应用函数联接网络预测电力系统短期负荷

采用函数联接的神经网络进行电力系统的短期负荷预测。将输入模式映射到维数更高的模式 空间，使在原空间中不可分的问题，在更高的空间中成为可分，从而只须采用无隐含层的平 面网络即可进行电力系统负荷预测。实测结果表明该方法可行。     

短期负荷预测的综合模型

进行实际短期负荷预测时，对某个固定地区，用不同预测方法可能得到不同的预测结果。文中基于对这些不同的预测结果的分析，提出了以得到一个唯一的综合预测曲线为目标的优化模型。根据模式识别的基本原理，这个新模型以待预测日与历史日之间相关因素的最佳匹配为原则。通过虚拟预测结果与实际负荷曲线数据的误差平方和的最小化，可以得到综合模型中各种单一预测结果所占的权重值大小。实际算例研究表明，综合模型的预测结果优于各种单一方法的预测结果。     

基于增量约简算法确定电力负荷预测模型输入参数

针对电力系统中有众多因素影响负荷预测精度的问题，文中引入粗糙集理论中的属性约简算法来挖掘与待预测量相关性大的各属性，保证预测模型输入参数的合理性，解决了神经网络模型输入参数的确定问题。针对基于区分矩阵约简算法是NP问题的弱点，提出了基于属性优先级函数的启发式约简算法（RAPHF）；针对负荷预测过程中样本数据是滚动更新的特点，在RAPHF的基础上提出了具有动态挖掘能力的粗糙集增量算法RAPHF-I。通过短期负荷预测的实例研究，证实了文中改进算法的有效性。     

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。     

基于遗传算法的高比例风电短期电价预测

高比例风电下的短期电价预测可指导并规范市场参与者,但由于目前已有的电价预测方法未能筛选关键信息,导致预测的电价与真实的电价之间存在较大误差。因此,提出了一种基于遗传算法的高比例风电短期电价预测方法。首先,采用主成分分析方法(Principal Component Analysis, PCA)筛选影响电价的关键信息数据,删除其中冗余信息数据,避免影响预测结果;然后,分析现有预测方法中存在的不足,将BP神经网络计算得到的权重值作为遗传算法的初始种群,求解最优权值;在此基础上,构建高比例风电短期电价预测模型,通过相似搜索训练预测模型中输入的变量,实现高比例风电短期电价预测。实验结果表明,所提方法的预测电价和真实电价更加接近,充分证实了所提方法在电价预测方面的优越性和有效性。     

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。     

电力短期负荷预测相似日选取算法

短期负荷预测是电力系统安全经济运行的基础，相似日选取的准确与否直接影响到短期负荷预测算法的精度。针对短期负荷预测的特点，提出一种能便于考虑各种因素影响的新算法。分析了气象、日类型等因素对负荷影响的常见规律，便于识别主导负荷变化的因素，建立了在短期负荷预测中选取相似日的新方法。理论和实例均表明，该方法适应性较强，能够通过历史数据分析从历史日中选取最合适的相似日，对提高短期负荷预测的精度具有较大价值。     

基于LSTM时间递归神经网络的短期电力负荷预测

短期电力负荷预测对于电网运行方式安排、计划检修、静态安全分析有着越来越重要的作用。LSTM时间递归神经网络可很好地处理负荷数据的时序性和非线性,适合用于短期电力负荷预测。提出一种基于长短期记忆(Long Short-Term Memory,LSTM)时间递归神经网络的电力负荷预测方法,并使用这种方法对昆明电网日电力负荷值进行预测,最终证明LSTM模型的准确及便利。     

改进范例推理在短期负荷预测中的应用

范例推理是人工智能领域中一种新兴的推理方法，基于范例的推理就是充分利用以前的经验进行推理，求解新问题的过程。文中针对短期负荷预测具有明显周期性的特点，提出了基于范例推理的短期负荷预测方法。首先说明了范例的表示、组织方法，然后选择合适的量度方法进行范例的检索、匹配，最后将得到的最相似范例集进行重用、修正，得到最终预测结果。在范例表示中，使用粗糙集方法为范例属性特征的选择及权重的确定问题提供了一个合理的方法。经实例验证和比较，基于范例推理的负荷预测方法在提高预测精度方面具有明显的优越性。     

短期负荷综合预测模型的探讨

中国实用的短期负荷预测系统普遍采用的是综合预测模型机制。文中深入研究了该机制的实现和应用原理，针对其权重不等式约束、求解方案实用化方面进行了深入探讨，提出了“最优拟合模型”不等于“最优预测模型”的观点。对该观点进行了详细的论证。在此基础上，提出了“较优预测模型”的实现策略，并以实例证实该模型提高了负荷预测的准确率和误差稳定性。     

基于模糊神经网络的水轮发电机组甩负荷过程调速器开度模式控制

基于模糊神经网络的水轮发电机组甩负荷过程调速器开度模式控制方法，能够快速稳定甩负荷过程中水轮发电机组的运行频率，保障电力系统平稳运行。构建水轮发电机组调速器数学模型，以模型中3个关键调节系数为目标输出，发电机组转速的误差变化率与误差为目标输入，设计5层模糊神经网络模型与控制规则；通过该模型依据此控制规则，模糊推理与模糊化目标输入，并持续迭代学习训练后，输出3个关键调节系数，向PID控制器内输入此类系数；由PID控制器以此输入为依据，控制水轮发电机组甩负荷过程调速器的开度模式，获得稳定频率输出。结果显示，该方法可通过对实验水轮发电机组甩不同额度负荷过程中调速器开度模式的控制，有效调整并稳定不同甩负荷过程中机组的运行频率，且控制中的控制精度较高，调整用时与超调量均较低，综合控制效果理想。     

多节点超短期负荷预测方法

对多节点有功和无功负荷变化规律的动态自适应超短期预测进行了深入的研究和分析，提出将负荷数据分层分区的处理方法，建立它们之间相互牵制和联系的表达，在由递推最小二乘支持向量机（RLS-SVM）算法实现顶层预测的基础上，建立输电系统多节点负荷动态行为特征的描述模型，构建了自适应动态模型的超短期负荷预测总体构架。以山东电网为例的现场测试效果验证了所述方法的可行性和有效性。     

模糊集理论在电力系统短期负荷预测中的应用

由于模糊系统能够在任意精度上一致逼近任何定义在致密集上的非线性函数，具有从大量数据中提取相似性的强大能力，且能同时利用数据信息和语言信息，因此模糊集理论在电力系统短期负荷预测中得到了越来越广泛的应用。文中对模糊集理论应用于电力系统短期负荷预测中的研究现状进行了综述，包括模糊集理论分别与专家系统、传统的预测技术、人工神经网络相结合在短期负荷预测中的应用，以及模糊逻辑系统在短期负荷预测中的应用，并指出了这一技术的发展趋势及应用前景。     

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。     

环北部湾广东水资源配置工程中顶管造价指标预测方法

造价指标预测是工程投资的重要参考数据，预测得越准确，越能充分利用投资资金，节省造价成本。在此背景下，以环北部湾广东水资源配置工程为对象，研究其顶管造价指标预测方法。对该工程基本概况进行描述，通过影响指标的中心度和原因度计算指标权重，完成重要指标筛选。获取指标对应的归一化数据，以此为输入，利用BP神经网络构建预测模型得出顶管造价指标预测结果。结果表明：所研究方法应用于多条输水管线造价指标预测；将预测结果与实际结果对比，二者误差较小，证明了所研究预测方法有效性。     

短期负荷预报最优算法的模糊判据

提出了一种决断负荷预报最优算法的模糊判据。该判据利用模糊数学的有关理论，考虑了气候及节假日等因素对负荷的影响，通过建立各影响因素的权重和影响因素与预报算法的模糊关系，对各算法进行模糊综合评判，实现短期负荷预报最优算法的选择。     

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。     

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。     

基于自适应最优模糊逻辑系统的短期负荷预测方法

提出了一种基于自适应最优模糊逻辑系统的电力系统短期负荷预测方法。首先通过最近邻聚 类算法对负荷历史数据进行分组，再将每一组数据(一个聚类)视为一个数据对，用最优模 糊逻辑系统来进行预测系统的建模。实验结果表明， 这种预测方法具有简单、实用等特点 ，且能达到较高的精度。