论文部分内容阅读
随着节能减排政策和相关经济政策的执行,以及新的节假日制度的实行,电力系统负荷特性发生了明显的变化,相应的加大了负荷预测难度。因此,对电力系统负荷特性与预测分析具有重要意义。为了正确描述电力系统负荷随时间变化的特性,常常通过一些特定的负荷特性曲线及指标参数来衡量。介绍了常用负荷特性指标。根据某省电力负荷实测数据,采用曲线法和指标法,分析了年、月、典型日和典型行业负荷特性,并得出了一些结论。总结了影响负荷特性指标的主要因素。电力系统负荷构成分析是指对一定范围内的电力用户负荷组成的种类、比重及其相互之间的关系进行分析。它对负荷预测、负荷管理、负荷建模有着重要意义。介绍了四种常用的聚类分析方法:系统聚类法、动态聚类法、模糊聚类法、灰色关联度聚类法。建立了基于聚类分析和最小二乘法的负荷构成求解模型。气象条件尤其是温度已成为影响电力短期负荷的主要因素。利用相关系数、散点图、回归分析法研究了温度与负荷的关联性。根据所掌握的历史负荷数据和历史温度数据分析了最高温度累积效应对电力负荷的影响,并建立了日最高温度修正模型。修正公式可以准确反映温度累积效应对最大负荷的影响,能直接与现有电力负荷分析与预测方法衔接。提出了几种年最大降温负荷测算方法,并利用实例进行了验证,结果表明所提出的测算方法是可行的。电力系统负荷预测的方法有很多,有基于人工智能方法,也有基于统计学方法的。电力负荷可看作是一系列随机序列,其特性可利用时间序列方法来分析。本文采用自回归滑动平均模型(ARMA)对电力负荷进行了预测。算例表明,预测方法可以达到预期的精度。