中长期电力负荷预测研究综述

电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一.该文对电力负荷预测的概念及分类等问题进行了简要论述,重点分析了中长期负荷预测的特点、成熟方法,对中长期负荷预测方法进行了综述,并对负荷预测问题的研究方向提出了一些建议.     

基于LTC-RNN模型的中长期电力负荷预测方法

针对中长期电力负荷预测受限于天气、温度、节假日等多重不确定性因素影响而精度不高的难题,本文采用一种基于液体时间常数的递归神经网络,实现了中长期电力负荷的精准预测,为电力系统规划设计奠定较好基础．基于液体时间常数的递归神经网络使用膜积分器改进了神经元的状态方程,并使用半隐式欧拉算法完成对神经元状态迭代更新,解决递归神经网络的自我修正能力弱和易陷入局部最优的问题．本文以天气、温度、节假日等外在影响因素作为网络输入,构建了以递归神经网络为基础架构的中长期电力负荷预测模型,并通过隐藏层的扩展计算获得输入-输出的映射关系,以通过时间的反向传播算法实现对模型的训练,完成对神经网络参数的优化．实验中,以北方某地区的实际电网数据为例,验证该预测方法的准确性与高效性．研究结果发现,基于液体时间常数的递归神经网络对中长期电力负荷的预测准确率可达到95.3%．本模型相较于长短期记忆和连续时间递归神经网络具有更稳定的训练结果与更高的预测准确度．     

基于遗传算法的电力负荷预测

电力负荷预测在现代电力工业发展中占有很重要的地位,为了更准确的预测电力负荷,本文提出了一种新的基于遗传算法的电力负荷预测方法,简要的介绍了算法设计思路,并给出了相关的实验结果及其分析,最后通过实验说明了该算法的有效性。     

中长期电力负荷的模糊回归预测

针对中长期电力负荷预测中观测数据及负荷变化规律的模糊性，提出了一种新的负荷预测方法－模糊回归预测。该方法通过建立具有模糊回归参数的回归模型，可以直接由模糊观测数据预测出未来负荷值。文中通过实际算例验证了所提方法的可行性。     

中长期电力负荷预测中的新思路

随着电力市场改革的逐渐深入,对负荷预测的准确性要求更高。而负荷预测的方法也多种多样,这里介绍电力负荷预测技术的一些新的发展趋势。     

基于灰色系统和人工神经网络的中长期电力负荷预测

利用灰色预测需要样本数据量少、建模过程简单的特点，对中长期电力负荷进行前期预测，结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点，在考虑经济因素的前提下对输入数据进行了预处理，采用改进的BP算法最终得出了预测结果．文中的算例表明了该方法是可行且有效的．     

基于MIGA-BP神经网络的短期电力负荷预测

准确的短期电力负荷预测有助于工业生产中故障诊断和发电成本的降低.针对已有遗传算法优化的BP神经网络(GA-BP)存在局部搜索能力差的缺点,提出多岛遗传算法优化的BP神经网络(MIGA-BP),通过使种群在不同"岛屿"进化和迁移提高物种多样性,克服GA-BP算法中的缺点.将天气因素影响权重和归一化后的负荷数据输入建立的MIGA-BP神经网络预测模型,在MATLAB环境下进行仿真研究.结果表明,控制变量条件相同时,MIGA-BP模型预测误差比GA-BP模型的更小,对短期电力负荷预测更有优势.     

电力大客户负荷用电负荷预测

本文介绍了负荷预测的方法及特点,如单耗法、神经网络法、专家系统法、灰色模型法、时间序列法、回归分析法、弹性系数法、趋势外推法、优选组合预测法等.并分析了负荷预测方法的选取方法,并得出了组合灰色神经网络方法预测效果良好的结论.     

电力负荷的混沌预测方法

借助混沌分析理论介绍了电力负荷时间序列的混沌性识别技术,给出了一种基于混沌负荷序列的预测方法－基于相空间轨迹演化模式的预报模型。该方法具有预测精度高、计算速度快的优点,在短期负荷预测中可获得相当满意的结果。     

安徽省某地区中长期电力负荷预测

以安徽省某地区2007-2014年用电量数据作为训练测试样本,采用灰色预测法、人工神经网络预测法和基于人工神经网络的最小二乘支持向量机（LSSVM）预测法计算其均方误差,结果表明,用基于人工神经网络的LSSVM预测法计算出的均方误差整体上比其他2种预测法要小.选用基于人工神经网络的LSSVM预测法对该地区2015-2017年的用电量进行预测,预测数据与实际数据基本接近.     

应用灰色系统原理进行长期电力需求预测

本文从理论上分析了灰色系统预测ＧＭ（１，１）模型的适用条件。针对电力系统中电力需求增长的特点，提出了分段最优ＧＭ（１，１）模型，利用电力需求的增长与国民经济增长的相关关系，把分段最优ＧＮ（１，１）模型应用于长期电力需求预测，并用实例证明了此方法的可行性。     

也谈窃电与反窃电

分析了窃电现象频发的原因,论述了窃电所带来的危害及常见的几种窃电方式,并提出了几点反窃电的措施.     

基于BP神经网络的高炉熔渣黏度预测

建立一种BP神经网络模型来预测多元组分CaO-SiO2-Al2O3-MgO系高炉熔渣的黏度,并对其测量值进行实验验证。结果表明,采用BP神经网络模型对高炉渣黏度预测的总平均误差为2.36%,较好地解决了预测结果与实验结果之间的非线性关系,且预测结果与实验结果相吻合。     

电力企业市场营销

电力市场的营销活动是电力企业的核心业务,电力企业的生产经营活动必须服从和服务于电力市场营销的需求。从电力市场营销的内涵入手,分析了当前电力市场营销的现状和存在的问题,在此基础上,提出了形成以市场为先导,以效益为中心的观念;制定适应市场营销机制的价格体系等电力市场营销的具体策略。     

电力调度数据网的结构与技术

电力调度数据网是电力企业内部专用的传输各种实时与非实时数据的生产网。以山西电力数据网为例．介绍电力调度数据网的结构与技术。     

浅谈如何对电动机进行无功功率就地补偿

介绍了电动机无功功率就地补偿原理，通过实例对无功就地补偿的投资回收期进行了计算，从而证明电动机无功功率就地补偿是一条投资少、见效快、收益高、切实可行的、能较大幅度降低线路损耗的有效途径。     

电力信息检索在网络环境中的应用

本文重点论述了电力信息检索在网络环境中的应用，包括信息语言的改进，新型网络检索机制的应用以及受控语言与自然语言在检索中的利弊，并对电力信息网络检索策略进行了研究。     

电厂建筑方格网的测量

讨论了电厂建筑方格网的建立方法及特点，并以某电厂为例介绍了建筑方格网的实际测设步骤。     

基于混沌的电力系统模型研究

本文首先应用Melnikov方法对一互联电力系统的混沌振荡机理进行分析计算，,gg推导出系统出现混沌性态的充分条件，井通过计算机仿真实验证实该条件的有效性，为将混沌分析应用于电力系统模型进行了有益的探索。     

电力市场中周末边际电价预测方法研究

针对周末边际电价的特殊性，采用相似搜索和人工神经网络(ANN)建立了预测周末电力市场边际电价的数学模型，并运用Matlab 6．5中的神经网络工具实现了预测模型。实例计算的结果表明该方法有效。