空间负荷预测中确定元胞负荷最大值的概率谱方法

发布时间：2018-03-18 11:25

本文选题：城市电网　切入点：空间负荷预测　出处：《电力系统自动化》2014年21期 　论文类型：期刊论文

【摘要】：针对元胞负荷中异常数据会给空间负荷预测带来不利影响的问题,提出一种用于确定元胞负荷最大值的概率谱方法。该方法从城市电网规划需求的角度入手,结合城市电网的实际运行方式,对元胞负荷中出现的异常数据进行了分类,阐明了各类异常数据对空间负荷预测产生影响的作用方式,揭示了元胞之间负荷转移、元胞负荷非平稳增长、元胞负荷数据奇异与规划所需数据之间的内在联系,通过计算元胞负荷的概率谱曲线来描述和刻画不同类型异常数据的各自特点,在采用高斯拟合技术处理过的元胞负荷概率谱曲线上对元胞负荷最大值进行限定和约束。实例分析表明,使用概率谱方法确定的元胞负荷最大值进行空间负荷预测,提高了预测精度。
[Abstract]:In order to solve the problem that abnormal data in cellular load can adversely affect spatial load forecasting, a probabilistic spectrum method is proposed to determine the maximum value of cellular load. This method is based on the demand of urban power network planning. Combined with the actual operation mode of urban power network, the abnormal data appearing in the cellular load are classified, the effect of various abnormal data on spatial load forecasting is clarified, and the load transfer between cells is revealed. The non-stationary growth of cellular load, the inherent relationship between the singularity of cellular load data and the data needed for planning are used to describe and depict the characteristics of different types of abnormal data by calculating the probability spectral curve of cellular load. The maximum value of cellular load is limited and constrained on the line of probability spectrum of cell load treated by Gao Si fitting technique. The analysis of examples shows that the maximum value of cell load determined by probability spectrum method is used to predict the spatial load. The prediction accuracy is improved.
【作者单位】：东北电力大学电气工程学院;国网吉林供电公司;
【基金】：国家自然科学基金资助项目(51177009) 吉林省自然科学基金资助项目(20140101079JC)~~
【分类号】：TM715

【参考文献】

相关期刊论文前10条

1 陈亚红,穆钢,段方丽;短期电力负荷预报中几种异常数据的处理[J];东北电力学院学报;2002年02期

2 韦钢,王飞,张永健,符杨;负荷预测中历史数据缺损处理[J];电力科学与工程;2004年01期

3 康重庆,夏清,张伯明;电力系统负荷预测研究综述与发展方向的探讨[J];电力系统自动化;2004年17期

4 张晓星,程其云,周nv,孙才新;基于数据挖掘的电力负荷脏数据动态智能清洗[J];电力系统自动化;2005年08期

5 顾民;葛良全;秦健;;基于改进ART2网络的电力负荷脏数据辨识与调整[J];电力系统自动化;2007年16期

6 肖白;穆钢;黎平;杨右虹;闫浩;杨晨钧;;空间负荷预测中的负荷时序消差方法[J];电力系统自动化;2010年16期

7 李野;康重庆;陈新宇;;综合预测模型及其单一预测方法的联合参数自适应优化[J];电力系统自动化;2010年22期

8 童述林;文福拴;陈亮;;电力负荷数据预处理的二维小波阈值去噪方法[J];电力系统自动化;2012年02期

9 莫维仁,张伯明,孙宏斌,胡子珩,刘顺桂;扩展短期负荷预测方法的应用[J];电网技术;2003年05期

10 王雁平;乐春峡;;电力系统负荷建模的数据预处理技术[J];电网技术;2007年S2期

【共引文献】

相关期刊论文前10条

1 熊燕;李艳红;;基于数据挖掘的电力系统异常数据辨识与调整[J];安徽电气工程职业技术学院学报;2010年03期

2 陈晶;杨春玲;郑安豫;;短期负荷预测的自适应加权支持向量机新方法[J];安徽电气工程职业技术学院学报;2011年01期

3 陈星莺;张晓花;瞿峰;刘皓明;赵波;;数据挖掘在电力系统中的应用综述[J];电力科学与技术学报;2007年03期

4 李春生;陈光辉;;基于最大信息压缩指标与层次分析法的电力负荷组合预测模型[J];电力科学与技术学报;2008年01期

5 穆钢;郭鹏伟;肖白;刘青林;杨士慧;周潮;张宇;;基于灰色均生函数模型的电力系统月度负荷预测[J];东北电力大学学报;2011年03期

6 赵志民;盛四清;;基于小波分析和遗传程序设计的短期负荷预测[J];电测与仪表;2010年S1期

7 王楠,律方成;基于小波奇异性检测的在线监测数据处理[J];电工技术学报;2003年04期

8 牛东晓;刘达;陈广娟;冯义;;基于遗传优化的支持向量机小时负荷滚动预测[J];电工技术学报;2007年06期

9 周晓华;黄玲;刘胜永;;GMDH方法在中长期电力负荷预测中的应用[J];电气应用;2008年06期

10 万国成;王汉华;;最小二乘法在配网馈线年度负荷预测中的应用[J];电气应用;2008年09期

相关期刊论文前10条

1 赵海青,牛东晓;灰色优选组合预测模型及其应用[J];保定师范专科学校学报;2002年02期

2 董景荣;基于因素影响的电力消费预测研究[J];重庆师范学院学报(自然科学版);2000年02期

3 刘自发;陈艳旭;张杰超;;基于AHP和TOPSIS法的空间负荷预测[J];电力科学与技术学报;2009年04期

4 陈亚红,穆钢,段方丽;短期电力负荷预报中几种异常数据的处理[J];东北电力学院学报;2002年02期

5 李金超;牛东晓;李金颖;张香珍;;基于负荷细分与SVM技术的电力负荷空间分布预测[J];电工电能新技术;2008年01期

6 程其云,张晓星,周nv,雷绍兰,孙才新;基于粗糙集数据挖掘的配电网小区空间负荷预测方法研究[J];电工技术学报;2005年05期

7 杨慢慢;王金凤;李燕青;王福菊;;改进的空间负荷预测法及其应用[J];电力科学与工程;2011年11期

8 王成山,黄纯华,葛少云,戴宏伟,肖健,周义,辛锐;一个实用的城市电力负荷密度预测系统[J];电力系统自动化;1992年06期

9 康重庆,程旭,夏清,沈瑜;一种规范化的处理相关因素的短期负荷预测新策略[J];电力系统自动化;1999年18期

10 付英,钟德成;自组织映射神经网络用于动态电压稳定分析的新方法[J];电力系统自动化;2000年02期

相关期刊论文前10条

1 邵伟,杨敏虹,徐政,周浩;发电市场中负荷预测的功能及其方法[J];中国电力;2000年11期

2 耿光飞,郭喜庆;模糊线性回归法在负荷预测中的应用[J];电网技术;2002年04期

3 魏伟,牛东晓,常征;负荷预测技术的新进展[J];华北电力大学学报;2002年01期

4 程浩忠,杨宗麟,申刚,顾洁,徐光虎;华东电网中长期电力负荷预测数据库和负荷预测软件[J];华东电力;2002年06期

5 贺静,韦钢,熊玲玲;负荷预测线性回归分析法的模糊改进[J];华东电力;2003年11期

6 王昕伟,崔晓丹,蔡瑞桔;负荷预测实用方法分析[J];电工技术杂志;2003年05期

7 伊桂玲,张焰;基于用地仿真法的配电系统空间负荷预测[J];电力自动化设备;2004年02期

8 韦钢,王飞,张永健,符杨;负荷预测中历史数据缺损处理[J];电力科学与工程;2004年01期

9 杨靖研,杜德生;一种电力系统短期负荷预测的新方法[J];自动化技术与应用;2004年02期

10 张俊芳,吴伊昂,吴军基;基于灰色理论负荷预测的应用研究[J];电力自动化设备;2004年05期