电力负荷预测的一种综合方法

在电力负荷预测的数学方法中，有多种预测模型，因而有多个预测结果，目前还没有令人满意的方法，用来确定出其中最接近实际的结果，另外，大多数的预测样本都存在着数据失真，直接导致预测结果失真，这些都较大地影响了预测的准确性，本文提供了一种筛选方法，对模型和样本数据进行过滤。     

用于H.264宏块预测模式决策的失真度量方法

H．264中常见的预测模式决策算法以简单但不大符合HVS（人类视觉系统）特性的SAD（残差绝对值和）或SSD（残差平方和）作为主要选择依据。首先了提出一种基于模糊积分的图像失真度量及其快速计算方法，该度量将评价图像失真作为1个多维评价过程。其次，使用该度量准则在H．264视频编码算法中进行宏块预测模式选择。实验结果表明，所提出的图像失真度量方法比较符合HVS特性，并且因为其计算简单，使得该度量能够用于诸如H．264等视频压缩领域中。     

基于图像内容失真的全参考视频质量评估方法

利用图像梯度可反映图像的空间结果及图像相关系数能够反映人眼的空间复杂度掩盖特性的性质,提出根据失真图像梯度与参考图像梯度间的相关系数来反映图像的内容失真,然后结合图像的亮度失真来评价图像质量的方法．使用该质量评估方法测得的失真视频客观质量评分与其主观质量评分有很好的一致性．     

卫星通信中一种快速RPEM 算法

记忆多项式预失真能够有效地补偿卫星信道的非线性失真,但存在收敛速度慢的缺点．将RPEM算法应用于卫星记忆多项式预失真中,提出了一种快速收缩递归预测误差算法．该算法通过利用Shrinkage方法和L₁范数与L₂范数差值最小化公式,获得了噪声自由先验误差与噪声自由后验误差的关系,推导了一种最佳遗忘因子,有效地提高了收敛速度．仿真结果表明,收缩递归预测误差算法能够有效地抑制信号的星座扭曲和频谱再生,解决了非线性失真的问题,同时在几乎不增加计算复杂性的基础上,能够获得较快的收敛速度和较好的稳定性．     

一种模拟预失真线性化射频放大器

通信技术的发展带动了高线性射频放大器的需求，改善线性的方法通常有功率回退法、反馈法、前馈法和预失真法。预失真法与其它方法相比有其自身的优点而受到设计人员的青睐。文中设计了一种反向并联二极管结构的预失真器，并同时采用复增益控制调节器对Agient公司的放大器ATF34143进行预失真线性化仿真。仿真结果表明在1．9GHz频段，三阶互调失真减小了45dBc。     

电梯能耗的混合预测控制方法

目的为实现电梯群控系统的最佳派梯调度及节约能源提供重要的决策依据．方法针对电梯能耗的预测问题，分别讨论了基于ARMA模型的预测算法和基于径向基函数（RBF）神经网络的预测方法．在此基础上，提出了一种将ARMA模型预测与RBF神经网络预测相结合的混合预测方法．新方法综合了两种算法的优点．能较好地满足电梯能耗的预测要求．探讨了新方法在电梯能耗预测中的应用情况，根据电梯实测数据进行了仿真试验，对实际能耗和预测能耗进行了比较和误差分析．结果达到了预测速度较快、预测精度较高的效果，验证了该方法的可行性．结论该混合预测方法应用于电梯能耗的多步预测时，具有较好的预测性能．取得了较好的预测结果．     

一种用于射频功率放大器自适应控制的RLS算法

研究了一种用于线性化RF功率放大器的自适应预失真技术,并给出了分析和仿真结果．得出结论为：分析表明功放输出的邻信道功率(ACP)是预失真器系数的二次函数;利用了新的自适应算法即使用预测的ACP曲面以提供更快的收敛速度;仿真结果表明,3阶产物可获得20dB以上的改善,5阶产物可获得10dB以上的改善．     

弹载SAR图像几何失真校正方法

探讨了装载在导弹上的侧视合成孔径雷达（SAR）在导弹下降飞行过程中所获取图像的几何失真校正问题．根据导弹在要求合成孔径雷达成像期间内的飞行特点．建立了SAR工作的空间几何模型；由于成像过程中．弹体高度不断减小．SAR图像存在严重的几何失真．根据成像过程中的几何关系，提出了采用子孔径RD算法获得的SAR图像几何失真的校正方法，通过仿真验证了该方法的正确性．     

高分辨率卫星遥感影像失真探测方法研究

高分辨率卫星遥感影像在成像、传输、处理等阶段会不可避免地形成模糊失真与噪声失真。目前对于这些失真的探测主要采用传统的客观探测指标,效果优劣不一,限制了影像失真探测在影像筛选与影像数据质量控制方面的应用。借助实验数据探究了不同的影像单一失真探测指标对常见的模糊失真与噪声失真的探测效果,根据初步结果选取最佳指标,再通过实验比较不同探测指标对不同影像失真的探测效果。同时,在已有研究基础上探究了一种基于灰度预测误差的失真探测方法,实验结果表明该方法对影像的模糊失真和噪声失真具有较高的探测灵敏度。     

双站SAR图像几何失真校正方法研究

针对双站合成孔径雷达(SAR)中由于发射机、接收机斜视角和速度的不同导致获取图像存在几何失真的问题,提出了一种基于坐标尺度变换的双站SAR图像几何失真校正方法．首先根据双站SAR的几何关系,详细分析了目标的斜距历程．采用等效相位中心原理,将双站SAR模型等效于单站SAR模型,结合RD成像算法,建立了几何失真校正的数学模型．最后通过该数学模型,对静止二维点阵目标的成像结果进行了几何失真校正,校正结果与地面设定的场景完全一致,从而验证了该校正方法的有效性和正确性．     

Minitab统计软件在电量需求预测中的应用

利用Minitab软件中的时间序列预测方法,对西北电网电量需求进行外推预测,并与灰色预测结果进行比较,结果表明利用Minitab进行电量需求预测,预测精度较高.     

风电功率概率预测研究综述

从风力发电被人们应用起,风电功率预测一直是研究的热议话题.由于风能自身的波动起伏、随机不定,导致风电功率具有一定的不确定性.目前风电功率大部分研究针对其点预测,但考虑风电功率固有的波动特性,其点预测的预测精度有限.然而准确可靠的风电功率预测对于电力系统运行是必不可少的.鉴于风力发电的不确定性,概率预测提供了一种独特的方案,即:提前估算和量化风电并网对系统运行潜在的影响以及风险.故风电功率概率预测将会成为风电功率预测的热门方向.文中归纳总结了风电功率概率预测已有的研究成果,并对风电功率概率预测未解决问题及将来发展趋势进行展望.     

灰色模型GM(1,1)及其改进模型在短期特殊日电力负荷预测中的应用

讨论了灰色模型GM (1 ,1 )及其改进模型在短期电力负荷预测中的应用 ,采用ARI MA(p ,d ,q)模型与GM(1 ,1 )改进模型对特殊日电力负荷进行组合预测 ,提出了适合电网特殊日电力负荷预测的数据处理方法 ,提高了预测的精度 .准确度可达 95 %以上 ,解决了每日2 4点正点采样情况下预测精度较低的问题 .     

电力市场分析预测方法探讨

笔者根据多年从事电力负荷预测的经历和感受,简单介绍了电力市场分析预测的几种方法,然后重点阐述了电力市场分析预测方法针对不同地区的应用,为如何更好地作好电力市场分析预测提供便捷。     

基于BAGGING算法和BP神经网络的电力系统负荷预测

电力系统负荷预测关系到电力系统的控制和运行计划,精确的负荷预测有助于提高系统的安全性和稳定性,从而可以提高电力系统的经济效益。电力系统负荷预测问题具有的数据量大、影响因素多等特点,使用单个BP神经网络进行负荷预测时,预测结果随机性大、精度低。本文把BAGGING算法思想与BP神经网络相结合起来,通过生成一组BP神经网络模型,挑选最好的网络模型最为最终的预测模型,进行负荷预测,以提高负荷预测能力。     

基于改进的模态分解和组合预测模型的短期负荷预测

短期负荷预测是电网调度计划重要的支撑依据,同时短期负荷预测的预测精度也是电网系统安全稳定运行的基础和前提。文中提出了基于改进的模态分解和组合预测模型(EEMD-组合模型)的预测思想,实现对短期电力负荷的精准预测。首先利用改进的模态分解实现对历史序列分解,挖掘不同频段序列的负荷特性以及与影响因素的关联关系,然后针对不同频段的序列使用不同的预测方法,最终集成整体预测结果,并使用均方根误差和平均相对误差进行测后评价,同时与其他预测模型进行对比。结果表明EEMD-组合模型可以很精准地预测未来负荷变化情况。     

基于RWT-SVM的台区配电网日前负荷预测研究

日前负荷预测对于制定合理的调度计划,保证电力系统安全可靠具有重要意义.电力负荷时间序列通常存在随机误差,而基于智能算法的预测模型为了充分提取负荷信息,结构复杂、计算量大.为此,本文利用台区配电网的历史电力负荷时间序列,提出一种基于重复小波变换-支持向量机（RWT-SVM）混合模型的日前电力负荷预测方法.该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列;利用平均绝对误差（MAE）计算每个子序列的预报误差贡献度;对MAE最大的序列进一步分解,从而提升模型的预测能力,得到精度更高的预测结果.仿真结果表明,RWT-SVM混合模型的预测精度高于三种对比方法.     

基于v-SVR的短期电力负荷预测

提出了一种改进支持向量机(v-SVR)的电力系统短期负荷预测方法;将RBF和多项式函数作为核函数,进行了预测研究。研究结果表明,方法要比BP和模糊聚类方法具有很高的预测精度,方法是可行和有效的。     

配电网供电可靠性评估预测系统

介绍了深圳配电网供电可靠性评估预测系统的体系结构,阐述了各层结构的功能和实现思路,为可靠性评估预测应用于电网生产实际建立了一套实现机制,以便于提高城市电网供电可靠性,并提高电力公司可靠性的控制和管理水平.     

改进GM（1，1）残差修正模型在光伏发电量短期预测中的应用

采用改进的GM（1,1）残差修正模型建立光伏发电量预测模型,从理论发电量和实际发电量两方面对5．6kW太阳能光伏发电系统的发电量进行预测．通过对比GM（1,1）模型和改进的GM（1,1）残差修正模型的预测结果,证明采用改进的GM（1,1）残差修正模型预测短期太阳能光伏发电量能够取得更好的预测效果．