电力系统负荷预测方法综述

摘要/Abstract

摘要：

从电力系统负荷预测关系到电力系统的调度运行和生产计划,准确的负荷预测有助于提高系统的安全性和稳定性,并可减少发电成本。文中介绍了通过引入其他领域的理论来改善电力系统负荷预测的分类、模型以及预测的方法,同时对其发展动态进行了展望。

Abstract:

The foundation of power system operation scheduling and production planning,accurate load forecasting can improve system security and stability,and reduce electricity generation costs.This paper introduces theories of other areas to improve the classification modeling and forecasting of power system load forecasting.The future trend is also discussed.

Key words: power systems;load forecasting;forecasting model

中图分类号:

TM714

陆宇烨, 张健钊, 徐岩哲, 方佳渝. 电力系统负荷预测方法综述[J]. , 2013, 26(11): 173-.

LU Yu-Ye, ZHANG Jian-Zhao, XU Yan-Zhe, FANG Jia-Yu. Literature Review of Power System Load Forecasting Methods[J]. , 2013, 26(11): 173-.

参考文献

［1］张师玲.基于RBF神经网络与模糊控制的电力系统短期负荷预测［D］.镇江:江苏大学,2010.

［2］董翔.地市级短期电力负荷预测及特性分析系统的研究与开发［D］.北京:华北电力大学,2007.

［3］吕婵.基于BP神经网络的短期负荷预测［D］.武汉:华中科技大学,2007.

［4］周雪莲.全面小康社会目标下的北京市中长期电力需求预测研究［D］.北京:华北电力大学,2009.

［5］云会周.基于机器自学习的电力系统超短期负荷预测研究［D］.北京:华北电力大学,2010.

［6］刘颖.济南市市中区高压客户平均电价的分析与研究［D］.济南:山东大学,2009.

［7］唐衍.基于EMD方法的电力系统短期负荷预测［D］.上海:上海交通大学,2011.

［8］张晓.电力系统短期负荷预测研究［D］.成都:四川大学,2001.

［9］黄丽苏.数据挖掘在电力负荷预测中的应用研究［D］.长沙:长沙理工大学,2006.

［10］朱明亮.山东电力需求预测与发展分析［D］.北京:华北电力大学,2007.

［11］李德生.忻州地区电力负荷特性分析［D］.北京:华北电力大学,2007.

［12］李刚.水火电系统短期节能发电调度研究与应用［D］.大连:大连理工大学,2007.

［13］康重庆,夏清,刘梅.电力系统负荷预测［M］.北京:中国电力出版社,2007.

［14］蔡夏,邢骏.电力系统负荷预测方法综述［J］.信息化研究,2010(6):5-7.

［15］陈贝.电力系统中长期负荷预测方法研究［D］.上海:上海交通大学,2009.

［16］谷子.基于混沌理论的电力短期负荷预测研究［D］.北京:中国农业大学,2006.

［17］胡启元.针对电力系统短期负荷预测的研究［D］.成都:四川大学,2004.

［18］孙云.小波分析在电力系统短期负荷预测中的应用研究［D］.杭州:浙江大学,2005.

［19］牛东晓,曹树华,赵磊.电力负荷预测技术及其应用［M］.北京:中国电力出版,1999.

［20］时广献,李春辉,李宏博.基于联想神经网络算法的电力系统负荷预测［J］.电子科技,2010,23(12):62-66.

[1]	冯先丁,魏镜弢,吴张永,钱杰,浦友尚. 基于PCA-PSO-SVM的球磨机负荷预测研究[J]. 电子科技, 2022, 35(1): 29-34.
[2]	王洪亮,陈新源,赵雨梦. 基于集合经验模态分解和ARIMA-GRNN的负荷预测方法[J]. 电子科技, 2021, 34(12): 42-48.
[3]	朱健安,魏云冰,朱鹏杰,蒋成成,朱成名. 基于优化灰色傅里叶残差修正的中长期负荷预测[J]. 电子科技, 2021, 34(12): 49-55.
[4]	金鑫,冯毅,尤雪汐,王佳欣. 基于机器学习的信息安全设备调配保障技术研究[J]. 电子科技, 2020, 33(8): 80-86.
[5]	杨海柱,江昭阳,李梦龙,康乐. 基于改进人工鱼群-蛙跳算法优化LSSVM参数短期负荷预测[J]. 电子科技, 2020, 33(12): 67-74.
[6]	祁鑫,王福忠,张丽,王瑞,王晓慧. 基于SVD-LSTM的高校学生宿舍空调负荷预测[J]. 电子科技, 2020, 33(11): 59-66.
[7]	费家人,朱坚民,黄春燕. 基于ADAMS的工业机器人轨迹精度模型研究[J]. , 2016, 29(4): 20-.
[8]	马立新,郑晓栋,尹晶晶. 基于粗糙特征量的短期电力负荷预测[J]. , 2016, 29(1): 40-.
[9]	马立新,栾健,王继银. 三目标柯西粒子群算法的电力系统无功优化[J]. , 2015, 28(9): 42-.
[10]	胡亚军,陈青. 图像水印技术在电力系统中的应用[J]. , 2015, 28(4): 149-.
[11]	高丽媛,董甲. 基于改进BP神经网络的洪峰预测模型[J]. , 2015, 28(3): 41-.
[12]	马立新,尹晶晶,郑晓栋. 基于特征提取相似日的ELM短期负荷预测研究[J]. , 2015, 28(12): 22-.
[13]	陆宇烨, 张健钊, 钱臻, 马嵩阳. 自然灾害对中国电力系统的影响[J]. , 2014, 27(2): 138-.
[14]	王亚垒,黄梦涛. 基于预测模型的模糊PID在PLC中的实现与应用[J]. , 2014, 27(10): 29-.
[15]	王景辉. GIS技术在县域电网规划中的应用[J]. , 2013, 26(8): 124-.