文献类型：期刊文章

作　　者：夏博[1] 杨超[1] 李冲[1]

XIA Bo;YANG Chao;LI Chong(The Electrical Engineering College,Guizhou University,Guiyang 550025 Guizhou,Chin)

机构地区：[1]贵州大学电气工程学院,贵州贵阳550025

出　　处：《电力大数据》

年　　份：2018

卷　　号：21

期　　号：7

起止页码：22-28

语　　种：中文

收录情况：普通刊

摘　　要：根据负荷预测基本流程,分别对数据预处理、模型选取、模型优化分别进行了总结分析。首先对传统的数据处理方法进行了概述,并简要介绍了新的数据处理方法。其次,将现有的短期负荷预测方法分为经典方法、传统方法和智能方法,综合分析了现有预测方法的应用原理,详细分析和比较预测方法的优点和不足之处,为了提高预测的精度,一些新的方法就因运而生,目的在于提高预测精度和适应相应各种运行条件。再次,总结分析了传统的预测优化模型,并简要介绍了现有的一些新的优化模型,这些新的优化模型计算结果相比于传统的模型精确度较高,分析了新优化模型的优点和不足之处。文章最后对了未来电力系统负荷预测提出了展望,在进行短期负荷预测时应该考虑电力市场、新能源、电动汽车相关因素的影响。

关 键 词：电力系统 短期负荷预测 数据预处理 预测方法  模型优化  

分 类 号：TM714]