配电网规划中电力负荷预测方法研究综述

被引:30
作者
邓永生 [1 ]
焦丰顺 [1 ]
张瑞锋 [2 ]
王将平 [2 ]
机构
[1] 深圳供电局有限公司
[2] 清华大学深圳研究院材料与仪器检测中心
关键词
电力负荷; 负荷预测; 预测方法; 配网规划; 智能电网;
D O I
10.16628/j.cnki.2095-8188.2019.14.001
中图分类号
TM715 [电力系统规划];
学科分类号
080802 ;
摘要
电力负荷预测是电力系统设计环节"发-配-输-用"的重要工作之一。电力负荷预测结果的精度直接影响电力系统运行的安全性、稳定性和经济性,因此选择恰当的电力负荷预测方法尤其重要。回顾了电力负荷预测方法的发展历程与现状,研究了电力负荷预测的特点。系统地分析了当前电力负荷预测方法和原理,归纳出当前电力负荷预测方法主要分为线性模型方法、非线性模型方法和混合线性模型方法三种类型。通过比较不同的电力负荷预测方法提出了尚需解决的问题,同时对未来电力负荷预测方法研究方向作了展望。
引用
收藏
页码:1 / 7
页数:7
相关论文
共 43 条
[1]  
智能电网无线传感监测及负荷预测方法研究.[D].于君.太原理工大学.2015, 10
[2]   考虑关联因素的智能化中长期电力负荷预测方法 [J].
张志 ;
杜延菱 ;
崔慧军 ;
汪洋 ;
贺哲 ;
赖晓文 .
电力系统保护与控制, 2019, 47 (02) :24-30
[3]   基于数据挖掘技术的短期电力负荷预测方法 [J].
叶铁丰 ;
戴志博 ;
陈伟 ;
郑明 .
电子世界, 2019, (01) :30-31
[4]   一种基于全过程优化支持向量机的短期电力负荷预测方法 [J].
简献忠 ;
顾祎婷 .
电力科学与工程, 2018, 34 (11) :45-51
[5]   一种基于变权动态组合模型的电力负荷预测方法 [J].
王战友 ;
赵耀培 .
信息化研究, 2018, 44 (05) :31-35
[6]   基于径向基函数极限学习机的短期负荷预测 [J].
李伟 ;
徐晓寅 ;
夏坤 ;
赵子齐 ;
吕何 ;
孔政敏 .
武汉理工大学学报(信息与管理工程版), 2018, 40 (05) :509-513
[7]   一种基于RBF自适应神经模糊推理的短期电力负荷预测方法 [J].
王晓侃 ;
王琼 .
中南民族大学学报(自然科学版), 2018, 37 (03) :112-115
[8]   电力负荷预测研究综述及预测分析 [J].
杨博宇 ;
陈仕军 .
四川电力技术, 2018, 41 (03) :56-60+91
[9]   基于优化核极限学习机的中期电力负荷预测 [J].
任瑞琪 ;
李军 .
测控技术, 2018, 37 (06) :15-19
[10]   电力负荷预测方法在配网规划中的应用 [J].
赵会茹 ;
高婧瑶 ;
殷商莹 .
山东电力技术, 2018, 45 (05) :15-18+23