考虑气象信息的节假日负荷预测

因负荷成分与正常日有较大差异且样本较少，故节假日短期负荷预测精度往往不太理想。通过对节假日负荷特性的分析,考虑到节假日负荷影响主要受负荷自然增长及天气等因素的影响较大，文中采用相似日方法和模糊推理分别预测负荷曲线模式和负荷水平。通过对实际系统负荷进行预测，结果表明预测精度较高，尤其在气象出现较大变化的节假日能够得到较好的预测结果。     

基于多分辨率SVM回归估计的短期负荷预测

针对短期负荷预测支持向量机（SVM）方法的局部逼近能力和泛化能力进行研究，将多分辨率支持向量机（M-SVM）用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点，设计了负荷预测数学模型，采用96条回归曲线进行日负荷的曲线预测，并在该模型的基础上采用实际数据进行验证，分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。     

基于预测误差分布特性统计分析的概率性短期负荷预测

现有短期负荷预测方法一般只能给出确定性负荷预测结果，难以满足电力市场中不确定性风险分析决策的要求。文中提出了一种基于负荷预测误差特性的统计分析的概率性预测方法。该方法首先从时段与负荷水平2个联合维度上建立了对预测误差分布规律进行统计分析的模型，并提出了检验该统计规律有效性的原则和方法;将验证后的预测误差统计分布规律与确定性的负荷预测结果相结合，即可得到概率性的负荷预测结果。基于该结果，还能求取某一置信水平下的预测负荷曲线的包络线。结合实际电网数据验证了所提出方法的有效性和实用性，为概率性短期负荷预测提供了一条可行的新思路。     

多层分区空间负荷预测结果综合调整的区间方法

提出了一种新的能计及不确定性因素的空间负荷预测结果综合调整的区间方法。首先建立了多层分区的空间负荷预测区间模型，将预测单元分为总量层、数据收集层和仿真层，既能结合趋势法和仿真法的优点，又能在保证足够土地划分解析度和预测精度的前提下有效控制数据收集的工作量。然后提出了基于该模型的空间负荷预测综合调整区间方法，这是一种在信息不完备条件下的负荷分布估计方法，解决了实际中空间负荷预测结果综合调整的难题。最后通过实例说明了该方法的实用性和有效性。     

耦合联动分析理论的多调峰指标水电短期调度模型

构建适应性调峰模型是发挥水电优质调峰作用,动态适应不同电网负荷特点的关键问题之一。本文综合考虑4种调峰压力指标,引入经济学联动分析理论对指标数据序列进行平稳性和因果关系检验,明了指标间的联动变化规律,采用回归分析量化相互影响关系,以根据电网负荷需求自适应确定多调峰指标耦合建模方式,减小以往主观选取调峰指标和权重系数可能产生的不利调峰结果影响。以某水电站参与省级电网调峰为例,给出了不同典型日负荷、不同单一调峰指标模型的对比分析案例,结果表明通过多个调峰指标的联动分析构建发电优化调度模型能够更客观地描述电网的综合调峰要求,与多个常规单一调峰指标优化模型相比,调峰结果得到显著改善。     

一种实用的超短期负荷预测曲线外推方法

超短期负荷预测对电网功率平衡控制具有重要作用。文中针对超短期负荷预测特点，提出一种基于曲线模式分析的曲线外推方法，并讨论了历史坏数据处理以及对当前负荷水平的特殊处理等实用性问题,以保证预测结果的稳定性。通过对几个实际系统的应用结果表明，该方法速度快，精度高，运行稳定可靠，同时具有较强的适应性。     

基于区域负荷的配电网超短期负荷预测

建立了以馈线开关为节点、以馈线为边的配电网简化模型，并采用负荷作为节点和边的权，给出了节点的负荷与边的负荷的关系。采用对负荷历史数据和温度历史数据进行统计分析的方法，对超出历史温度范围的情形采用最小二乘法拟合，得出了配电区域的超短期负荷预测结果，利用节点的负荷与边的负荷的关系进一步得出全配电网的超短期负荷预测结果。配电网运行方式的改变并不影响所提出的方法的预测精度。实际应用结果证实了所提出的方法的可行性。     

短期负荷预测方法的研究及在线应用

根据邯郸地区的负荷特点，将负荷预测分为正常日和节假日两种预测模型。在正常日预测中，采用基本负荷 加修正负荷的思想，修正负荷通过自组织人工神经网络训练得到；在节假日预测中，采用将历史负荷按“近大 远小”加权平均的思想。同时，应用最小二乘递推算法修正模型，进行在线预测。此外，还开发出相应的软件 包用于实际预测工作，并根据邯郸地区的实际情况，通过对MIS中公共数据库的访问，实现了负荷、气象数 据的自动获取和录入，减轻了运行人员的负担。     

西安城市生活需水量预测

根据西安市过去若干年生活用水量的统计资料，分别采用一元线性回归、生长曲线、GM（1，1）灰色系统模型和人均综合生活用水定额法对西安2010年、2015年城市生活需水量进行预测，并对各种方法的预测结果进行分析比较，认为生长曲线模型的预测结果比较合理，确定了西安2010年、2015年城市生活需水量范围。     

灰色模型在短期电力负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务，根据不同的预测对象，常用的方法有概率统计法、时间序列分析及灰色系统等等。文章讨论了灰色模型GM(1，1)及其改进模型在短期电力负荷预测中的应用。采用ARIMA(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。准确度到了95%以上，解决了每日24点正点采样情况下预测精度较低的问题。     

基于输入空间压缩的短期负荷预测

由于影响负荷预测的因素复杂，并且实际获取的历史数据有限，传统的智能预测方法往往达不到工程应用的精度要求。为解决该问题，文中提出一种准确预测电力系统短期负荷的新思路：首先建立负荷输入特征选择模型，其搜索方法采用浮动搜索算法，在去除影响负荷预测的冗余特征之后，利用有限样本学习的统计学习理论（支持向量机）构造负荷预测回归模型，充分发挥其在解决有限样本、非线性中体现出的优势，较好地提高了评估结果的精度和泛化能力。在EUNITE网络中的应用结果证明了该方法对电力系统负荷预测的有效性。     

短期负荷预测相关因素的自适应训练

提高预测精度是短期负荷预测的基本目标。目前已提出了处理相关因素的规范策略和短期负荷预测的综合模型。在此基础上，将自适应训练的思想引入到短期负荷预测相关因素处理中，提出了相关因素自适应训练的若干概念，并分析了自适应训练中的基本问题，给出了短期负荷预测过程的抽象化模型，提出了两种训练负荷相关因素的算法：摄动算法和遗传算法，最后比较了这两种算法的优缺点。算例分析表明，通过自适应训练相关因素，实际预测的效果得到显著改善。     

不同模态分解方法结合LSTM模型对日径流预报的影响

针对日径流序列不平稳性与波动性的特点，尝试将模态分解和深度学习组合预测方法引入至日径流预报。首先，采用完整集合经验模态分解方法对日径流时间序列进行分解，得到不同频率成分的模态分量；其次，为不同的模态分量构建长短期记忆神经网络日径流预测模型，并采用网格搜索参数寻优算法优化预报模型的超参数；最后将各模型预报结果进行模态重组获得日径流预报结果。以宜昌水文站日径流预报为研究实例，所构建的组合模型较单一长短期记忆神经网络的和分别降低了65.02%、58.35%与2.88%,且运用完整集合经验模态分解方法的分解效果优于传统的模态分解方法，为短时间尺度下的非线性和非平稳的日径流预报提供了新的方法和参考。     

人工神经元网络用于负荷静态综合特性辨识

负荷建模是一个重要而困难的问题，其模型结构一般由经验或机理方法确定(对综合负荷一般靠经验确定)，而参数则由辨识获得。对综合负荷，在经验不足的情况下，很难得到好的模型结构。本文介绍采用人工神经元网络(ANN)进行负荷静态综合性辨识的初步结果，并与阻尼最小二乘法(Marquardt法)进行了比较分析。算例表明，用ANN进行负荷静态综合特性辨识可得到十分准确的结果。     

网格化的电力系统短期负荷预测的MDRBR模型

针对大电网的短期负荷预测，建立了按地域划分的网格化电力系统短期负荷预测模型。各子网格根据自身的历史负荷和气象条件建立对网格更为有效的负荷预测模型，并采用了面向粗糙集的默认规则挖掘算法（MDRBR——mining default rules based on rough set）构造各单一预测模型，从而获得更加准确的预测结果。文中首先描述了MDRBR算法，然后分析研究了网格化的日负荷多层规则网络构造过程，并给出了基于MDRBR算法的日负荷预测过程以及对某地历史数据的负荷预测结果。分析结果表明，该网格化负荷预测模型能更加准确地得出预测结果，有效地减少噪声，计算简单，且规则搜索效率高。     

EMS中负荷预测不良数据的辨识与修正

分析了实际电力系统中负荷异常数据的主要成因，并针对2类主要的坏数据各自的特点，分别使用不同的方法处理负荷预测样本数据。针对自动化系统故障造成的坏数据，提出了具有负荷预测应用特点的总加值动态多源处理技术，从而能够充分利用采集设备或网络通道对负荷总加值而言的多重冗余配置；针对大负荷的突发性偶然波动造成的坏数据，采用对电网终端负荷的逐一扫描辨识，部分避免了对单一总加数据预处理的误判和漏判。     

灰色动态模型群法及其工业取水量预测应用

对于信息丰富、数据较多的原始数列，采用灰色动态模型群法进行预测，考虑近期信息对未来的影响，可避免单一灰色模型容易利用不稳定信息的缺陷，使预测精度更加准确。本文介绍灰色动态模型群法的建模原理，并利用该方法对济南市工业取水量进行了中长期预测。通过与实际值及其它方法对比表明，该方法预测结果可靠，受人为因素影响较小，实用方便。     

两种短期负荷预测精度考核标准的比较

负荷预测精度是对电网的负荷预测结果相对于实际发生负荷的偏离程度的事后衡量指标，是电力主管部门促进各级负荷预测部门提高负荷预测精度的考核手段之一。现行的两种考核标准还存在一些问题。文中主要对日负荷预测准确率和日合格点百分数进行了比较分析，揭示出这两种考核指标之间的内在联系，并对存在的问题进行了针对性研究，界定了这两种考核标准的适用范围。在对实际负荷进行概率统计分析的基础上，初步给出了针对具体电网负荷变化的规律性制定考核标准的参考方案，并验证了其可行性。     

电力市场中预测问题的新内涵

传统的负荷预测是电力系统规划与运行的基础工作，电力市场化的改革对负荷预测提出了更高的要求，赋予其新的内涵。文中探讨了电力市场中的预测问题，分别针对发电侧竞价和用户侧开放的电力市场，提出了一些新的预测内容和预测思想，包括扩展短期负荷预测、连续多日负荷曲线预测、电力市场价格预测、市场风险预测与评估、考虑需求侧管理影响的电力需求预测、用电需求曲线预测、基于价格弹性的需求预测等，指出了这些预测问题的研究热点和难点,探讨了未来的主要研究方向。     

基于改进相关向量机算法的短期电力负荷预测方法研究

由于短期电力负荷存在随机性强、影响因素多、预测精度低等问题,在充分考虑气温、日期、节假日等影响因素的基础上,深入研究预测模型,对单一预测模型进行了改进,提出一种将相关向量机与深度置信网络相结合的短期负荷预测方法。通过相关向量机对电力负荷周期变化的通用模型进行建立,在通过深度置信网络建立其误差补偿模型,使用误差补偿模型补偿通用模型的预测误差,提高电力预测的准确度。通过仿真对模型改进前后的有效性和准确性进行验证。研究结果表明,改进后的方法大大提高了短期负荷预测的准确性,无论是否计及气温,都可以实现高精度的预测。降低了负荷因素中一些随机噪声对电力负荷预测的影响,提高了模型的适用性和可靠性。该研究为我国电力负荷预测的发展提供了参考和借鉴。