大用戶負荷預測方法研究及其應用.pdf

1、隨著經濟的發(fā)展和產業(yè)結構的調整，企業(yè)的設備逐步向大容量、高參數(shù)設備升級，這導致了大用戶的電壓等級較高，負荷量很大。大用戶負荷占地區(qū)負荷比例很高，它的波動對所在地區(qū)的負荷影響非常明顯，增加了地區(qū)負荷預測的難度。有效的大用戶負荷預測是提高整個電網負荷預測準確率的關鍵因素，對電網安全、經濟運行有著重要的意義。
　　 本文對地區(qū)大用戶負荷曲線、日用電量曲線分析，總結得到大用戶負荷波動劇烈并帶有很大的隨機性和企業(yè)的設備檢修對負荷影響非常大

2、等特點。大用戶負荷不受氣候、天氣和節(jié)假日等因素的影響，但是它跟企業(yè)的生產工藝和生產計劃緊密相關。根據(jù)鋼鐵企業(yè)、水泥企業(yè)、化纖企業(yè)和造紙企業(yè)的生產工藝流程、生產設備、負荷曲線分析了它們的負荷特性。
　　 本文用灰色模型、BP神經網絡、廣義回歸神經和灰色神經網絡分別對大用戶負荷進行單獨預測和綜合預測仿真。仿真結果表明，大用戶的負荷具有很大沖擊性和波動隨機性，一般的算法對大用戶負荷預測效果不是很理想。綜合預測可以使大用戶負荷波動相互抵

3、消，負荷變得更加平穩(wěn)，預測的精度更高。
　　 針對傳統(tǒng)的支持向量機(SVM)在負荷預測中參數(shù)選擇對預測影響很大的問題，用粒子群(PSO)優(yōu)化算法尋求SVM模型中懲罰參數(shù)、核函數(shù)參數(shù)的最優(yōu)化。通過仿真表明，與其他算法相比，該算法不僅加快了收斂速度和提高了收斂精度，而且具有很好的預測效果，顯示出算法在大用戶負荷預測中的優(yōu)勢。
　　 為了提高地區(qū)短期負荷預測水平，掌握地區(qū)典型大用戶的負荷特點，設計開發(fā)了地區(qū)典型大用戶負荷分析管