缪智伟,方睿

• 1:汕头大学数学系

摘要(Abstract)：

基于广东省某地区2018—2022年每日最大负荷数据及同期该地区日气象要素资料，发现最高气温对最大负荷的影响具有累积效应，影响温度类型效益的因素主要是预测日最大气温以及持续高温的天数；文章建立了气温累积效应的日最高气温修正公式，并利用实例验证了最高气温累积效应对最大电力负荷的影响.面对96个时点负荷数据复杂时序性和非线性的特性，构建了一种基于最小二乘支持向量机（LS-SVMR）网络电负荷最大值的预测模型，该方法考虑了对负荷有影响的节假日与工作日、天气、温度等相关因素，将修正后的日最高气温及最大电力负荷作为输入层，应用基于遗传算法优化后的最小二乘支持向量机对最大电力负荷进行预测.模型预测结果表明：本文的模型预测精度比传统BP、RBF神经网络负荷预测方法，具有更高的预测精度，预测结果能更好地为电力调度及安全运行提供参考依据.

关键词(KeyWords)： 短期负荷预测;遗传算法;最小二乘支持向量机;电负荷温度累积效应

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 缪智伟,方睿

参考文献(References)：

• [1]梁青艳，孙彦广.钢铁企业电力负荷动态预测建模问题的应用研究[J].科学技术与工程，2018,18(16):44-54.
• [2]肖白，周潮，穆钢.空间电力负荷预测方法综述与展望[J].中国电机工程学报，2013,33(25):78-79.
• [3]邹京希，曹敏.基于总体测辨和人工神经网络的负荷建模及预测方法[J].电力系统及其自动化学报，2018,30(8):108-112.
• [4]王增平，赵兵，纪维佳，等.基于GRU-NN模型的短期负荷预测方法[J].电力系统自动化，2019,43(5):53-62.
• [5]顾水福，张媛，陈西颖.主动配电网规划方法研究[J].发电技术，2018,39(3):220-225.
• [6]余波.短期电力负荷预测方法的研究与应用[D].南昌：南昌大学，2018.
• [7]吴润泽，包正睿，王文韬，等. Hadoop架构下基于模式匹配的短期电力负荷预测方法[J].电工技术学报，2018,33(7):1542-1551.
• [8]梁智，孙国强，卫志农，等.基于变量选择与高斯过程回归的短期负荷预测[J].电力建设，2017,38(2):122-128.
• [9]丁兆强.基于灰色神经网络的燃气负荷预测研究[D].天津：天津大学，2017.
• [10]庄家懿，杨国华，郑豪丰，等.并行多模型融合的混合神经网络超短期负荷预测[J].电力建设，2020,41(10):1-8.
• [11]魏华栋，陶媛，蔡昌春.基于改进长短期记忆神经网络的短期负荷预测[J].电测与仪表2020,572019,24(9):1482-1492.
• [12]王国弟，翁彦，徐巍，等.上海某能源中心空调负荷预测[J].发电与空调，2014,35(4):67-70.
• [13]张永伟，潘巧波.基于KPCA-SVM模型的电力负荷最大值短期预测方法[J].发电技术，2019,40(6):521-526.
• [14]赵志强，陆凤怡.基于小波分解和ID3算法的短期日负荷最大值预测方法[J].南方电网技术，2010,4(6):98-102.
• [15] BECCALI M,CELLURA M,LO BRANO V,et al. Forecasting dai-ly urban electric load profiles using artificial neural net-works[J]. Energy Conversion and Management,2004,45(18):2879-2900.
• [16] BASHIR Z A,EL-HAWARY M E. Applying wavelets to short-term load forecasting using PSO-based neural networks[J]. Power Systems,IEEE Transactions on,2009,24(1):20-27.