基于改进数据流在线分割的超短期负荷预测

发布时间：2018-05-16 02:30

本文选题：超短期负荷预测 + 数据流在线分割　；参考：《电网技术》2014年07期

【摘要】：为同时提高超短期负荷预测的实时性和准确性,应对现代电力系统对实时负荷预测的更高要求,提出一种基于改进数据流在线分割的超短期负荷预测方法。该方法根据负荷发展的时间趋势,利用数据流实时处理技术进行超短期预测,然后结合蕴含天气因素和负荷周期特性作用的短期负荷预测结果,对分割点的实时预测结果进行修正;其快速分段预测能力,避免了重复建模,提高了预测速度;对分割点的实时修正处理有效地增加了历史信息利用率,降低了分割点误差,使预测精度稳定在一个较高的水平。采用实际负荷数据检验该预测模型的有效性,结果表明,基于该模型的预测精度和速度均优于几种常规超短期预测算法,同时降低了拐点预测误差,在天气突变时也具有稳定的适应性。
[Abstract]:In order to improve the real-time and accuracy of ultra-short-term load forecasting and to meet the higher requirement of real-time load forecasting in modern power system, a method of ultra-short-term load forecasting based on improved on-line data stream segmentation is proposed. According to the time trend of load development, the method uses the real-time processing technology of data flow to carry out ultra-short-term forecasting, and then combines the short-term load forecasting results with weather factors and load cycle characteristics. The real-time prediction results of segmentation points are modified; its fast segmental prediction ability avoids repeated modeling and improves the prediction speed; the real-time correction of segmentation points effectively increases the utilization rate of historical information and reduces the error of segmentation points. The prediction accuracy is stabilized at a higher level. The actual load data is used to test the validity of the forecasting model. The results show that the prediction accuracy and speed based on the model are better than those of several conventional ultra-short term prediction algorithms, and the inflection point prediction error is reduced at the same time. It also has a stable adaptability to sudden changes in the weather.
【作者单位】：输配电装备及系统安全与新技术国家重点实验室(重庆大学);
【基金】：输配电装备及系统安全与新技术国家重点实验室自主研究项目(2007DA10512712205)的资助
【分类号】：TM715

【参考文献】

相关期刊论文前10条

1 丁恰,卢建刚,钱玉妹,张剑,廖怀庆;一种实用的超短期负荷预测曲线外推方法[J];电力系统自动化;2004年16期

2 路轶;王民昆;;基于短期负荷预测的超短期负荷预测曲线外推法[J];电力系统自动化;2006年16期

3 罗滇生;李伟伟;何洪英;;基于局部形相似的超短期负荷预测方法[J];电力系统及其自动化学报;2008年01期

4 张红旭;姚建刚;曹伟;马贵霞;;基于改进灰色模型的超短期负荷预测[J];电力系统及其自动化学报;2009年06期

5 陈民铀;朱博;徐瑞林;徐鑫;;基于混合智能技术的微电网剩余负荷超短期预测[J];电力自动化设备;2012年05期

6 张思远;何光宇;梅生伟;王伟;张王俊;;基于相似时间序列检索的超短期负荷预测[J];电网技术;2008年12期

7 张志丹;黄小庆;曹一家;何杰;杨漾;;基于虚拟局域网的变电站综合数据流分析与通信网络仿真[J];电网技术;2011年05期

8 赵加奎;杨国凤;沐连顺;樊涛;杨宁;王司博;;数据流技术在电网自动化中的应用研究[J];电网技术;2011年08期

9 焦润海;苏辰隽;林碧英;莫瑞芳;;基于气象信息因素修正的灰色短期负荷预测模型[J];电网技术;2013年03期

10 宋亚奇;周国亮;朱永利;;智能电网大数据处理技术现状与挑战[J];电网技术;2013年04期

【共引文献】

相关期刊论文前10条

1 曾洋;;一种基于神经网络的曲线状况识别新方法[J];重庆电子工程职业学院学报;2009年03期

2 杨争林;唐国庆;宋燕敏;曹荣章;;改进的基于聚类分析的超短期负荷预测方法[J];电力系统自动化;2005年24期

3 路轶;王民昆;;基于短期负荷预测的超短期负荷预测曲线外推法[J];电力系统自动化;2006年16期

4 滕贤亮;高宗和;张小白;汪俊余;袁飞;;有功调度超前控制和在线水火电协调控制策略[J];电力系统自动化;2008年22期

5 韩力;韩学山;雷鸣;马晓红;杨明;;节点负荷预测与发电控制结合的状态预估方法[J];电力系统自动化;2009年04期

6 崔航;王冕;罗贵明;何光宇;;基于扩展时序距离法和自适应控制的超短期负荷预测[J];电力系统自动化;2009年15期

7 高宗和;陈刚;杨军峰;滕贤亮;姚建国;;特高压互联电网联络线功率控制 (一)AGC控制策略[J];电力系统自动化;2009年15期

8 罗滇生;李伟伟;何洪英;;基于局部形相似的超短期负荷预测方法[J];电力系统及其自动化学报;2008年01期

9 蒋雯倩;李欣然;钱军;;改进FCM算法及其在电力负荷坏数据处理的应用[J];电力系统及其自动化学报;2011年05期

10 杨理才;贺辉;刘国特;姚建刚;;参照系统负荷预测的母线负荷预测修正方法[J];电力系统及其自动化学报;2012年03期

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 朱永利;翟学明;姜小磊;;绝缘子泄漏电流的自适应SPIHT数据压缩[J];电工技术学报;2011年12期

3 周晖;钮文洁;王毅;李涛;杨红;;从缴费行为分析电力客户信用度[J];电力需求侧管理;2006年06期

4 杨争林,宋燕敏,曹荣章,孙维真,吴劲晖;超短期负荷预测在发电市场中的应用[J];电力系统自动化;2000年11期

5 高宗和,丁恰,温柏坚,姚建国;利用超短期负荷预报实现AGC的超前控制[J];电力系统自动化;2000年11期

6 丁恰,卢建刚,钱玉妹,张剑,廖怀庆;一种实用的超短期负荷预测曲线外推方法[J];电力系统自动化;2004年16期

7 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

8 吴在军,胡敏强,杜炎森;变电站通信网络实时性能仿真分析[J];电力系统自动化;2005年08期

9 杨争林;唐国庆;宋燕敏;曹荣章;;改进的基于聚类分析的超短期负荷预测方法[J];电力系统自动化;2005年24期

10 阮前途;何光宇;柳明;梅生伟;卢强;;AEMS及其在上海电网的应用[J];电力系统自动化;2007年14期

相关期刊论文前10条

1 高山;短期负荷预测的神经网络实现[J];电力需求侧管理;2001年06期

2 周佃民,管晓宏,孙婕,黄勇;基于神经网络的电力系统短期负荷预测研究[J];电网技术;2002年02期

3 戴文进,付小科;基于模式识别和神经网络的电力系统短期负荷预测[J];南昌大学学报(工科版);2003年02期

4 赵宇红,赵学成,肖金凤;多层前馈神经网络在电力系统短期负荷预测中的应用[J];南华大学学报(理工版);2004年01期

5 邓培敏;陈明华;佘恬;;Elman网络在短期负荷预测中的应用[J];企业科技与发展;2009年04期

6 阙连元,叶世勋,丁剑明;开放式SCADA/EMS系统支持的在线负荷预测系统[J];电力系统自动化;1993年10期

7 赵琳;一种基于人工神经网络的短期负荷预测技术[J];山西电力技术;1998年01期

8 程旭,康重庆,夏清,沈瑜;短期负荷预测的综合模型[J];电力系统自动化;2000年09期

9 刘耀年,祝滨,曾令全,张文生,李月玲;一种利用可加性模糊系统的短期负荷预测新方法[J];电网技术;2003年08期

10 程其云,孙才新,张晓星,周nv,杜鹏;以神经网络与模糊逻辑互补的电力系统短期负荷预测模型及方法[J];电工技术学报;2004年10期