇总可以有效降低系统运行规划的... 近年来,太阳能和风能在电力系统中的渗透率不断提高。由于风能和太阳能具有的高度不确定性和间歇性,在其并网时需要采用复杂多变的操作策略才能维持电网稳定运行。对于多个或单个不确定变量进行净负荷的汇总可以有效降低系统运行规划的复杂性。由此,提出了一种基于Gumbel copula联合概率分布的新型净负荷预测(net load forecasting,NLF)模型用以对负荷、风能和太阳能发电的预测误差进行有效应对,此外所提模型还引入了基于预测值的Grey指数修正模型以提高预测的精准度。其中由于Gumbel copula联合概率模型的稳定性好,其基本能够覆盖所有极端预测误差,在保证系统可靠运行前提下,基于有限的输入实现了快速精准的预测。实验结果表明,所提模型在极短期净负荷预测上具有较好的效果。 展开更多

关键词 Gumbel copula联合概率分布 净负荷预测 不确定性 极端误差 短期预测

在线阅读 下载PDF 职称材料

计及净负荷预测的含DG配电网故障恢复策略 被引量：3

8

作者 刘科研 贾东梨 任昭颖 《制造业自动化》 北大核心 2023年第4期121-124,共4页

为提高配电网故障恢复的快速性和可靠性,提出了一种计及净负荷预测的含DG配电网故障恢复策略。当配电网发生故障后,首先通过主网络重构快速恢复非故障停电区域负荷供电;接着,对于仍未恢复供电区域,考虑气象条件和日期类型采用长短期记... 为提高配电网故障恢复的快速性和可靠性,提出了一种计及净负荷预测的含DG配电网故障恢复策略。当配电网发生故障后,首先通过主网络重构快速恢复非故障停电区域负荷供电;接着,对于仍未恢复供电区域,考虑气象条件和日期类型采用长短期记忆神经网络开展故障时间段各类负荷预测、分布式电源发电功率预测,实现故障期间净负荷短期预测;然后,考虑净负荷曲线以失电重要负荷恢复最大和开关动作次数最小为目标通过改进多目标遗传算法搜寻含分布式电源孤岛划分帕累托最优解集。最后,通过IEEE 33节点系统算例分析验证了方法有效性。 展开更多

关键词 配电网重构 净负荷预测 长短期记忆网络 孤岛划分 改进多目标遗传算法

在线阅读 下载PDF 职称材料

基于贝叶斯深度学习的用户净负荷预测方法 被引量：2

9

作者 冯桂玲 郑晓晖 +1 位作者 李思韬 庄大海 《计算机应用与软件》 北大核心 2022年第10期94-103,共10页

分布式光伏(photovoltaic,PV)发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战。为了准确预测用户净负荷,同时捕捉分布式光伏发电和负荷带来的大量不确定性,提出一种基于概率的日前净负荷预测方法。将贝叶斯概率论与... 分布式光伏(photovoltaic,PV)发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战。为了准确预测用户净负荷,同时捕捉分布式光伏发电和负荷带来的大量不确定性,提出一种基于概率的日前净负荷预测方法。将贝叶斯概率论与深度学习相结合,以处理认知不确定性和任意不确定性;采用子空间聚类技术,将住宅屋顶光伏输出作为输入特征,以提高综合净负荷预测的性能。基于细粒度智能电表数据进行了算例分析,与其他方法进行实验比较可知,所提方法具有更好的性能。 展开更多

关键词 概率性净负荷预测 分布式光伏发电 聚类 长短时记忆 贝叶斯深度学习

在线阅读 下载PDF 职称材料

新能源电力系统中的分布式光伏净负荷预测 被引量：23

10

作者 廖启术 胡维昊 +2 位作者 曹迪 黄琦 陈哲 《上海交通大学学报》 EI CAS CSCD 北大核心 2021年第12期1520-1531,共12页

为响应碳达峰、碳中和的需求,构建一套完整的"源-网-荷-储"的新能源电力系统,提出了一种基于Hamiltonian Monte Carlo推断深度高斯过程(HMCDGP)算法的分布式光伏净负荷预测模型.首先,分别使用直接预测和间接预测两种形式对预... 为响应碳达峰、碳中和的需求,构建一套完整的"源-网-荷-储"的新能源电力系统,提出了一种基于Hamiltonian Monte Carlo推断深度高斯过程(HMCDGP)算法的分布式光伏净负荷预测模型.首先,分别使用直接预测和间接预测两种形式对预测模型的精度进行实验并得到点预测结果;其次,使用所提出的模型进行概率预测实验并得到区间预测结果;最后,通过以澳洲电网记录的300户净负荷数据为基础的对比实验验证所提模型的优越性.在得到准确的净负荷概率预测后,可以通过电力调度充分利用光伏产出,减少化石能源使用,从而减少碳排放. 展开更多

关键词 净负荷概率预测 光伏产出 深度高斯过程 点预测 区间预测

在线阅读 下载PDF 职称材料

考虑数据分布偏移的短期居民净负荷预测方法

11

作者 王瑞临 赵健 +1 位作者 孙智卿 宣羿 《电力建设》 CSCD 北大核心 2024年第2期90-101,共12页

新能源发电的高不确定性导致净负荷的数据分布偏移更加严重。数据分布偏移导致模型在历史数据中学习到的特征信息不再完全适用于未来数据,从而给净负荷预测(net load forecasting,NLF)带来了挑战。因此,考虑到净负荷中更严重的数据分布... 新能源发电的高不确定性导致净负荷的数据分布偏移更加严重。数据分布偏移导致模型在历史数据中学习到的特征信息不再完全适用于未来数据,从而给净负荷预测(net load forecasting,NLF)带来了挑战。因此,考虑到净负荷中更严重的数据分布偏移问题,提出了一种基于不变风险最小化-不确定性加权-长短期记忆神经网络(long short-term memory neural network,LSTM)的短期居民净负荷预测方法,以提升净负荷预测精度。首先,通过不变风险最小化(invariant risk minimization,IRM)建立了一个双目标问题,包括准确预测和学习跨不同数据分布的不变特征。其次,通过长短期记忆神经网络(long short-term memory neural network,LSTM)处理时间序列数据的非线性特征。然后,通过基于不确定性加权(uncertainty weighting,UW)的目标平衡机制避免过度实现任一目标。此外,通过引入分位数回归将所提方法扩展到概率预测。最后,通过基于澳大利亚Ausgrid公司提供的真实居民电表数据从确定性预测结果、概率预测结果、不同数据分布偏移程度和不同光伏渗透率等多个维度验证了所提方法的有效性。 展开更多

关键词 短期居民净负荷预测 数据分布偏移 不变风险最小化 长短期记忆神经网络 不确定性加权

原文传递

基于特征加权Stacking集成学习的净负荷预测方法 被引量：24

12

作者 鲍海波 吴阳晨 +3 位作者 张国应 李江伟 郭小璇 黎静华 《电力建设》 CSCD 北大核心 2022年第9期104-116,共13页

当前用户侧接入大量新能源,通常采用实际电力负荷减去新能源发电功率后的负荷(称为“净负荷”)进行预测研究。由于新能源发电随机性强,净负荷具有不确定性强、规律性差的特点,难以准确预测。为此,提出了一种基于特征加权改进的Stacking... 当前用户侧接入大量新能源,通常采用实际电力负荷减去新能源发电功率后的负荷(称为“净负荷”)进行预测研究。由于新能源发电随机性强,净负荷具有不确定性强、规律性差的特点,难以准确预测。为此,提出了一种基于特征加权改进的Stacking集成学习净负荷预测方法。首先,通过对不同单一预测模型的预测性能和差异性的分析,优选出长短期记忆网络、Elman神经网络、随机森林树和最小二乘支持向量机作为Stacking集成的学习器。其次,针对传统Stacking集成预测由于忽略学习器之间差异性所导致的预测能力不足问题,根据预测精度对不同学习器进行特征加权,以修正各学习器所带来的整体预测误差。最后,基于德国TENNET区域实测数据进行算例分析,结果表明,相比于单一预测模型、传统Stacking集成预测方法,基于特征加权Stacking集成学习的净负荷预测方法在晴天、多云、多雨、多雪等天气情况下均具有更高的预测精度。 展开更多

关键词 新能源 净负荷预测 Stacking集成算法 特征加权

原文传递

考虑预测误差不确定性的源-荷-广义储低碳经济动态优化调度 被引量：2

13

作者 吴佩芝 徐天奇 +2 位作者 李琰 李晓兰 崔琳 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第5期276-285,共10页

基于确定性模型的低碳经济调度方法无法准确描述不确定因素对电网碳排放的影响。据此,从系统层面考虑源-荷两侧不确定性,构建了一种低碳经济动态优化调度模型。采用混合高斯概率密度估计刻画风、光预测误差的不确定性,提出一种考虑净负... 基于确定性模型的低碳经济调度方法无法准确描述不确定因素对电网碳排放的影响。据此,从系统层面考虑源-荷两侧不确定性,构建了一种低碳经济动态优化调度模型。采用混合高斯概率密度估计刻画风、光预测误差的不确定性,提出一种考虑净负荷预测误差的正负旋转备用容量概率约束方法;为减少系统的碳排放量,一从发电端考虑,引入碳交易机制,建立含有阶梯型碳交易成本的系统总运行成本最低的调度目标函数;二从用户层面考虑,将需求响应负荷同实际储能设备视为广义储能参与日前-日内滚动优化调度;在IEEE39节点系统进行不同场景分析,验证了所提的调度模型实现系统低碳、经济运行目标的有效性,也挖掘了需求响应负荷的减碳潜力。 展开更多

关键词 碳交易机制 混合高斯 需求响应负荷 广义储能 净负荷预测误差 优化调度

在线阅读 下载PDF 职称材料