基于双修正因子的模糊时间序列日最大负荷预测

doi:10.11930/j.issn.1004-9649.2013.10.115.3

中国电力 ›› 2013, Vol. 46 ›› Issue (10): 115-118.DOI: 10.11930/j.issn.1004-9649.2013.10.115.3

基于双修正因子的模糊时间序列日最大负荷预测

刘晓娟^{1, 2}, 方建安¹

1. 东华大学信息科学与技术学院,上海 201620; 2. 上海电力学院数理学院,上海 201300

收稿日期:2013-05-26 出版日期:2013-10-23 发布日期:2015-12-10
作者简介:刘晓娟（1977—）,女,山东高密人,博士研究生,讲师,从事电力系统优化及控制技术研究。
基金资助:
国家自然科学基金青年项目（61203006）

LIU Xiao-juan^1,2, FANG Jian-an¹

1. College of Information Science & Technology, Donghua University, Shanghai201620, China;

2. School of Mathematics and Physics, Shanghai University of Electric Power, Shanghai 201300, China

Received:2013-05-26 Online:2013-10-23 Published:2015-12-10

摘要/Abstract

摘要： 天气温度变化是影响短期电力负荷预测的主要因素。为提高预测精度,引入负荷变化影响因子和气温影响因子,提出基于双修正因子的模糊时间序列预测算法。根据负荷变化趋势,提出分段预测的思想,在拐点处用负荷变化因子进行修正,然后用气温影响因子对预测结果进行二次修正。将改进的算法用于某电网夏季最大负荷的预测,数值结果表明该算法具有较高的预测精度。

关键词: 电力系统, 负荷预测, 模糊时间序列, 负荷变化影响因子, 气温影响因子

Abstract: Weather temperature is the main factor to affect the short-term power load forecasting. In order to improve the accuracy of the forecast, a bi-factor revised fuzzy time series model is proposed for maximum load forecasting. The influence factors of power load trend and temperature are introduced into the conventional fuzzy time series forecasting algorithms to correct the forecasting results. The segmented prediction idea is proposed in accordance with the trend of the load changes. Correction is made at the inflection point by load trend factor, and temperature influence factor is used for secondary correction on the predicted results. The model was applied to the Suzhou Grid for the maximum load prediction in summer and the results show that the model has a better prediction accuracy.

Key words: electric power system, load forecasting, fuzzy time series, load trend factor, weather temperature influence factor

中图分类号:

TM715

刘晓娟, 方建安. 基于双修正因子的模糊时间序列日最大负荷预测[J]. 中国电力, 2013, 46(10): 115-118.

1. College of Information Science & Technology, Donghua University, Shanghai201620, China;. LIU Xiao-juan^1,2, FANG Jian-an¹[J]. Electric Power, 2013, 46(10): 115-118.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2013.10.115.3

https://www.electricpower.com.cn/CN/Y2013/V46/I10/115

参考文献

[1] 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.
[2] 赵希正. 中国电力负荷特性分析与预测[M]. 北京：中国电力出版社,2002.
[3] HAHN H, MEYER N S, PICKL S. Electric load forecasting methods: tools for decision making[J]. European Journal of operational research, 2009, 199(3): 902-907.
[4] 丁剑,艾明建,吴安平. 西部大开发第二个十年四川省电力需求预测[J]. 中国电力,2012,45（9）：35-39,42.
DING Jian, AI Ming-jian, WU An-ping. Electric power demand forecast for Sichuan province in the second decade of China’s western development program[J]. Electric Power, 2012, 45(9): 35-39, 42.
[5] SONG K B, BACK Y S, HONG D H, et al . Short-term load forecasting for the holidays using fuzzy linear regression model[J].IEEE Transactions on Power Systems, 2005, 20(1): 96-101.
[6] MAMLOOK R, BADRAN O, ABCLULHADI E. A fuzzy inference model for short term load forecasting [J]. Energy Policy, 2009, 37(4): 1239-1248.
[7] 李春生,戴宏亮,谢保华,等. 基于互信息的电力负荷组合预测模型[J]. 中国电力,2008,41（6）：11-13.
LI Chun-sheng, DAI Hong-liang, XIE Bao-hua, et al . Combination model of forecasting power load based on mutual information [J]. Electric Power, 2008, 41(6): 11-13.
[8] 王晶,冯显时,郭红珍. 基于蚁群元胞自动机理论的城市饱和负荷预测[J]. 中国电力,2011,44（7）：17-20.
WANG Jing, FENG Xian-shi, GUO Hong-zhen. Urban load saturation forecast based on ant cellular automata theory[J]. Electric Power, 2011, 44(7): 17-20.
[9] SUKHDEY S G, SANJAY K. Partitions based on computational method for high-order fuzzy time series forecasting[J]. Expert Systems with Applications, 2012, 39(15): 12158-12164.
[10] 刘晓娟,方建安. 综合权重的模糊时间序列的电力负荷预测方法[J]. 华东电力,2012,40（4）：518-520.
LIU Xiao-juan, FANG Jian-an. Weighted fuzzy time-series method for short-term load forecasting[J]. East China Electric Power,2012, 40(4): 518-520.
[11] 赵辉,李斌,李彪,等. 基于小波变换的ARMA-LSSVM短期风速预测[J]. 中国电力,2012,45（4）：78-81.
ZHAO Hui, LI Bin, LI Biao, et al . Short-term wind speed forecasting model based on ARMA-LSSVM and wavelet transform[J]. Electric Power, 2012, 45(4): 78-81.
[12] 马瑞,姜飞,HUANG G M. 基于电力系统负荷变动速率的美国得州ERCOT短期负荷预测[J]. 电力自动化设备,2012,32（2）：81-84.
MA Rui, JIANG Fei, HUANG G M. Short-term load forecasting based on load fluctuation rate[J]. Electric Power Automation Equipment, 2012, 32(2): 81-84.
[13] 方仍存,周建中,彭兵,等. 电力负荷混沌动力特性及其短期预测[J]. 电网技术,2008,32（4）：61-66.
FANG Reng-cun, ZHOU Jian-zhong, PENG Bing, et al . Chaotic dynamics of power load and its short-term forecasting[J]. Power System Technology, 2008, 32(4): 61-66.
[14] 刘旭,罗滇生,姚建刚,等. 基于负荷分解和实时气象因素的短期负荷预测[J]. 电网技术,2009,33（12）：94-100.
LIU Xu, LUO Dian-sheng, YAO Jian-gang, et al . Short-term load forecasting based on load decomposition and hourly weather factors [J]. Power System Technology, 2009, 33(12): 94-100.
[15] 彭远芳,黄晓峰. 基于时差辨识原理分析气象累积效应对电力负荷的影响[J]. 中国电力,2009,42（8）：6-9.
PENG Yuan-fang, HUANG Xiao-feng. Analysis of cumulative effect of weather factors on electric load based on time difference identification [J]. Electric Power, 2009, 42(8): 6-9.
[16] 姜学宝,吴强. 苏州电网负荷和敏感性分析[J]. 江苏电机工程,2009,28（6）：45-48.
JIANG Xue-bao, WU Qiang. Analysis of load and sensitivity for Suzhou network[J]. Jiangsu Electrical Engineering, 2009, 28(6): 45-48.
[17] KANG C Q, CHEN X, XIA Q, et al . Novel approach considering load-relative factors in short-term load forecasting[J]. Electric Power Systems Research, 2004, 70(2): 99-107.

基于双修正因子的模糊时间序列日最大负荷预测

LIU Xiao-juan^1,2, FANG Jian-an¹

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李健, 张钧, 韩新阳, 靳晓凌. 新型电力系统形态量化推演方法的总体框架与功能设计[J]. 中国电力, 2025, 58(3): 1-7, 97.
[2]	张磊, 马晓伟, 王满亮, 陈力, 高丙团. 互联新能源电力系统区内AGC机组分布式协同控制策略[J]. 中国电力, 2025, 58(3): 8-19.
[3]	张沛, 杨马婧, 张放, 谢桦, 刘广一, 李文云, 路学刚, 王珍意, 翟苏巍. 图数据库与图计算在电力系统调度运行应用综述[J]. 中国电力, 2025, 58(3): 119-131.
[4]	高志远, 庄卫金, 李峰, 于芳, 张鸿, 王艳, 夏旻. 调控领域人工智能应用的高复用性验证平台[J]. 中国电力, 2025, 58(3): 142-150.
[5]	孙庆超, 李嘉靓, 江万里, 王若愚, 李植鹏, 胡亚荣, 朱健斌. 基于数据驱动时空网络的城市中长期电力负荷预测[J]. 中国电力, 2025, 58(3): 168-174.
[6]	汤明润, 李若旸, 刘慕然, 程晓钰, 刘铫, 杨淑霞. 电力系统稳态下可再生能源大规模接入量预测[J]. 中国电力, 2025, 58(2): 126-132.
[7]	赵晨浩, 焦在滨, 李程昊, 张迪, 张鹏辉. 基于主动迁移学习的电力系统暂态稳定自适应评估[J]. 中国电力, 2025, 58(1): 70-77.
[8]	董武, 张健, 周勤勇, 张立波, 龚浩岳. 中国电力系统安全稳定性演化综述[J]. 中国电力, 2025, 58(1): 115-127.
[9]	朱瑞, 娄奇鹤, 靳晓凌, 刘畅. 适应新型电力系统的电网基建功能化投资结构演化研究[J]. 中国电力, 2024, 57(9): 194-204.
[10]	傅观君, 张富强, 夏鹏, 冯君淑, 张晋芳. 天然气发电在新型电力系统中的功能定位及发展前景研判[J]. 中国电力, 2024, 57(8): 67-74.
[11]	翟苏巍, 李银银, 杜凡, 李文云, 潘凯岩, 梁峻恺. 考虑海量分布式能源接入的配电网分布式无功控制策略[J]. 中国电力, 2024, 57(8): 138-144.
[12]	李碧君, 李威, 董希建. 新型电力系统中主控型安全稳定服务质量的在线评估[J]. 中国电力, 2024, 57(8): 168-181.
[13]	王宇飞, 杜桐, 边伟国, 张钊, 刘慧婷, 杨丽君. 基于DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测[J]. 中国电力, 2024, 57(6): 121-130.
[14]	吴军英, 路欣, 刘宏, 张彬, 柴守亮, 刘蕴春, 王佳楠. 基于Spearman-GCN-GRU模型的超短期多区域电力负荷预测[J]. 中国电力, 2024, 57(6): 131-140.
[15]	陈中飞, 赵越, 蔡秋娜, 张乔榆, 王泽林, 戴晓娟, 陈雨果. 基于净负荷预测误差统计的电力系统爬坡能力充裕度评估[J]. 中国电力, 2024, 57(5): 50-60.

模态框（Modal）标题

基于双修正因子的模糊时间序列日最大负荷预测

LIU Xiao-juan1,2, FANG Jian-an1

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

LIU Xiao-juan^1,2, FANG Jian-an¹