国网江苏电力公司大数据让负荷预测更精准
中国储能网讯：6月8日一早，苏州地调的调度员颜锡渝根据江苏省全社会用电信息大数据分析系统前一天提供的负荷分析预测结果，结合本地预测数据，对当天的8日调度负荷做出了预测，并于10点前将据此绘成的8日地区调度负荷曲线，上报给了省调，省调据此作为参考，合理安排电网运行方式。
这样的场景在江苏各地已成常态。江苏省全社会用电信息大数据分析系统让负荷预测更精准，也让迎峰度夏更从容。
何以实现精准预测
江苏省全社会用电信息大数据分析系统是国网江苏电力基于用电采集数据的大数据负荷预测方法研究项目的重要成果。该项目是国家电网公司2014年大数据重点课题，也是国家电网信息基础架构优化试点课题的重要组成部分。该项目于2013年年底启动，于2014年8月完成初步研究，投入短期负荷预测。
在2015年迎峰度夏前，该系统对江苏全省负荷峰值做出了预测。预计2015年夏季江苏电网最高负荷在8300万至8500万千瓦之间，最可能值为8440万千瓦，发生在8月6日。这一预测结果与实际情况高度吻合，预测高峰时间仅相差一天，负荷仅相差40万千瓦。该系统的负荷预测为何如此精准？
精确的预测源于海量的记录数据。依托国家电网公司统一部署的大数据平台，该系统从梳理对象入手，构建统一的企业数据模型。在此基础上，该系统从电能量管理、用电信息采集、设备状态监控、生产管理等多个系统中采集600多亿条记录数据，并从外部获取气象、经济运行等数据，可以说，大数据技术为负荷预测提供了坚实的数据基础。
“我们搭建了50个计算节点的大数据平台，将国民经济99个行业和全省13个地市负荷细分为11781种负荷特性组合，在此基础上，以气象、节假日等为主要影响因素，以客户信息、历史负荷为源数据，考虑用电客户对峰谷电价、温度、节假日的敏感程度以及生产班次安排等，我们组建了超过70万个负荷影响模型。”项目组负责人谢林枫说。负荷影响模型包含的数据关联关系超过110亿项，对用电信息采集系统每日采集到的全省3600多万客户电量和46万余台公用、26万余台专用配变负荷每15分钟的数据开展模型在线学习，进而实施各电压等级母线负荷的时序预测，并依据全网电力系统运行方式汇聚全网负荷，做出全省短期和中长期负荷预测。可以说，数据越多、越细、越真实，负荷预测的精准度就越高。
预测方法还将继续深化
对于今年夏季高峰用电，江苏省全社会用电信息大数据分析系统也给出了预测——2016年最高负荷预测值为8790万千瓦。 “因负荷受八月初的气象影响较大，可能会有预测偏差，但基于去年的预测准确度，参考意义仍然重大。”谢林枫介绍说，负荷中长期预测受诸多不确定性因素共同影响，特别是受宏观经济、中长期的气象预测的准确度影响较大，目前气象部门尚无法准确提供气象的中长期预测。为此，项目组基于大数据的研究方法，综合考虑了行业开工率、复工率、行业业扩报装、产业结构变化、宏观经济、气象、节假日信息等因素，实现进一步提升预测精确度。
中长期的负荷预测不仅有益于夏季高峰期电网调度的安全平稳运行，对于电网规划建设、机组检修等都具有指导意义。“中长期负荷的准确预测可以配合智能电网规划建设，指导变电站选址建设，并指导发电企业制定发电机组检修计划。同时，中长期负荷预测能够支撑电网公司与发电企业签署中长期购售电合同，降低购电成本。另外还可以配合主动配电网的建设工作，降低分布式电源、可控负荷设备的随机性对配电网产生的影响。”谈及中长期负荷预测的意义，江苏省电力调控中心计划处处长刘国平滔滔不绝。
除了中长期负荷预测，短期负荷预测也是江苏省全社会用电信息大数据分析系统的主要功能之一。“我们在去年推出全省短期负荷预测基础上，推出各个地级市的短期负荷预测，目前已在全省13个地市实现全覆盖。”谢林枫说。以苏州6月8日负荷预测为例，预测苏州当日调度负荷最高值为1703.6万千瓦，实际值为1711.8万千瓦，仅相差8.2万千瓦。据统计，江苏省全社会用电信息大数据分析系统短期负荷预测平均准确度为99.35%，而传统方法预测平均准确度为98.88%。
目前，短期负荷预测结果已通过WEB页面向调度提供，调度可以综合利用大数据与传统方法的预测结果，用于支撑调度制定短期发电计划、负荷经济调度、分配等相关业务工作；目前，国网江苏电力正在研究利用区域可分配负荷的短期精准预测，开展电动汽车的充电服务、电动汽车发展等应用。
在现有的基础上，负荷预测方法还在不断深化研究。“我们主要从两个方面进行尝试，”谢林枫介绍说，一是不断提高现有研究方法。由于温度在所有与负荷相关的外界影响因素中占最大的比重，所以重点对温度负荷特性提取过程中涉及到温度范围进行优化，细化不同行业不同的空调用电的温度范围，提高参与建模的电量与温度的关联度，进而进一步提高模型准确度。二是宏观方法到微观聚合方法的转变，满足不同颗粒度的负荷预测。在全省负荷预测方法的基础上，探索全省模式到地市模式的转变，研究不同地区的负荷变化规律，建立分地市负荷预测方法。“简单来说就是研究更精细，比如现在我们研究的是气温每上升或者下降1度对用电负荷产生的变化，今后会更细到0.5度，甚至0.1度，同时现在行业的划分是98个，今后会在细化至512个。”谢林枫表示，采集样本越精细，负荷预测准确度就越高。目前，大部分地区短期两天负荷预测准确度可以达到97%，后续还有会有进一步的深入研究，提供预测准确率。
中国储能网版权声明：凡注明来源为“中国储能网：xxx（署名）”，除与中国储能网签署内容授权协议的网站外，其他任何网站或者单位未经允许禁止转载、使用，违者必究。如需使用，请与010-联系；凡本网注明“来源：xxx（非中国储能网）”的作品，均转载与其他媒体，目的在于传播更多信息，但并不意味着中国储能网赞同其观点或证实其描述，文章内容仅供参考。其他媒体如需转载，请与稿件来源方联系，如产生任何问题与本网无关，想了解更多内容，请登录网站：.cn
( 12:14:27)
( 12:45:27)
( 12:45:27)
( 5:54:12)
( 5:48:30)
( 5:41:29)
( 5:34:29)
( 5:33:20)
( 5:23:14)
( 5:19:22)
酒泉换流站蓄电池充放电试验顺利完成
甘肃敦煌首座全户内智能变电站投运
宁波首座500千伏智能变电站投运
国家电网“十三五”拟投资1800亿元支持河南电网建设
国网江苏电力核心区输电线路输送能力再升级
战略合作联系
投稿邮箱：.cn
广告合作热线：010-
微信公众账号：短期电力负荷预测技术研究--《大连理工大学》2011年硕士论文
短期电力负荷预测技术研究
【摘要】：短期电力负荷预测是负荷预测的重要组成部分,它对于经济调度、机组最优组合、最优潮流、电力市场交易等都有重要的意义。引入电力市场竞争机制后,各电力部门都要求制定经济合理的实时电价模型,它对于负荷预测的快速性和准确性提出了更高要求。对当前国内外短期负荷预测的研究状况进行了仔细的研究分析,对应用的各种方法原理从本质上进行深入分析和介绍,说明负荷预测研究的必要性和重要意义。
针对单一预测方法的不足,并考虑小波变换的强大分解和重构功能,AR模型对于线性时间序列的预测简单以及神经网络的自学习、非线性等优点,提出一种基于小波变换,线性AR模型和RBF神经网络的短期负荷预测方法,给出详细的预测建模过程。
阐述了小波变换的基本原理和Mallat快速小波算法的分解和重构过程,根据不同小波基的性质和特点,选取DB4小波作为正交小波基对负荷序列进行4尺度分解,分别得到高频和低频序列。分析线性时间序列模型在预测建模过程中的应用,针对低频序列的周期性特点,进行线性模型确定和定阶,选取AR模型对低频序列进行建模和预测,得到低频序列的预测数据。介绍神经网络的当前发展趋势,网络结构和基本原理,选取基于高斯核的径向基函数(RBF)神经网络对于随机性比较强的高频序列进行建模,给出模型的参数确定以及初始化方法,采用梯度下降法对权重进行迭代调整,进行完整的网络训练过程,分别得到高频序列的预测数据。最后对不同的预测值进行小波重构,得到完整的负荷预测曲线。
使用该方法,对大连理工大学变电站历史负荷进行建模预测,证明该方法提高了预测精度,相比单一预测方法,具有较好的预测效果。
【关键词】：
【学位授予单位】：大连理工大学【学位级别】：硕士【学位授予年份】：2011【分类号】：TM715【目录】：
摘要4-5Abstract5-81 绪论8-15 1.1 研究背景8 1.2 负荷预测技术的发展8-13
1.2.1 预测模型的发展8-10
1.2.2 负荷影响因素的研究10-11
1.2.3 智能技术的应用11-13 1.3 论文的主要内容13-15
1.3.1 论文的主要研究成果13
1.3.2 论文的章节安排13-152 小波变换在负荷预测中的应用15-26 2.1 小波变换理论15-20
2.1.1 小波变换原理15-17
2.1.2 多分辨率分析和双尺度方程17-18
2.1.3 Mallat算法18-20 2.2 负荷序列的小波基选取20-23
2.2.1 小波基函数性质20-22
2.2.2 针对负荷序列的小波基选取22-23 2.3 负荷序列的预测建模23-25 2.4 本章小结25-263 时间序列分析在负荷预测中的应用26-36 3.1 线性时间序列模型26-28 3.2 模型结构识别与定阶方法28-33
3.2.1 自相关函数和偏相关函数28-29
3.2.2 模型识别与定阶29-30
3.2.3 模型参数估计30-33 3.3 低频序列的时间序列法预测33-35 3.4 本章小结35-364 人工神经网络在负荷预测中的应用36-43 4.1 神经网络的基本原理36-38
4.1.1 径向基函数神经网络的构成36-37
4.1.2 基于高斯核的径向基网络37-38 4.2 基于高斯核的网络训练38-41
4.2.1 参数确定与初始化38-40
4.2.2 计算输出值40
4.2.3 权重参数的迭代计算40-41 4.3 高频序列的神经网络预测41-42 4.4 本章小结42-435 算例分析43-49 5.1 负荷数据小波分解43-44 5.2 各尺度域预测44-46 5.3 结果分析46-48 5.4 本章小结48-49结论49-50参考文献50-52附录A 预测日96点数据预测结果52-55攻读硕士学位期间发表学术论文情况55-56致谢56-57
欢迎：、、)
支持CAJ、PDF文件格式
【参考文献】
中国期刊全文数据库
唐炬;谢颜斌;朱伟;魏钢;;[J];电工技术学报;2006年05期
周平,杨岚,周家启;[J];电力系统及其自动化学报;1998年03期
陈烈;张永明;齐维贵;邓盛川;李娟;;[J];电子学报;2009年11期
李伟,韩力;[J];重庆大学学报(自然科学版);2004年01期
孙洪波，徐国禹，秦翼鸿;[J];重庆大学学报(自然科学版);1994年01期
吕福琴;;[J];广东电力;2011年05期
安德洪,韩文秀,岳毅宏;[J];系统工程与电子技术;2004年06期
邰能灵,侯志俭,李涛,蒋传文,宋炯;[J];中国电机工程学报;2003年01期
【共引文献】
中国期刊全文数据库
司圣柱;[J];安徽教育学院学报;2004年03期
司圣柱;王丽平;董雄辎;;[J];合肥师范学院学报;2009年06期
付彪,吴先良,李世雄;[J];安徽大学学报(自然科学版);1999年03期
陈东方;[J];安徽大学学报(自然科学版);2000年04期
王丽华;吴先良;宋开宏;;[J];安徽大学学报(自然科学版);2011年05期
王素华,张伟林;[J];安徽建筑工业学院学报(自然科学版);2004年03期
潘茂贵,张伟林;[J];安徽建筑工业学院学报(自然科学版);2005年03期
陈鹏;吴玲;宋徽;;[J];安徽农业大学学报(社会科学版);2012年01期
胡涛;[J];安徽农业科学;2005年05期
谭春英;王绪伟;;[J];安徽农业科学;2006年12期
中国重要会议论文全文数据库
冯羽;马凤山;魏爱华;赵海军;郭捷;;[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(中)[C];2012年
李琨;王晓东;刘会景;张云生;苗琦;;[A];第二十七届中国控制会议论文集[C];2008年
慕香永;裴润;刘志林;王经甫;;[A];第二十七届中国控制会议论文集[C];2008年
徐佳;李擎;;[A];2011下一代自动测试系统学术研讨会论文集[C];2011年
殷晓敏;徐婷婷;景为平;张华;;[A];中国光学学会2010年光学大会论文集[C];2010年
刘艳超;王保合;刘炼;;[A];现代振动与噪声技术（第九卷）[C];2011年
吴礼斌;刘盛宇;;[A];第十三届中国管理科学学术年会论文集[C];2011年
蔡宗义;王占江;张德志;林英睿;朱玉荣;;[A];第七届全国工程结构安全防护学术会议论文集[C];2009年
朱为总;文振焜;明仲;欧阳杰;;[A];图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集[C];2009年
袁晓;;[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年
中国博士学位论文全文数据库
孙明;[D];哈尔滨工程大学;2010年
王咏胜;[D];哈尔滨工程大学;2009年
谢忠玉;[D];哈尔滨工程大学;2010年
吴学雁;[D];华南理工大学;2010年
陆军;[D];江苏大学;2010年
赵晓丹;[D];江苏大学;2010年
陈文正;[D];南开大学;2010年
王丽君;[D];解放军信息工程大学;2010年
陈国志;[D];浙江大学;2010年
齐峰;[D];山东师范大学;2011年
中国硕士学位论文全文数据库
刘桂珍;[D];山东科技大学;2010年
杨焱麟;[D];山东科技大学;2010年
王永;[D];山东科技大学;2010年
陈林;[D];山东科技大学;2010年
江达秀;[D];浙江理工大学;2010年
郭豹;[D];郑州大学;2010年
李朋勇;[D];郑州大学;2010年
赵云;[D];郑州大学;2010年
张永锋;[D];郑州大学;2010年
王岩;[D];郑州大学;2010年
【二级参考文献】
中国期刊全文数据库
胡国胜,任震;[J];电气应用;2005年01期
韩祯祥,文福栓;[J];电力系统自动化;1993年01期
王建赜,冉启文,纪延超,柳焯;[J];电力系统自动化;1998年07期
康重庆,程旭,夏清,沈瑜;[J];电力系统自动化;1999年18期
鞠平,李靖霞,陆晓涛;[J];电力系统自动化;2000年11期
康重庆,夏清,张伯明;[J];电力系统自动化;2004年17期
韩民晓,姚蜀军;[J];电力系统自动化;1998年10期
温鹏,万永华,汪同庆,郑俊杰,杨立常;[J];电力系统自动化;1998年10期
杨正瓴,张广涛,林孔元;[J];电力系统及其自动化学报;2004年02期
谢开贵,周家启;[J];电网技术;1999年11期
中国博士学位论文全文数据库
唐炬;[D];重庆大学;2004年
【相似文献】
中国期刊全文数据库
王秋梅;;[J];华东电力;1993年04期
甘文泉,胡保生;[J];电网技术;1997年03期
周佃民,赖菲,刘亚安,王庆,刘云国;[J];继电器;2000年10期
陈根永,杨丽徙,郑自强;[J];郑州工业大学学报;2000年02期
甘德辉;[J];农村电气化;2001年11期
李振然,贾旭彩;[J];广西电力;2002年04期
许涛,贺仁睦,王鹏,徐东杰;[J];电力系统自动化;2004年06期
罗蕉松;[J];中国工程咨询;2004年09期
张锋,吴劲晖,张怡,胡若云;[J];电网技术;2004年19期
胡晖,杨华,胡斌;[J];湖南大学学报(自然科学版);2004年05期
中国重要会议论文全文数据库
黄志全;王安明;王思敬;;[A];第一届全国水工岩石力学学术会议论文集[C];2005年
高峰;张川;徐晖;周佃民;翟桥柱;管晓宏;;[A];第二十七届中国控制会议论文集[C];2008年
吴冰;张筱慧;;[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
黄志全;刘汉东;王安明;;[A];和谐地球上的水工岩石力学——第三届全国水工岩石力学学术会议论文集[C];2010年
王建平;胡小佳;魏华;;[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
刘森离;孙丽云;;[A];2006年云南电力技术论坛优秀论文集[C];2006年
任海刚;晋欣桥;李晓峰;常晓珂;邵渊;;[A];上海市制冷学会二○○一年学术年会论文集[C];2001年
韦碧琳;;[A];广西电机工程学会第七届青年学术交流会论文集[C];2002年
杨自强;陆亚俊;;[A];全国暖通空调制冷1998年学术年会论文集（2）[C];1998年
吴立增;苑津莎;张铁峰;;[A];全国电工理论与新技术学术年会（CTEE'2001）论文集[C];2001年
中国重要报纸全文数据库
郭洪敏;[N];国家电网报;2009年
施战辽　楼玲俊;[N];中国电力报;2011年
蔡家友;[N];黔西南日报;2008年
杨萌;[N];临汾日报;2006年
罗郑明;[N];国家电网报;2007年
记者 李素锋 通讯员 赵忠利;[N];临汾日报;2009年
记者焦军利;[N];中国电力报;2009年
吴明;[N];国家电网报;2010年
程玲　王希波;[N];国家电网报;2010年
远德亮;[N];华北电力报;2006年
中国博士学位论文全文数据库
张晓蕾;[D];天津大学;2012年
任海军;[D];重庆大学;2010年
张昀;[D];重庆大学;2011年
覃光华;[D];四川大学;2003年
石磊;[D];西安建筑科技大学;2002年
苏胜新;[D];华中科技大学;2005年
谷志红;[D];华北电力大学（北京）;2009年
耿光飞;[D];中国农业大学;2003年
李刚;[D];大连理工大学;2007年
王迎秋;[D];天津大学;2007年
中国硕士学位论文全文数据库
孙晶璇;[D];大连理工大学;2011年
郭栋;[D];大连理工大学;2010年
黄珊;[D];湖南大学;2010年
常莉;[D];太原理工大学;2000年
杨海晶;[D];郑州大学;2003年
李莺;[D];华北电力大学;2001年
唐良艳;[D];华南理工大学;2010年
张文哲;[D];重庆大学;2004年
赵风松;[D];天津大学;2010年
徐胜军;[D];西安建筑科技大学;2003年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号君，已阅读到文档的结尾了呢~~
电力负荷预测方法的研究,电力负荷预测方法,电力负荷预测的意义,电力负荷预测,电力负荷预测王春,电力负荷预测论文,电力负荷预测ppt,电力负荷预测开题报告,电力负荷,电力负荷等级划分
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
电力负荷预测方法的研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口查看: 644|回复: 2|关注: 1
电力系统短期负荷预测求在数据（excel）中用MATLAB算最大最小
<h1 style="color:# 麦片财富积分
新手, 积分 6, 距离下一级还需 44 积分
已知地区 1、地区 2 从 2009 年 1 月 1 日至 2015 年 1 月 10 日的
电力负荷数据（每 15min 一个采样点， 每日 96 点， 量纲为 MW）以
及 2012 年 1 月 1 日至 2015 年 1 月 17 日的气象因素数据（日最高温
度、日最低温度、日平均温度、日相对湿度以及日降雨量），详见附
件 1-数据.xlsx。
具体要求如下：
1.请分析两个地区 2014 年 1 月 1 日-2014 年 12 月 31 日的负荷数
据，统计各地区全年的日最高负荷、日最低负荷、日峰谷差、日负荷
率指标的分布情况，并绘制两地区 2014 年全年的负荷持续曲线；结
合上述结果，分析两地区负荷变化的主要差异；初步预判哪个地区的
负荷可以获得更准确的预测结果，说明你的理由。
2.根据 2012 年 1 月 1 日至 2014 年 12 月 31 日的数据，分别对日
最高负荷、日最低负荷、日平均负荷与各气象因素的关系进行回归分
析，分析回归误差；如果要用气象因素来提高负荷预测精度，在诸气
象因素中，你优先推荐哪个（或哪几个）？简要说明理由。
3.请根据已知负荷数据，构建预测方法，对两个地区 2015 年 1
月 11 日至 17 日共 7 天的电力负荷进行预测（间隔 15min）， 给出负
荷预测结果（ 提交两个地区 96*7 负荷预测结果数据，具体要求见附
录 1）； 在不知道实际负荷数据的条件下，你对预测结果的准确度有
何推断，请说明理由。
4.如果已获得 2015 年 1 月 11 日至 17 日的气象因素数据，你能
否构建计及气象因素的负荷预测方法，对两个地区 2015 年 1 月 11 日
至 17 日共 7 天的电力负荷再次进行预测（间隔 15min），给出预测结
果（ 提交两个地区 96*7 负荷预测结果数据，具体要求见附录 1）； 与
原有的预测结果相比，你认为计及气象因素影响的负荷预测结果精度
得到改善了吗？有何证据？请说明理由。
5.综合上述计算结果，你如何评价两地区负荷规律性的优劣？你
还有什么证据可以佐证两地区负荷整体规律性优劣的判断？
<h1 style="color:# 麦片财富积分
想请教一下这几题应该用什么MATLAB公式求解
<h1 style="color:# 麦片财富积分
想问下楼主，这些数据从哪里能获得？
站长推荐 /2
Powered by君，已阅读到文档的结尾了呢~~
毕业设计（论文）&#x5f;电力负荷预测的回归分析
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
毕业设计（论文）_电力负荷预测的回归分析
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口