-
面向新能源消納能力評估的月負荷序列建模及場景生成方法研究
隨著光伏發(fā)電在電力系統(tǒng)中的滲透率不斷提升 , 間歇性與不確定性給電網調度與負荷平衡帶來了顯著挑戰(zhàn) 。針對這一問題 ,構建了融合外生變量的自 回歸積分滑動平均(ARIMAX)時間序列負荷預測模型 ,創(chuàng)新性地引入了多個外生變量 。通過單位根檢驗(Augmented Dickey-Fuller test ,ADF)確保時間序列平穩(wěn)性 , 利用 自相關函數 (Autocorrelation Function ,ACF)和偏 自相關函數 (Partial Autocorrelation Function ,PACF)分析 , 結合貝葉斯信息準則 (Bayesian Information Criterion , BIC)確定模型的階數 ,采用最大似然估計法(Maximum Likelihood Estimation ,MLE)對模型參數進行估計。為提高模型準確性 ,采用蒙特卡洛模擬方法進行典型季節(jié)和特殊時段的負荷情景分析 。仿真結果表明 ,所構建的模型能夠有效預測負荷變化趨勢 ,并為光伏消納能力評估提供精準的預測基礎。在某地區(qū)典型月份的負荷與光伏出力擬合驗證中 ,模型表現出較強的適應性和實用性。通過計算棄光率、消納率等指標 ,進一步驗證了模型在光伏消納能力評估中的有效性 , 為優(yōu)化電網調度和提升光伏消納率提供了科學依據 。該方法為提升光伏消納能力評估精度與優(yōu)化調度策略提供了高效分析工具 ,具備良好的工程推廣價值。
-
基于時間序列模型的校園宿舍用電量分析
摘要:我國高校作為電能的主要耗用者之一,存在大量使用大功率設備、學生節(jié)電意識差等問題。對高校用電量進行預測可以為高校配電網的配電計劃工作提供數據參考,達到調節(jié)電量輸送、節(jié)約能源的目的。鑒于此,對廈門大學漳州校區(qū)58幢宿舍樓進行隨機抽樣調查,并對搜集的數據基于ARMA和LSTM方法建立時間序列預測模型,預測校園宿舍未來用電量,以實現提前預警,提高大學生節(jié)電意識。實驗證明,模型能夠在大多數數據集上取得良好的性能表現。
-
一種符號化的授時偏差預測方法
摘要：提出了一種通過符號化方法對授時系統(tǒng)時間偏差進行預測的方法。該方法利用矢量擬合來表達時間序列的走勢形態(tài)，采用聚類算法對形態(tài)進行聚類，然后根據聚類結果得到符號序列，并用不完全抽取方法來抽取序列模式。預測時，可根據學習得到的模式集來對新序列做出預測分析。通過對授時系統(tǒng)誤差數據的實驗表明，該方法可以對時間偏差進行較好預測，并可對預測的數值進行校準，從而進一步提高授時精度。
