用遗传算法拟合电力系统负荷短期预测的非线性模型

本文运用遗传算法，根据河北省１９８５—１９９０年春节期间每小时用电量的统计数字，建立了非线性回归模型（Ｇｏｍｐｅｒｔｄｚ），结果表明，遗传算法性能良好，可望成为电力系统各种非线性模型辨识的有效手段。     

基于季节ARIMA模型的电力系统负荷短期预测

电力负荷是影响电网寿命和可靠度的一个重要因素,其月负荷变化具有明显的周期性.介绍了应用季节ARIMA模型进行电力负荷建模预测的理论和方法,将季节ARIMA模型应用于电力系统负荷短期预测,测试结果证明了方法的有效性.     

考虑风电出力及负荷预测误差的安全经济运行模型

充分考虑了风电并网和负荷预测不确定性,引入净负荷的概念,实现对风电和负荷预测误差发生概率的综合考虑。通过场景概率的研究,以包括确定性成本和随机性成本在内的综合调度成本最小化为目标函数,构建安全经济运行模型。算例分析表明,本文构建的随机安全运行计划模型相比于传统的确定性模型能够更有效地降低系统运行成本,结果同时显示,根据系统容量和负荷需求合理配置风电装机容量,是减少弃风量、提高供电可靠性的重要手段。     

基于LM算法的BP神经网络的电力负荷短期预测

通过对BP神经网络输入负荷值的归一化处理,同时采用Levenberg-Marquardt(LM)算法,建立了一个改进了的BP神经网络,同时用它来对电力系统进行短期负荷预测.LM算法有效地提高了BP神经网络的收敛速度和负荷的预测精度.仿真结果表明,改进了的BP神经网络具有很高的预测精度和较强的适用能力.     

电力负荷预测的遗传神经网络模型研究

根据电力负荷预测的特点,提出遗传神经网络负荷预测模型,有效地克服了人工神经网络学习速度慢、存在局部极小点的固有缺陷,经实例验证,该方法能有效地提高预测精度和速度。     

用于动态无功补偿的无功功率超短期预测方法

钢铁企业配电网中大量的非线性和冲击性负荷严重影响企业电网的电能质量及相关设备的使用寿命.充分考虑了冲击性负荷的特点,在带时变噪声统计估值器的Sage-Husa自适应滤波算的基础上,提出了一种改进Sage-Husa自适应滤波超短期预测算法.改进后的算法可以正确估计系统的输入噪声方差Q和测量噪声方差R,提高了预测准确度,同时继承了原算法的优点,计算速度快,存储量小,适合于在线应用.某钢铁企业轧钢车间部分供电母线的实际预测结果表明:该算法预测精度较高,计算速度快,可用于指导无功动态补偿,提高电压合格率和电气节能效果.     

近代非线性回归在电力系统负荷短期预测中的应用

本文就河北省１９８５—１９９０年春节期间每小时用电量的统计数字用非线性回归模型（Ｇｏｍｐｅｒｔｄｚ）处理了６年中同日同一时间的耗电量，建立了回归模型，并预测了１９９１年同一时间的用电情况。实际表明本文的结果是可信的．     

股市的灰色预测

本文应用“灰色预测”于股票市场的预测,发现灰色预测在短期预测中富有很高的效率。     

基于EEMD的LS-SVM和BP神经网络混合短期负荷预测

提出了基于总体平均经验模态分解(EEMD)、最小二乘支持向量机(LSSVM)和BP神经网络的实用综合短期负荷预测方法,进行电力系统短期负荷预测.首先运用EEMD方法将非平稳的负荷序列分解,然后根据分解后各分量的特点选用最佳的核函数,利用最小二乘支持向量机分别对各分量进行预测,最后对各分量预测结果采用BP神经网络重构得到最终的预测结果.对实测数据的分析表明基于该综合方法的电力系统短期负荷预测具有较高的精度.     

基于小波变换和改进萤火虫算法优化极限学习机的短期负荷预测

提出了一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法.通过小波分解和重构,对原始负荷序列进行降噪;在模型训练阶段利用改进的萤火虫算法优化极限学习机参数,获得各序列的最优模型;针对各子序列分别预测叠加得到最终预测值.通过在两种时间尺度的数据序列上进行数值计算,与传统的ARMA、BP神经网络、支持向量机及LSSVM等多种经典预测模型相比,模型预测效果更优.     

最优组合预测的短期气候预报建模研究

以预报量序列建立均生函数短期气候预报模型及根据500hPa月平均高度场预报因子分别建立的BP网络模型、回归预报模型为基础,用"误差绝对值和最小"作为最优准则,建立月平均降水量的短期气候组合预测模型.采用线性规划方法计算得到组合预测模型的各权系数,对这种短期气候组合预测模型的预报能力进行了分析研究,结果表明,该组合预测模型的预报精度优于各子方法,具有很好的应用价值.     

基于稳健回归的电网高峰负荷预测模型应用

在分析高峰负荷特点的基础上,建立了基于稳健回归模型的高峰负荷预测方法。该方法具有较强的稳健性,适应异常情况下的样本数据,能保持较满意预测精度。通过对辽宁省2002年电网负荷数据的预测模拟,验证了本文高峰预测方法的有效性。     

基于熵值法的组合预测模型及其在高峰负荷预测中应用

组合预测可以综合利用各单一预测方法所提供的信息,是提高预测精度的有效途径.本文在指数平滑预测法及灰色预测方法的基础上建立组合预测模型,采用熵值法确定组合权系数,并对某电网高峰负荷进行了预测.实例表明,此模型具有很强的实用性和很高的预测精度.     

顾及降雨及温度因子的卡尔曼滤波模型

考虑到处于不同位置的滑坡变形监测点,由于它们所处的位置不同,各种环境因素对它们的影响及影响程度也不同,因此它们的变形规律也不同.首先通过计算比较找出剩余标准差最小的变形与时间、大气降雨量、温度相关关系的单因子模型,再将这些单因子模型通过叠加,组成多因子模型,然后将变形与时间、大气降雨量、温度相关关系的多因子模型的模型参数看作含有动态噪声的状态向量,建立卡尔曼滤波模型.实例计算表明这种建模方法效果较好.     

基于因素影响的电力消费预测研究

深入研究了国内生产总值、人口及电力价格指数等因素对电力消费的影响,建立了因素影响的电力消费预测模型,确定了算法,以新加坡电力消费及其影响因素的实际数据为背景进行了实证研究,说明了该方法的有效性。     

A Bayesian Approach to Short-term Forecasting

A new approach to short-term forecasting is described, based on Bayesian principles. The performance of conventional systems is often upset by the occurrence of changes in trend and slope, or transients. In this approach events of this nature are modelled explicitly, and successive data points are used to calculate the posterior probabilities of such events at each instant of time.The system produces not only single-figure forecasts but distributions of trend and slope values which are relevant to subsequent decisions based on forecasts.     

神经网络优选组合预测模型在电力负荷预测中的应用

针对以往的组合预测模型中，最优权重不能保证非负性的问题，引入了神经网络优选组合预测模型。实例验证表明，此模型具有很强的自适应性和较高的预测精度。