考虑不同发展情境的江苏省中长期电力需求预测

doi:10.11930/j.issn.1004-9649.2016.07.072.05

中国电力 ›› 2016, Vol. 49 ›› Issue (7): 72-76.DOI: 10.11930/j.issn.1004-9649.2016.07.072.05

考虑不同发展情境的江苏省中长期电力需求预测

龙禹¹, 王小英¹, 周琪¹, 姜楠², 罗欣²

1. 江苏省电力公司,江苏南京 210024;
2. 北京清软创新科技股份有限公司,北京 100085

收稿日期:2015-12-09 出版日期:2016-07-20 发布日期:2016-07-28
作者简介:龙禹（1976—）,女,黑龙江佳木斯人,高级工程师,从事电力系统规划与计划管理研究。E-mail: long_1yu@sina.com

The Medium- and Long-Term Power Demand Forecasting for Jiangsu Province with Consideration of Different Developing Situations

LONG Yu¹, WANG Xiaoying¹, ZHOU Qi¹, JIANG Nan², LUO Xin²

1. State Grid Jiangsu Provincial Electrical Power Company, Nanjing 210024, China;
2. Beijing Tsingsoft Technology Co., Ltd., Beijing 100085, China

Received:2015-12-09 Online:2016-07-20 Published:2016-07-28

摘要/Abstract

摘要： 传统的中长期组合预测模型通常没有考虑不同发展阶段各个指标的不同权重,也没有在中长期的预测中考虑不同的发展情形。依据经济发展的周期特性及与电力的内在联系,将电力数据划分为不同阶段,利用电量误差指标和趋势误差指标计算各单一预测模型权重,利用客观熵权法得到各单个预测方法的综合权重。充分考虑未来经济发展的不同可能以及电动汽车、需求响应等用电技术改变因素,设定低速发展、高速发展和考虑其他因素的发展情境,并分别进行组合预测。将该组合预测方法应用于江苏省中长期负荷预测中,得到不同情境下的预测结果。

关键词: 电力需求预测, 负荷预测, 熵权法, 情境分析, 组合预测

Abstract: Different weights of various indicators in different development stages are not considered in the conventional medium- and long-term combined forecasting model, and different development scenarios are not considered either in the medium- and long-term forecasting. Based on the periodicity of economy and its relationship with electric power, the electricity data are grouped according to different development stages, and two indicators including electricity error and trend error are used to calculate the weight of each single model. The entropy method is adopted to get the comprehensive weight of each single forecasting method. With a full consideration of different scenarios of future economic development and changes of electricity technology such as electric vehicle and demand response, a combined forecasting is made respectively for different development scenarios including low-speed development, high-speed development and other factors. The combined forecasting model has been applied to the medium- and long-term power load forecasting of Jiangsu Province and satisfactory results are obtained under different scenarios.

Key words: power demand forecasting, load forecasting, entropy method, scenario analysis, combined forecasting model

中图分类号:

TM715

龙禹, 王小英, 周琪, 姜楠, 罗欣. 考虑不同发展情境的江苏省中长期电力需求预测[J]. 中国电力, 2016, 49(7): 72-76.

LONG Yu, WANG Xiaoying, ZHOU Qi, JIANG Nan, LUO Xin. The Medium- and Long-Term Power Demand Forecasting for Jiangsu Province with Consideration of Different Developing Situations[J]. Electric Power, 2016, 49(7): 72-76.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2016.07.072.05

https://www.electricpower.com.cn/CN/Y2016/V49/I7/72

参考文献

[1] 龙瑞华,毛弋,毛李帆,等. 基于诱导有序加权平均算子和马尔可夫链的中长期电力负荷组合预测模型[J]. 电网技术,2010, 34（3）：150-156.
LONG Ruihua, MAO Yi, MAO Lifan, et al . A combination model for medium- and long-term load forecasting based on induced ordered weighted averaging operator and markov chain[J]. Power System Technology, 2010, 34(3): 150-156.
[2] 郑雅楠,单葆国,顾宇桂,等. 中长期电量灰色预测中数据预处理方法研究[J]. 中国电力,2013,46（10）：111-114.
ZHENG Yanan, SHAN Baoguo, GU Yugui, et al . Data preprocessing for grey model of medium-long term load forecasting [J]. Electric Power, 2013, 46(10): 111-114.
[3] 张成,滕欢. 基于偏最小二乘法与BP神经网络的电力中长期负荷预测[J]. 电力建设,2012,33（7）：26-29.
ZHANG Cheng, TENG Huan. Mid-long term power load forecasting based on PLSR and BP neural network[J]. Electric Power Construction, 2012, 33(7): 26-29.
[4] 李瑾,刘金朋,王建军. 采用支持向量机和模拟退火算法的中长期负荷预测方法[J]. 中国电机工程学报,2011,31（16）：63-66.
LI Jin, LIU Jinpeng, WANG Jianjun. Mid-long term load forecasting based on simulated annealing and SVM algorithm[J]. Proceedings of the CSEE, 2011, 31(16): 63-66.
[5] 温青,张筱慧,杨旭. 基于负荷误差和经济发展趋势的组合预测模型在中长期负荷预测中的应用[J]. 电力系统保护与控制, 2011,39（3）：57-61.
WEN Qing, ZHANG Xiaohui, YANG Xu. The application of combination forecasting model in medium-long term load forecasting based on load error and economic development trend[J]. Power System Protection and Control, 2011, 39(3): 57-61.
[6] 余健明,燕飞,杨文宇,等. 中长期电力负荷的变权灰色组合预测模型[J]. 电网技术,2005,29（17）：26-29.
YU Jianming, YAN Fei, YANG Wenyu, et al . Gray variable weight combination model for middle and long term load forecasting [J]. Power System Technology, 2005, 29(17): 26-29.
[7] 周湶,任海军,李健,等. 层次结构下的中长期电力负荷变权组合预测方法[J]. 中国电机工程学报,2010,30（16）：47-52.
ZHOU Quan, REN Haijun, LI Jian, et al . Variable weight combination method for mid-long term power load forecasting based on hierarchical structure[J]. Proceedings of the CSEE, 2010, 30(16): 47-52.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	刘航, 申皓, 杨勇, 纪陵, 余洋. 基于高阶马尔可夫链的纯电重卡集群负荷预测[J]. 中国电力, 2024, 57(5): 61-69.
[6]	陈庆斌, 杨耿煌, 耿丽清, 苏娟, 孙京生. 基于相似日选取和数据重构的短期光伏功率组合预测方法[J]. 中国电力, 2024, 57(12): 71-81.
[7]	李丹, 贺帅, 颜伟, 胡越, 方泽仁, 梁云嫣. 考虑动态时间锚点和典型特征约束的年日均负荷曲线预测[J]. 中国电力, 2024, 57(11): 36-47.
[8]	周颖, 白雪峰, 王阳, 邱敏, 孙冲, 武亚杰, 李彬. 面向虚拟电厂运营的温度敏感负荷分析与演变趋势研判[J]. 中国电力, 2024, 57(1): 9-17.
[9]	唐旭辰, 潮铸, 段秦尉, 苏炳洪, 陈卉灿. 基于分层测量数据的高压变电站概率负荷预测方法[J]. 中国电力, 2023, 56(8): 143-150.
[10]	贾巍, 黄裕春. 基于小样本数据差分扩容的微电网负荷预测方法[J]. 中国电力, 2023, 56(8): 151-156,165.
[11]	彭生江, 杨德州, 孙传帅, 袁铁江, 刘永成. 基于氢负荷需求的氢能系统容量规划[J]. 中国电力, 2023, 56(7): 13-20,32.
[12]	贾开华, 于云霞, 范秀波, 李茂轩, 王东, 唐翠翠, 冀章. 基于AHP-EWM综合赋权和TOPSIS法的多能互补系统综合评价[J]. 中国电力, 2023, 56(7): 228-238.
[13]	贾巍, 雷才嘉, 方兵华, 刘涌. 供电分区场景下基于数据驱动的负荷密度综合评估及预测方法[J]. 中国电力, 2023, 56(6): 71-81.
[14]	赵源上, 林伟芳. 基于皮尔逊相关系数融合密度峰值和熵权法典型场景研究[J]. 中国电力, 2023, 56(5): 193-202.
[15]	杨喜行, 黄纯, 申亚涛, 胡念恩, 万子恒. 基于损失功率匹配的配电线路故障定位方法[J]. 中国电力, 2022, 55(8): 113-120.

考虑不同发展情境的江苏省中长期电力需求预测

The Medium- and Long-Term Power Demand Forecasting for Jiangsu Province with Consideration of Different Developing Situations

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

模态框（Modal）标题

考虑不同发展情境的江苏省中长期电力需求预测

The Medium- and Long-Term Power Demand Forecasting for Jiangsu Province with Consideration of Different Developing Situations

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