电力系统负荷短期预测
《2024年短期电力负荷预测关键问题与方法的研究》范文
《短期电力负荷预测关键问题与方法的研究》篇一一、引言随着社会经济的快速发展和人民生活水平的不断提高，电力需求持续增长。
为了确保电力系统的稳定运行和满足日益增长的电力需求，短期电力负荷预测显得尤为重要。
本文旨在探讨短期电力负荷预测的关键问题及相应的方法，以期为电力系统的规划、运行和维护提供有益的参考。
二、短期电力负荷预测的重要性短期电力负荷预测是指对未来较短时间内的电力需求进行预测，其重要性主要体现在以下几个方面：1. 电力系统稳定性：通过准确的负荷预测，可以合理安排电力生产和供应，确保电力系统的稳定运行。
2. 资源优化配置：根据预测结果，可以合理分配电力资源，提高资源利用效率。
3. 减少能源浪费：准确的负荷预测有助于减少因供需不匹配而造成的能源浪费。
三、短期电力负荷预测的关键问题在短期电力负荷预测过程中，存在以下几个关键问题：1. 数据质量与处理：数据是预测的基础，但实际中存在数据不完整、不准确等问题。
如何对数据进行清洗、补全和标准化是关键问题之一。
2. 模型选择与优化：选择合适的预测模型是提高预测精度的关键。
同时，如何根据实际数据特点对模型进行优化也是一个重要问题。
3. 影响因素分析：电力负荷受多种因素影响，如气候、节假日、经济状况等。
如何准确分析这些影响因素并纳入预测模型是另一个关键问题。
四、短期电力负荷预测方法针对上述关键问题，以下是几种常用的短期电力负荷预测方法：1. 时间序列分析方法：基于历史数据，通过建立时间序列模型进行预测。
常用的模型包括自回归移动平均模型（ARMA）、指数平滑法等。
2. 机器学习方法：利用机器学习算法对电力负荷进行预测。
常用的算法包括支持向量机、神经网络、集成学习等。
3. 组合预测方法：结合多种预测方法的优点，通过组合方式提高预测精度。
如将时间序列分析与机器学习方法相结合，充分利用两者的优势。
五、实例分析以某城市电力负荷预测为例，采用机器学习方法中的神经网络模型进行预测。
电力系统负荷预测模型与优化分析
电力系统负荷预测模型与优化分析电力系统的负荷预测模型与优化分析是为了更好地满足用户需求，保障电网的安全稳定运行而进行的一项重要工作。
本文将从建立电力系统负荷预测模型和进行优化分析两个方面展开讨论。
一、电力系统负荷预测模型1. 任务描述负荷预测是电力系统运行的基础，准确的负荷预测结果可以为电网调度和运行提供重要参考。
本任务要求建立一种可靠、准确的电力系统负荷预测模型。
2. 模型建立a. 数据收集与预处理：收集历史负荷数据，并进行预处理，包括数据的清洗、去噪和异常值处理等。
还需结合天气数据、节假日等外部因素，对数据进行整合和补充。
b. 特征工程：通过对数据的特征提取和变换，挖掘影响负荷的关键因素。
可以采用统计分析、时间序列分析、机器学习等方法，提取出合适的特征。
c. 模型选择与训练：根据任务需求，选择适合的负荷预测模型。
常用的模型包括支持向量回归、人工神经网络、决策树等。
利用历史数据对模型进行训练，并通过交叉验证等方法进行模型的评估和优化。
d. 模型评估与预测：使用测试数据对模型进行评估，比较不同模型的性能和准确度。
根据评估结果选择最优模型，并进行负荷预测。
3. 模型应用a. 短期负荷预测：基于近期历史数据的预测，主要用于日、周、月负荷调度，以优化电力系统的运行和资源分配。
b. 中长期负荷预测：以季度或年为单位，结合经济发展、能源政策等因素，为电力系统的规划和建设提供决策依据。
二、电力系统负荷优化分析1. 任务描述优化分析旨在通过合理调整电力系统的负荷，提高能源利用效率、降低供电成本，并保证系统的可靠性和稳定性。
本任务要求进行电力系统负荷的优化分析。
2. 分析内容a. 负荷曲线分析：对历史负荷曲线进行分析，研究负荷的峰谷特征，为分时电价制定、负荷调度等提供依据。
b. 负荷平衡分析：分析电力系统中各个节点的负荷平衡情况，寻找负荷过大或过小的节点，并提出优化措施。
例如，合理调整供电路径、增设变电站等。
c. 灵活性分析：分析电力系统中的灵活性资源，如可调负荷、储能等，对系统进行灵活调度，以应对变动的负荷需求。
电力系统负荷预测方法研究
电力系统负荷预测方法研究随着社会的不断发展，电力已经成为了现代工业、农业、交通等各行各业中不可或缺的基础设施之一。
而负荷预测就是电力系统中至关重要的环节。
一般而言，负荷预测包括长期预测、中期预测和短期预测三个层次。
其中长期预测可以用于电力生产和输电设施的投入规划，中期预测则用于电力系统运行调度和电力市场交易，而短期预测则主要涉及电力系统实时调度和安全运行管理等方面。
本文主要就电力系统负荷预测的方法进行讨论。
一、时间序列预测方法时间序列预测方法是目前电力系统负荷预测主要手段之一。
这种方法最重要的是基于一个假设，即历史负荷记录与未来负荷变化之间存在一定的规律，可以利用这种规律进行负荷预测。
时间序列预测方法通常分为单变量预测和多变量预测两种类型。
1. 单变量预测单变量预测并不涉及负荷变化所可能影响的其他因素，而是仅基于历史负荷数据来预测未来负荷变化。
该方法适用于短期预测，可使用的预测模型包括时间序列分析、单指数平滑法、双指数平滑法和三指数平滑法四种。
时间序列分析是以时间序列为基础的建模方法，它通常分为平稳时间序列和非平稳时间序列两个类别。
对于平稳时间序列，可使用ARMA模型进行建模和预测。
而对于非平稳时间序列，常使用ARIMA模型来进行预测。
单指数平滑法、双指数平滑法和三指数平滑法是基于加权平均值的方法，通过对历史数据进行平滑处理，然后预测未来数据。
其中，单指数平滑可用于短期预测，而双指数平滑和三指数平滑则可用于中期预测。
2. 多变量预测多变量预测是一种更加复杂的预测方法，它考虑了负荷变化可能涉及的其他因素。
这些因素可以是天气、经济、节假日、工业生产等等，不同的因素之间关系非常复杂。
因此，这种方法需要使用更加复杂的模型进行建模和预测，如神经网络、支持向量机、贝叶斯网络、决策树等等。
二、模糊数学预测方法模糊数学预测方法是一种基于模糊逻辑理论的预测方法。
这种方法主要是针对具有不确定性的问题，因此对于电力系统等涉及多种因素的负荷预测而言，能够有效地发挥作用。
《2024年短期电力负荷预测关键问题与方法的研究》范文
《短期电力负荷预测关键问题与方法的研究》篇一一、引言在电力需求持续增长，电力系统日趋复杂的背景下，短期电力负荷预测显得尤为重要。
准确预测短期内的电力负荷变化，不仅对电力系统的稳定运行至关重要，还对提高能源利用效率、减少浪费以及应对突发情况具有重要意义。
本文旨在探讨短期电力负荷预测的关键问题，并分析当前主流的预测方法。
二、短期电力负荷预测的关键问题1. 数据质量与处理：准确的数据是预测的基础。
然而，在实际应用中，往往存在数据缺失、异常值、不准确等问题。
如何有效处理这些问题，提高数据的准确性和可靠性，是短期电力负荷预测的首要关键问题。
2. 影响因素的复杂性：电力负荷受多种因素影响，包括天气、季节、经济活动水平、政策等。
如何全面考虑这些因素，并建立合适的模型来反映这些因素与电力负荷之间的关系，是预测的又一关键问题。
3. 预测模型的适用性：不同的地区、不同的用电习惯和需求，需要不同的预测模型。
如何选择合适的模型，或开发新的模型来适应各种情况和需求，是提高预测精度的关键。
4. 实时性与更新性：随着时间的变化，电力负荷的规律也会发生变化。
如何实时更新模型，保证预测的实时性和准确性，是一个重要的挑战。
三、短期电力负荷预测的方法1. 传统统计方法：包括时间序列分析、回归分析等。
这些方法通过分析历史数据，建立数学模型来预测未来的电力负荷。
2. 机器学习方法：包括神经网络、支持向量机、决策树等。
这些方法可以通过学习大量的历史数据，发现数据中的规律和模式，从而进行准确的预测。
3. 人工智能与深度学习：随着人工智能和深度学习技术的发展，越来越多的研究者开始尝试使用这些技术进行电力负荷预测。
例如，通过构建复杂的神经网络模型，可以更好地处理非线性关系和复杂的影响因素。
4. 组合模型：为了提高预测的精度和稳定性，很多研究者开始尝试将多种方法进行组合，形成组合模型。
例如，可以先使用机器学习方法进行初步预测，然后使用传统统计方法进行修正。
电力系统中的负荷预测问题分析与研究
电力系统中的负荷预测问题分析与研究电力系统是一个复杂的系统，在其中负荷预测问题一直是一个亟待解决的难题。
负荷预测是指对于未来一段时间内电力负荷的变化进行估计和预测。
电力系统需要对负荷预测进行准确的预测，以便在相应的时间段内对电力进行供给和调节，保证电网稳定运行。
在实际生产中，负荷预测是影响电力系统运行的重要因素之一。
本篇文章将为大家介绍电力系统中的负荷预测问题，包括其影响因素和解决方案。
一、负荷预测的影响因素在电力系统中，负荷预测受到很多因素的影响，主要有以下几点：1、季节性因素：当气温变化、天气变化和构成负荷的产业结构变化时，电力消耗会产生季节性的波动。
季节性因素是一种显著的、长期的因素，因此必须充分考虑它的影响，以便制定相应的电力计划。
2、节假日因素：在特殊的节日或事件期间，负荷需求会出现异常波动，如春节、国庆节等，因此需要针对其后续期间进行特别的预测分析。
3、经济因素：经济因素也是影响负荷预测的一个重要因素。
经济的发展程度和社会的生活水平，都在直接或间接地影响着电力的发展和消费。
4、环境因素：环境因素是影响负荷预测的一个重要因素。
空气质量、能源的储量和生命周期等都会影响当地的电力需求和供应。
二、负荷预测的解决方案为了解决电力系统中的负荷预测问题，必须采用相应的解决方案。
目前解决负荷预测问题的方式有以下几点：1、统计方法：统计方法是负荷预测的传统方法，它是根据历史数据建立的模型，利用时间序列数据或者回归分析等方法对未来负荷进行预测。
由于统计分析方法的计算简单，对于中长期预测结果准确性较高，因此现在仍被广泛使用。
2、人工智能技术：人工智能技术是负荷预测的新兴技术之一。
其基于计算机程序的数据模型，利用机器学习、数据挖掘等技术来进行负荷趋势的预测。
其核心思想是通过利用历史数据和未来导向预测来提高预测准确性。
3、集成方法：随着人工智能技术的发展，集成方法已经将多种预测技术融合成一种新型的负荷预测方法。
电力系统短期负荷预测精度研究
电 力 系统 短 期 负 荷 预 测 精 度研 究 ① 动 与 气 程 力 电工
郭华安 加玛 力汗 － 马 什’ 常喜强 姚 秀萍 库 （． １ 新疆 大学 电气工 程学 院 乌鲁 木 齐 ８ ０ ４ ； ２ 新 疆电力 调度通 信 中心 乌鲁 木齐 ３ ０７ ．
８０ ０ ） ３ ０ ２
摘 要 ： 力系统短期 负荷 预测精度 的 高低 直接 影响 到电 网运 行 的安 全性 ， 电 经济性 以及 电能质量 ， 特别是 随 着我 国 电力市 场 的建 立和 不 断完善 ， 期 负荷预 测在 电力系统调度运 营部 门中的作 用越来越 重要 。 短 本文 首先对影响 电 力系统 负 预洲精度 的因素进 行 了深 入的分析 ， 荷 然后提 出 了提 高 负荷 预测精 度 的几项措 施 ， 并对 未来 需要进 行 的工作进 行 了展 望。 关键词 ： 电力系统 短期 负荷预测 预测精度 未来工作 中 图分 类 号 ： Ｍ７ Ｔ 文 献 标 识 码 ： Ａ 文章 编号 ： ７ －３ ９ （ ０ １ ０ （） ０ ２ ０ １ ２ ７ １２ １ ） ７ ｃ－ １ － ２ ６ ３
Ａｂ ｔａ ｔ Ｔ ｓ ｒ － ｔ ｒ ｓｒ ｃ ： ｈｅ ｈｏ ｔ ｅ ｍ ｌ ａ ｆ ｒ ｃ ｓ ｉ ｇ ｃ ｕ ａ ｙ ｄ ｒ ｃ ｌ ａ ｆ ｃ ｓ ｈ ｏ ｅ ａ ｉ ｎ ｏ ｔ ｅ ｓ ｆ ｔ ｅ ｏ ｍｙ ｎ ｐ ｗｅ ｑ ｌ ｔ ． ｐ ｃ ａ ｌ ｏ ｄ ｏ ｅ ａ ｔ ｎ ａ ｃ ｒ ｃ ｉ ｅ ｔ ｙ ｆ ｅ ｔ ｔ ｅ ｐ ｒ ｔｏ ｆ ｈ ａ ｅ ｙ。 ｃ ｎｏ ａ ｄ ｏ ｒ ｕａ ｉ ｙ Ｅｓ ｅ ｉ ｌｙ ａｏ ｇ ｌ ｎ ｗ ｉｈ ｈｅ ｏ ｅ ｍａ ｋ ｔ Ｓ ｅ ｅ ｏ ｉ ｇ ａ ｄ ｅ ｆ ｃ ｉ ｉ Ｃ ｎ ｔ ｅ ｕｎ ｔｏ ｆ ｔ ｓ ｏ ｔ ｔ ｒ ｔ ｔ ｐ ｗ ｒ ｒ ｅ ’ ｄ ｖ ｌ ｐ ｎ ｎ ｐ ｒ ｅ ｔｎｇ ｎ ｈｉ ａ， ｈ ｆ ｃ ｉ ｎ ｏ ｈｅ ｈ ｒ－ ｅ ｍ ｌ ａ ｆ ｒ ｃ ｓ ｉ ｇ ｓ ｅ ｏ ｉ ｍｏ ｅ ｏ ｄ ｏ ｅ ａ ｔ ｎ ｉ ｂ ｃ ｍ ｎｇ ｒ ａ ｄ ｎ ｍｏ ｅ ｉ ｏ ｔ ｎｔ ｏ ｔ ｅ ｃ ｅ ｕ ｉ ｏ ｅ ａ ｉ ｎ ｅ ａ ｔ ｅ ｏ ｐ ｗｅ ｓ ｓ ｅ ． ｉ ｐ ｐ ｒ ｆ ｒ ｔ ｎ ｌ ｚ ｓ ｎ ｓ ｍｍａ ｉ ｅ ｔ ａ ｃ ｒ ｔ ｒ ｍｐ ｒ ａ ｆ ｒ ｈ ｓ ｈ ｄ ｌｎｇ ｐ ｒ ｔ ｏ ｄ ｐ ｒ ｍ ｎｔ ｆ ｏ ｒ ｙ ｔ ｍ Ｔｈ ｓ ａ ｅ ｉ ｓ ａ ａ ｙ ｅ ａ ｄ ｕ ｒ ｚ ｓ ｈｅ ｃ ｕ ａ ｅ
电力系统短期负荷混沌预测法论文
电力系统短期负荷混沌预测法摘要：电力系统短期负荷预测，在日常工作中具有十分重要的意义，它是保证电力系统的安全、经济运行的基础。
文章简要对短期负荷预测的研究方法进行介绍，详细分析了混沌理论预测方法，包括相空间重构等主要思想。
另外，选择合适的综合预测模型才是提高预测精度的主要方法。
abstract： short-term load forecasting of electric power system is significant in daily work. it is the basis to guarantee the power system safety and economic operation. this paper briefly introduces short-term load forecasting research methods， analyzes the chaos theory prediction methods， including phase space reconstruction etc. in addition， choosing appropriate comprehensive prediction model is the main method to improve forecasting precision.关键词：电力系统；短期负荷预测；混沌key words： power system；short term load forecasting；chaos中图分类号：tm732 文献标识码：a 文章编号：1006-4311（2012）32-0104-020 引言负荷预测是指在充分考虑系统运行特性，自然条件、社会条件和地区经济条件影响的情况下，为满足一定的精度要求，得到未来某时刻的负荷值，对历史负荷数据采用一系列的数学方法进行计算。
短期负荷预测[1]是给电厂安排日、周发电计划，是电力系统的安全、自动控制调度、经济运行主要保障，主要是指未来几小时、一天的日负荷预测和未来一周的周负荷预测。
电力系统负荷预测
神经网络法
数据要求
神经网络法需要具备一定量的历史负荷数 据，同时需要设置合适的网络结构和参数
。
简介
神经网络法是一种模拟人脑神经元 网络结构的预测方法，通过训练神 经网络模型，实现对未来负荷的预
测。
A
B
C
D
优缺点
神经网络法能够处理非线性关系和复杂模 式，预测准确性较高，但需要大量计算资 源和时间进行模型训练和验证。
将训练好的模型应用于未来数据进 行预测。
结果评估
对预测结果进行评估，分析误差和 不确定性，提出改进措施。
02
负荷预测的影响因素
经济因素01ຫໍສະໝຸດ 0203国内生产总值
电力负荷与国内生产总值 密切相关，随着国内生产 总值的增长，电力负荷也 会相应增加。
工业发展状况
工业是电力负荷的主要用 户，特别是重工业和制造 业的发展对电力负荷的增 加有显著影响。
03
负荷预测的方法
时间序列法
简介
数据要求
时间序列法是一种基于时间序列数据的预 测方法，通过分析历史负荷数据，预测未 来负荷趋势。
适用场景
时间序列法需要具备连续、准确的历史负 荷数据，数据质量对预测结果影响较大。
优缺点
适用于短期负荷预测，如日、小时级别预 测。
时间序列法简单易行，但受历史数据影响 较大，如历史数据存在异常或缺失，将影 响预测结果的准确性。
以提高负荷预测的准确性和鲁棒性。
THANK YOU
混合模型
将经典模型与深度学习模型进行 融合，以综合利用两种模型的优
点，提高预测精度。
模型评估指标
预测精度
常用的评估指标包括平 均绝对误差(MAE)、均 方根误差(RMSE)、平均 绝对百分比误差 (MAPE)等，用于评估 模型的准确性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电力系统负荷短期预测
摘要:电力系统的主要作用就是为了满足用户对电力的需求,即到
达复合的需求,电力系统主要有输电网、电力企业和用户所构成。由
于电力系统属于特殊行业,不能够把生产和消费同一时间内进行,电力
系统也不能够存储起来,所以就必须要求电力系统的电力生产能够和
电力系统的负荷变化同步,电力系统的负荷短期预测就是保障电力系
统和电力生产同步的前提工作。
关键词:电力系统 符合短期 变化
我们可以运用现金的科学手段和方法对以后的电力系统负荷的
发展方向给出合理的科学解释,通过我们对电力系统负荷短期预算所
理解的理论和知识。我们国家的国民经济也是在突飞猛进的增长中,
同样电力需求也在迅速的增长,电力系统的缺少现象越来越显得比较
严重,很多地区的电力都显得十分紧张,尤其是我国的经济发达地区,
在最高峰用电的时候甚至都出现拉闸限电的现象发展,并且电网的使
用电的超载负荷情况也是越来越高,这种现象使得电力系统的短期负
荷预测技术更加的重要和突出。尤其是这几年以来我国在国际上的能
力比较紧缺,国内实施的节能降耗的政策方针,所以目前电力系统负荷
预测越来越受到党和政府的高度重视。此外,更加深入的研发电力系
统的负荷预测是对我国电力市场化、分时电价、实时动态、竞价上网
等的实施,所以电力市场对未来的电力系统负荷预测有了比较高的要
求,作为电力系统负荷预测的重要依据,电力市场是很重要的一部分。
1 电力系统负荷预测的发展现状
随着电力系统EMS的发展,电力系统负荷短期预测技术也逐渐发
展起来,电力系统的负荷短期预测也有了很长时间的历史了,随着我国
电力市场的高速发展,电力系统负荷的短期预测技术已经成为我国的
一项非常重要的项目,受到我国很多的专家学者和政府的高度重视。
2 电力系统用户用电特点分析
2.1 工业用电
工业用电最大的特点就是所用的电量很大并且非常的平稳,我国
现在的工业用电比例占全国用总用电量的百分之七十五左右。即便工
业用电的电量非常大,但是工业之间的负荷是不一样的,轻工业用电量
就比较小,大型冶炼工业相对用电较大,用电大小的主要差别取决于生
产工艺的特点和生产时间不一样所造成的,一样的生产设备下,连续使
用的企业要比倒班制生产的企业用电量大,倒班制企业中又分三班
制、两班制、相对两班制来说三班制又要使用的电量高。但是不管是
什么企业。电力系统在单个的企业生产的过程中以日、月计算,发生
的变化是不会太大的,相对稳定的,除非极少数季节性质的企业以外,
这就很好的为电力系统的负荷预测技术提供了便利。
2.2 农业用电
农业用电在我国总用电总约占百分之四点二左右的比率,总的来
看消耗不算是很大,农业用电的特点就是季节性比较强,一年之中的用
电情况变化不是非常明显,特点就是非常不均衡,主要冬季用电少,灌
溉的季节用电比较多。
2.3 交通运输业用电
交通运输行业用电量占全国总用电量的百分之一点五左右,用电
量比较小,电气化铁路方面负荷很稳定。即使我国的电气化铁路建设
比较迅速,高速铁路运营比较多会增加用电量,但是比重不会有很明显
的变化。
2.4 城乡居民生活用电
目前我国的城乡居民生活水平有较大的提高,但用电比重不大,远
小于工业化国家和发达国家。随着我国国民经济的快速发展,人们生
活水平的提高,生活用电的比重将会增大。居民生活用电的特点就是
日变化较大,这和人的作息时间有关,同时也与人随机性开启用点设备
有关。随着家电的普及,家电下乡政策的推广,我国具民用电将保持较
快的增长势头,其增长速度要高于其它用电部门。
3 影响电力系统负荷变化的主要因素
3.1 基本因素
从上文我们可以看出,交通、农业、工业的用电情况相对比较平
稳,原因就是它们对负荷的影响不算很大,主要就是因为大多是居民用
电。居民用电的自由是影响电力系统负荷变化的主要原因,居民有自
主的权利随机选择开启或者关闭用电的设施,这就导致了电力系统负
荷变化出现的随机性较强。
3.2 气候因素
影响电力系统负荷产生变化的另一个原因就是天气情况,寒潮、
高温、取暖等都会使电力系统负荷增大,随着我国经济的发展,空调的
普及程度越来越高,气温也将成为今后电力系统负荷比较大的因素之
一。
3.3 市场因素
市场环境中随着电力工业的快速发展,申。力市场对电力工业的
推进,分时电价、竞价上网、动态电价等的实施,将成为影响电力系统
负荷变化的很重要因素。
4 电力系统负荷短期常用预测方法
4.1 专家系统
专家系统是基于知识的计算机系统,它有一个领域专家的经验,知
识,并可以使用这方面的知识的专家,通过推理运用知识和经验,作出
明智的决定。利用专家系统模型的短期负荷预测的文献,结果表明,温
度是一个很好的交易因素;文学知识的专家系统模型预测结果表明该
方法提高了预测的稳定性和可靠性。专家系统专家的知识和经验,可
以解决天气,特殊事件,如负载的影响,以获得更准确的预测。然而,专家
的知识和经验为工作量非常大,需要很多的参考资料和学习能力。
4.2 模糊预测方法
模糊推理和模糊集合是对不确定问题进行处理的理论,模糊集合
的作用可以刻画出影响负荷的不确定原因,这也正是模糊预测这几年
以来在电力系统负荷预测里流通的重要原因,把粗糙集和模糊放在一
起进行负荷的预测,预测的结果有很高的精准度,这说明气温模糊化以
后预测的精度比较高。模糊法的缺点是学习能力不强,受到人们的主
观因素较多。
4.3 组合模型
组合模型预测的方法大体可以分为两类,一类是把几种预测的方
法的结果选择适中的进行加权平均,进行比较,选择最好的预测模型进
行预测。支持向量机和混沌理论结合,提高了预测的稳定性和精准性,
组合预测是相对比较好的方法,很多情况下都能够达到预测的目的和
要求,但是组合预测法也有它的不足,就预测机理来说,组合预测依然
不能够解决根本问题。
5 结语
电力系统的负荷是经过电网、发电厂、电器设备的使用交织在一
起融通的形式结合的非常复杂的一个系统,电力系统的负荷是随机性
和确定性相互统一,无序和有序统一,影响这电力系统负荷的因素非常
多并且随机出现的。所以,建议一套完善的电力系统负荷预测体系目
前还很困难。直至今日电力系统的负荷短期预测技术依然不是十分完
善,特别是随着电力市场的深入发展,很多项目的实施,对电力系统负
荷预测的要求提高的更大,对预测方法考虑的要更多。
参考文献
[1] 肖国泉,王春,张福伟.电力负荷预测[M].北京:中国电力出版
社,2011.
[2] 刘晨晖.电力系统负荷预报理论与方法[M].哈尔滨:哈尔滨
工业大学出版,2009.
[3] 于尔铿,韩放,谢开,等.电力负荷预测[M].北京:中国电力出版
社,2009.