基于卡尔曼滤波预测节假日逐点增长率的电力系统短期负荷预测

发布时间：2022-01-09 20:26

　　节假日电力系统负荷打破了正常日电力负荷周期性的规律,且节假日负荷样本数据较少,用常规正常日电力负荷模型进行短期预测时,往往效果不佳。为此,提出一种基于卡尔曼滤波预测节假日逐点增长率的电力系统短期负荷预测模型,改善了由于样本数据缺少、预测时间跨度大以及与正常日负荷特性差异较大等原因导致的预测精度不理想的现象。通过对节假日负荷特性进行分析,针对不同类型的节假日建立卡尔曼滤波预测模型,在考虑各类影响负荷变化的外部因素的基础上选择节前相关日,通过预测节假日逐点增长率提高预测精度。将提出的预测模型应用于某市节假日短期负荷预测,得到的结果显示预测精度能够满足实际需要,可为相关电力部门对节假日负荷预测提供一定的参考价值。 

【文章来源】：武汉大学学报(工学版). 2020,53(02)北大核心CSCD

【文章页数】：6 页

【部分图文】：

2013—2016年元旦电力负荷曲线

对于同一类型的节假日，设上一年度预测当日D1与经过合理调整后的节日之间间隔的天数为15d，在上一年度预测当日D1之前选取n个相似日，则上一年度的节前相关日为（D1-n)～(D1-1）；同理可得本年度预测当日D2与本年度节前相关日（D2-n)～(D2-1）。其中，上一年度待预测日与本年度待预测日均指节日当天。图3 节假日负荷预测中历史样本的选取方法

节假日负荷预测中历史样本的选取方法

【参考文献】：
期刊论文
[1]基于优化权重的卡尔曼滤波与无偏灰色组合模型的短期负荷预测[J]. 林天祥,张宁,胡军.  电气技术. 2017(09)
[2]基于分形特性修正气象相似日的节假日短期负荷预测方法[J]. 李滨,黄佳,吴茵,覃芳璐.  电网技术. 2017(06)
[3]考虑相关因素统一修正的节假日负荷预测模型[J]. 苗键强,童星,康重庆.  电力建设. 2015(10)
[4]基于改进倍比平滑法的节假日短期负荷预测方法[J]. 史文博,王健,沈添福,边瑞恩.  电力建设. 2014(10)
[5]加权相似度及加权支持向量机的短期负荷预测[J]. 陈乐.  计算机工程与设计. 2012(12)
[6]基于相似日负荷修正的节假日短期负荷预测[J]. 林辉,刘晶,郝志峰,朱锋峰,吴广潮.  电力系统保护与控制. 2010(07)
[7]电网频率的非正态概率分布特性[J]. 郭钰锋,于达仁,赵婷,柳焯.  中国电机工程学报. 2008(07)
[8]考虑气象信息的节假日负荷预测[J]. 丁恰,张辉,张君毅.  电力系统自动化. 2005(17)
[9]电力系统负荷预测研究综述与发展方向的探讨[J]. 康重庆,夏清,张伯明.  电力系统自动化. 2004(17)
[10]NEW YORK[J]. 周勇.  大学英语. 1988(02)



本文编号：3579388