節(jié)假日電力系統(tǒng)負荷打破了正常日電力負荷周期性的規(guī)律,且節(jié)假日負荷樣本數據較少,用常規(guī)正常日電力負荷模型進行短期預測時,往往效果不佳。為此,提出一種基于卡爾曼濾波預測節(jié)假日逐點增長率的電力系統(tǒng)短期負荷預測模型,改善了由于樣本數據缺少、預測時間跨度大以及與正常日負荷特性差異較大等原因導致的預測精度不理想的現象。通過對節(jié)假日負荷特性進行分析,針對不同類型的節(jié)假日建立卡爾曼濾波預測模型,在考慮各類影響負荷變化的外部因素的基礎上選擇節(jié)前相關日,通過預測節(jié)假日逐點增長率提高預測精度。將提出的預測模型應用于某市節(jié)假日短期負荷預測,得到的結果顯示預測精度能夠滿足實際需要,可為相關電力部門對節(jié)假日負荷預測提供一定的參考價值。 

【文章來源】：武漢大學學報(工學版). 2020,53(02)北大核心CSCD

【文章頁數】：6 頁

【部分圖文】：

2013—2016年元旦電力負荷曲線

對于同一類型的節(jié)假日，設上一年度預測當日D1與經過合理調整后的節(jié)日之間間隔的天數為15d，在上一年度預測當日D1之前選取n個相似日，則上一年度的節(jié)前相關日為（D1-n)～(D1-1）；同理可得本年度預測當日D2與本年度節(jié)前相關日（D2-n)～(D2-1）。其中，上一年度待預測日與本年度待預測日均指節(jié)日當天。圖3 節(jié)假日負荷預測中歷史樣本的選取方法

節(jié)假日負荷預測中歷史樣本的選取方法

【參考文獻】：
期刊論文
[1]基于優(yōu)化權重的卡爾曼濾波與無偏灰色組合模型的短期負荷預測[J]. 林天祥,張寧,胡軍.  電氣技術. 2017(09)
[2]基于分形特性修正氣象相似日的節(jié)假日短期負荷預測方法[J]. 李濱,黃佳,吳茵,覃芳璐.  電網技術. 2017(06)
[3]考慮相關因素統(tǒng)一修正的節(jié)假日負荷預測模型[J]. 苗鍵強,童星,康重慶.  電力建設. 2015(10)
[4]基于改進倍比平滑法的節(jié)假日短期負荷預測方法[J]. 史文博,王健,沈添福,邊瑞恩.  電力建設. 2014(10)
[5]加權相似度及加權支持向量機的短期負荷預測[J]. 陳樂.  計算機工程與設計. 2012(12)
[6]基于相似日負荷修正的節(jié)假日短期負荷預測[J]. 林輝,劉晶,郝志峰,朱鋒峰,吳廣潮.  電力系統(tǒng)保護與控制. 2010(07)
[7]電網頻率的非正態(tài)概率分布特性[J]. 郭鈺鋒,于達仁,趙婷,柳焯.  中國電機工程學報. 2008(07)
[8]考慮氣象信息的節(jié)假日負荷預測[J]. 丁恰,張輝,張君毅.  電力系統(tǒng)自動化. 2005(17)
[9]電力系統(tǒng)負荷預測研究綜述與發(fā)展方向的探討[J]. 康重慶,夏清,張伯明.  電力系統(tǒng)自動化. 2004(17)
[10]NEW YORK[J]. 周勇.  大學英語. 1988(02)



本文編號：3579388