简介：负荷预测是电力市场技术支持系统的一个重要组成模块，对电网的安全、经济运行具有重要的意义。负荷预测主要综合考虑系统的运行特性、社会影响、自然条件以及增容决策等因素，在历史负荷数据的基础上，进行一系列数学计算，在满足一定精度要求的情况下，得出未来某特定时刻的负荷值。传统短期电力负荷预测方法易受随机因素的干扰，尤其在小水电分布众多的地区预测精度不高。文章针对短期负荷预测的特点，将数据挖掘技术引入短期负荷预测中，并给出了系统的解决方案，可应用于小水电众多的电网环境或类似环境。实例运算表明该系统可有效地提高预测精度。

简介：分析了积温效应的2种表现形式：多日积温效应和两日积温效应，提出了考虑积温效应的夏季负荷组合预测方法。该方法充分考虑积温效应的2种表现形式，建立了3种温度的修正模型；为了提高预测精度，采用基于多元线性同归法、BP神经网络和支持向量机的组合预测方法。以江苏某地区的负荷数据作为历史数据，采用基于最小二乘法优化的模拟退火法求解最优参数对温度进行修正，并将修正之后的温度代入组合预测模型中预测负荷，结果表明，预测精度高，可以满足系统调度人员的需要。

简介：分析了江苏连云港地区春节期间特别是除夕负荷曲线的形状、走势和特点，综合考虑天气、重大事件、历史负荷等对春节期间负荷变化的影响，针对春节负荷应用一种自适应神经网络负荷预测方法。该方法通过选取人体舒适度相似的节假日、历年相似日、前一日的负荷数据预测当日负荷，以提高预测精度。算例表明，该方法有效地提高了春节负荷预测的精度，弥补了传统算法除夕负荷预测误差大的问题。

简介：通信基站用电池组系统质量比较大，将其安装在楼层上时，设计及布局对建筑物本身的安全有着较大影响。本文对通信用户提出的负荷要求进行了分析计算，为电池组的设计和布局提供了理论依据。

简介：电网短期负荷预测的精确性对电力市场具有关键作用.根据电网负荷特性,将电网负荷划分为两部分,基本负荷分量和由气象因素引起的随机波动负荷.对基本负荷分量采用混沌动力学理论预测;对气象敏感负荷的预测首先引入人体舒适度指数表征各种气象因素的影响,设置舒适度等级,进而对负荷进行聚类分析,不同类型日的聚类类别作为BP神经网络的输入.仿真结果表明该电力负荷短期预测模型具有较高的预测精度.

简介：介绍电能计量自动化系统在停电管理、配变重过载管理工作中的作用以及该系统在配网规划和业扩报装的辅助作用，阐述该系统利用其庞大的数据量，结合工作经验和实际需要，将其拓展应用到负荷管理工作中，规范了电力需求侧管理，提高了工作效率。

简介：精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度。提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层。增强了Elman神经网络的动态信息处理能力。仿真结果表明，改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman，同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。