基于IHMF算法的火电机组短期负荷预测研究

• 作者: 王力光 封亚钊 王涛 司风琪
• 来源期刊: 能源研究与利用
• 学科: 工学
• 关键词: 负荷预测 相似性 历史数据匹配预测算法
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 电气工程及综合能源系统
• 页码范围: 47-50
• 页数: 4页
• 分类号: TK08
• 语种: 中文

摘要

文中以660 MW燃煤发电机组为研究对象,提出了一种改进的基于历史数据匹配预测算法(Improve History Matching and Forecasting algorithm,IHMF)的机组短期负荷预测模型.IHMF 算法利用日负荷的相似性特征,通过加权欧氏距离法同时对负荷差分序列和原始负荷序列进行相似性匹配,基于归一化后的和最小原则获得最相似日的负荷序列.算例测试表明:IHMF 算法180 min 内最大预测误差为6. 875% ,远低于HMF 算法最大预测误差12. 704% .此外,IHMF 负荷预测模型在较长时间的连续状态下能够较好地预测出未来负荷的变化.文中所提的IHMF 负荷预测模型可有效应用于电站实际生产,方便运行人员依据负荷预测结果提前制定机组运行计划与生产方案.