共查询到17条相似文献,搜索用时 46 毫秒
1.
利用目前方法预测电力系统短期负荷时,存在电力负荷预测误差大的问题,为此提出了考虑风电出力的电力系统短期负荷自动预测方法。由于风电出力具有不稳定性,所以该方法在预测负荷前先分析了风电出力特性,以此提升不同风电出力情况下的电力负荷预测效果。基于分析结果采集负荷数据,对相同时间下的负荷采集数据进行归类,以此为输入构建BP神经网络预测模型,利用预测模型对归类数据进行处理,最终利用该模型实现电力系统短期负荷的预测。实验结果表明,所提方法的短期负荷预测有效性强、预测精度高。 相似文献
2.
针对径向基函数网络在电力系统负荷预测中隐含层节点数难求问题,提出一种改进的RBF神经网络,采用最近邻聚类学习算法自适应的调整径向基函数中心的宽度值和权值,可提高收敛速度和精度。实例仿真结果证明有效性和可行性,为电力系统负荷预测提供了一种新途径。 相似文献
3.
4.
针对电力负荷历史数据中异常数据点影响电力负荷预测精度的缺陷,研究基于电力负荷历史数据挖掘的负荷预测算法。选取K means聚类算法挖掘电力负荷历史数据的属性特征量,检测其中所包含的异常数据点,选取灰色系统理论中的GM(1,1)模型修正电力负荷历史数据中的异常数据,利用完成修正的电力负荷历史数据建立训练集以及预测集,将训练集样本输入支持向量机中,利用支持向量机所具有的非线性映射能力映射样本至高维空间内,获取支持向量机最优阈值,将预测集输入具有最优阈值的支持向量机中,获取精准的电力负荷预测结果。所研究算法可实现长期、短期、超短期电力负荷的预测,且预测的精准性及速度较为优越。 相似文献
5.
针对传统负荷预测模型对高维非线性电力负荷的特征提取效果不理想的问题,为有效提高电力负荷短期预测精度,提出了基于模态分解-PSO-DNB深度学习的负荷预测模型。结合模态分解方法和PSO算法特征并充分融入到深度学习模型中,构造了量化深度学习模型训练效果的误差评价函数,由此建立短期负荷预测的系统模型。以某地区电网监测的电力负荷数据开展短期预测研究,通过算例效果表明,所提的预测方法可实现24 h内滚动式短期电力负荷预测,且预测误差能控制在合理范围内,相较于传统负荷预测的方法更能提升预测精度。 相似文献
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
以SGZ1250/2400型刮板输送机为对象,对设备的主要结构参数及其工作原理、实践应用中存在的问题进行了简要分析。设计了调速方案,首先利用卷积神经网络并结合某时刻电机电流和齿轮啮合频率峰值数据,对设备的负载大小进行预测,然后利用模糊PID控制技术对设备的运行速度进行调节控制,以达到降低设备能源消耗的效果。经实验测试发现,卷积神经网络可以对设备负载进行精确控制,平均误差为438%,模糊PID控制技术充分发挥了PID控制和模糊控制的优势,具有很高的控制精度和稳定性,调速系统中使用的主控制器型号为S7-300型PLC控制器。将基于负载预测的调速系统应用到刮板输送机工程实践中,现场测试结果证明,各项功能都能够实现,达到了预期效果,使设备的故障率和电能消耗分别降低了10%和134%左右 相似文献
17.
负荷波动范围预测决定了电力系统是否处于平稳运行状态,为此提出一种基于优化变权组合模型的配电网中台区负荷波动范围预测方法。考虑负荷信号数据的横、纵向数据特征,运用固定阈值门限准则确立阈值大小,构建加权平均阈值函数,反归一化处理得到去噪后的负荷波动数据;分析数据观测序列,将组合预测偏差的最低绝对值作为推导原则,获得单项预测法与组合预测法的预测偏差,引入目标函数创建台区负荷波动范围预测模型。实验结果表明,所提方法能准确分析外部环境对负荷波动范围的影响,预测精度高,实用性极强,为配电台区的高效稳定运行发挥应有作用。 相似文献