南京城市电网核心区短期负荷特性分析及预测

doi:10.11930/j.issn.1004-9649.2016.02.067.06

中国电力 ›› 2016, Vol. 49 ›› Issue (2): 67-72.DOI: 10.11930/j.issn.1004-9649.2016.02.067.06

南京城市电网核心区短期负荷特性分析及预测

朱斌¹，姜宁²，霍雪松¹，王勇²，吴海伟¹，孙凯祺³，胡爽³

1.国网江苏省电力公司，江苏南京 210024;
2.国网南京供电公司，江苏南京 210019;
3. 山东大学电气工程学院，山东济南 250061

收稿日期:2015-09-12 出版日期:2016-02-18 发布日期:2016-03-21
作者简介:朱斌（1965-），男，江苏镇江人，高级工程师，从事调度运行与管理等研究。E-mail: zhubin@js.sgcc.com.cn
基金资助:
国家电网公司科技项目“城市核心区输电线路输送能力提升关键技术研究”（SGJS0000DKJS1500985）

Forecasting and Studies on Load Characteristics of Nanjing Center Area Power Network

ZHU Bin¹, JIANG Ning², HUO Xuesong¹, WANG Yong², WU Haiwei¹, SUN Kaiqi³, HU Shuang³

1. State Grid Jiangsu Electric Power Company, Nanjing 210024, China;
2. State Grid Nanjing Power Supply Company,Nanjing 210019, China;
3. School of Electrical Engineering, Shandong University, Jinan 250061, China

Received:2015-09-12 Online:2016-02-18 Published:2016-03-21

摘要/Abstract

摘要： 城市电网核心区负荷变化复杂，影响因素众多，对电网调度部门的安全运行提出了挑战。基于南京电网实际负荷数据，分析了负荷变化特性及各类影响负荷变化的因素，同时针对预测方法中存在的边缘效应等问题，通过改进训练策略，提出了一种新的人工神经网络短期负荷预测模型。该模型采用多隐含层和动态神经元个数的预测方法，对不同神经元预测结果进行比较，以达到预测负荷的目的。预测结果表明，基于该方法建立的预测模型适用性强且能获得较高的预测精度，可为城市核心区的短期负荷预测提供可行方案。

关键词: 电网, 负荷特性, 短期负荷预测, Elman人工神经网络, 训练策略

Abstract: Load characteristics and various contribution factors in city distribution network are analyzed. In order to overcome edge effect problems in Elman neural network of load forecasting method, a new short-term forecasting model is proposed by training strategy improvement. This model adopts multiple-hidden-layer networks and dynamic neural networks element as forecasting method, generating results by comparing different forecasting results of neural networks element. The testing results prove the adaptability and accuracy of proposed method under different conditions. It provides a feasible alternative for short-term forecasting of city central area power network.

Key words: load characteristics, short-term forecasting, Elman neural network, training strategy

中图分类号:

TM715

朱斌，姜宁，霍雪松，王勇，吴海伟，孙凯祺，胡爽. 南京城市电网核心区短期负荷特性分析及预测[J]. 中国电力, 2016, 49(2): 67-72.

ZHU Bin, JIANG Ning, HUO Xuesong, WANG Yong, WU Haiwei, SUN Kaiqi, HU Shuang. Forecasting and Studies on Load Characteristics of Nanjing Center Area Power Network[J]. Electric Power, 2016, 49(2): 67-72.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2016.02.067.06

https://www.electricpower.com.cn/CN/Y2016/V49/I2/67

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，2008.
[2] 牛东晓，曹树华，赵磊，等. 电力负荷预测技术及其应用[M]. 北京：中国电力出版社，1998.
[3] 付学谦，陈皓勇，牛铭，等. 地区电网短期负荷预测系统设计[J]. 电力建设，２０１４，３５（２）：１３－１７．
FU Xueqian, CHEN Haoyong, NIU Ming, et al. Design of short term load forecast system in regional power grid[J]. Electric Power Construction, 2014, 35(2): 13-17.
[4] 陈超，黄国勇，邵宗凯，等. 基于日特征量相似日的PSO-SVM短期负荷预测[J]. 中国电力，２０１３，４６（７）：９１－９４．
CHEN Chao, HUANG Guoyong, SHAO Zongkai, et al. Short-team load forecasting for similar days based on PSO-SVM and daily feature vector [J]. Electric Power, 2013, 46(7): 91-94.
[5] 康重庆，夏清，张伯明．电力系统负荷预测研究综述与发展方向的探讨[J]．电力系统自动化，２００４，24（１７）：１－ｌ１．
KANG Chongqing, XIA Qing, ZHANG Boming. Review of power system load forecasting and its development[J]. Automation of Electric Power Systems, 2004, 24(17): 1-l1．
[6] 包广清，杨国金，杨勇，等. 基于改进遗传算法的光伏发电并网优化配置[J]. 电力建设，２０１４，３５（６）：１３－１７．
BAO Guangqing, YANG Guojin, YANG Yong, et al. Optimal allocation of grid-connected photovoltaic generation based on improved genetic algorithm [J]. Electric Power Construction, 2014, 35(6): 13-17.
[7] 于希宁，牛成林，李建强. 基于决策树和专家系统的短期电力负荷预测系统[J]. 华北电力大学学报，２００５，３２（５）：５７－６１．
YU Xining, NIU Chenglin, LI Jianqiang. Electric load forecast based on decision tree and expert system[J]. Journal of North China Electric Power University, 2005, 32(5): 57-61.
[8] 张伯泉，杨宜民，宋宗峰. 基于遗传算法的风-光互补发电系统的动态优化[J]. 中国电力，２００７，４０（４）：７８－８１．
ZHANG Boquan, YANG Yimin, SONG Zongfeng. Dynamic optimization of wind/photovoltaic hybrid power systems based on genetic algorithms [J]. Electric Power, 2007, 40(4): 78-81.
[9] 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．
LIU Xiaojuan, FANG Jianan. Maximum load forecasting based on a bi-factor revised fuzzy time series model[J]. Electric Power,2013, 46(10): 115-118.
[10] 栗然，柯拥勤，张孝乾，等. 基于时序-支持向量机的风电场发电功率预测[J]. 中国电力，２０１２，４５（１）：６４－６８．
LI Ran, KE Yongqin, ZHANG Xiaoqian, et al. Wind power forecasting based on time series and SVM[J]. Electric Power, 2012, 45(1): 64-68.
[11] SATISH B, SWARUP K S, SRINIVAS S, et al. Effect of temperature on short term load forecasting using an integrated ANN [J]. Electric Power Systems Research, 2004, 72(1): 95-101.
[12] 张玲玲，杨明玉，梁武．微网用户短期负荷预测相似日选择算法[J]. 中国电力，２０１５，４８（４）：１５６－１６０．
ZHANG Lingling, YANG Mingyu, LIANG Wu． Method for selecting similar days in short-term load forecasting of microgrid [J]. Electric Power, 2015, 48(4): 156-160.
[13] 周佃民，管晓宏，孙婕，等. 基于神经网络的电力系统短期负荷预测研究[J]. 电网技术，２００２，２６（２）：１０－１３．
ZHOU Dianmin, GUAN Xiaohong, SUN Jie, et al. A short-term load forecasting system based on BP artificial neural network [J]. Power System Technology, 2002, 26(2): 10-13.
[14] 谢宏，陈志业，牛东晓，等. 基于小波分解与气象因素影响的电力系统日负荷预测模型研究[J]. 中国电机工程学报，２００１，２１（５）：５－１０．
XIE Hong, CHEN Zhiye, NIU Dongxiao, et al. The research of daily load forecasting model based on wavelet decomposing and climatic influence[J]. Proceedings of the CSEE, 2001, 21(5): 5-10.
[15] 葛斐，荣秀婷，石雪梅，等．基于经济、气象因素的安徽省年最大负荷预测方法研究[J]. 中国电力，２０１５，４８（３）：８４－８７．
GE Fei, RONG Xiuting, SHI Xuemei, et al． The Anhui annual maximum load forecasting method research based on economic and meteorological factors [J]. Electric Power, 2015, 48(3): 84-87.
[16] 蒋书法. 相关系数在回归分析中的应用[J]. 上海电力学院学报，１９９９，１５（１）：３４－３９．
JIANG Shufa. Application of correlation coefficient in regression analysis[J]. Journal of Shanghai Insitiute of Electric Power, 1999, 15(1): 34-39.
[17] 朱晟，蒋传文，侯志俭. 基于气象负荷因子的Elman神经网络短期负荷预测[J]. 电力系统及其自动化学报，２００５，１７（１）：２３－２６．
ZHU Sheng, JIANG Chuanwen, HOU Zhijian. Application of a weather component based on Elman neural network to short-term load forecasting[J]. Proceedings of the CSU-EPSA, 2005, 17(1): 23-26.

南京城市电网核心区短期负荷特性分析及预测

Forecasting and Studies on Load Characteristics of Nanjing Center Area Power Network

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]	吴云锐, 张建坡, 田新成, 应恺锋, 陈忠. 计及频率适应和快速稳定特性的多端直流电网改进协调控制策略[J]. 中国电力, 2025, 58(3): 31-42.
[2]	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.
[3]	沈舒仪, 王国腾, 但扬清, 孙飞飞, 黄莹, 徐政. 频率偏差与电压刚度约束下多馈入直流优化调度方法[J]. 中国电力, 2025, 58(3): 132-141.
[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]	闫志彬, 李立, 阳鹏, 宋蕙慧, 车彬, 靳盘龙. 考虑构网型储能支撑能力的微电网优化调度策略[J]. 中国电力, 2025, 58(2): 103-110.
[6]	贺春光, 王林峰, 曹媛, 安佳坤, 雷子健, 宋关羽, 冀浩然. 考虑综合收益的多电压等级配电网柔性互联装置协同规划方法[J]. 中国电力, 2025, 58(1): 78-84.
[7]	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.
[8]	陶磊, 罗萍萍, 林济铿. 基于深度学习的直流微电网虚假数据注入攻击二阶段检测方法[J]. 中国电力, 2024, 57(9): 11-19.
[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]	祝士焱, 许寅, 和敬涵, 王颖. 基于多微电网投影的配电系统协调恢复方法[J]. 中国电力, 2024, 57(9): 224-230.
[11]	么钟然, 孙丽颖. 考虑线路阻抗的分布式储能SOC均衡控制策略[J]. 中国电力, 2024, 57(9): 238-246.
[12]	张亚健, 陈茨, 薛飞, 马丽, 郑敏. 电制氢协同的含高比例光伏配电网两阶段电压随机优化控制[J]. 中国电力, 2024, 57(8): 23-35.
[13]	孙东磊, 孙毅, 刘蕊, 孙鹏凯, 张玉敏. 计及多层级配电网的分布式新能源最大消纳空间分解测算[J]. 中国电力, 2024, 57(8): 108-116.
[14]	孔志恒, 谭冲, 唐培耀, 胡成博, 郑敏. 基于Light-Resnet卷积神经网络的电力设备监测数值识别算法[J]. 中国电力, 2024, 57(8): 206-213.
[15]	凡鹏飞, 李宝琴, 侯江伟, 李嵘, 宋崇明, 林凯骏. 配电网分布式电源经济可承载力评估[J]. 中国电力, 2024, 57(7): 196-202.

模态框（Modal）标题

南京城市电网核心区短期负荷特性分析及预测

Forecasting and Studies on Load Characteristics of Nanjing Center Area Power Network

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