基于商业智能的电网负荷预测模型的构建研究

根据对电网负荷预测业务的分析,采用探索型数据分析方法对电力企业数据仓库中的数据进行训练建模,构建出电网负荷预测模型。模型应用情况表明：应用该模型后电力企业负荷预测较传统预测方法准确率明显提高,电力企业预测技术水平相应提高,同时,应用该模型还有助于电力企业有计划地进行用电管理,确保电力企业决策分析可行性。     

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 .     

灰色模型在普通日短期电力负荷预测中的应用

讨论了灰色模型GM(1,1)及灰色差值模型在短期电力负荷预测中的应用,提出了适合普通日电力负荷预测的数据处理方法,提高了短期电力负荷预测的精度.     

一种计及横向误差校正的短期负荷预测方法

负荷预报模型由于只能对负荷规律性进行有限描述而在建模域中存在建模误差,在预报域中,与建模误差具有相同统计特性的误差分量就会延续到预报误差中。将频谱分析预测方法与基于灰色理论横向误差校正方法相结合,由频谱分析预测方法进行纵向预测,利用预测时刻之前的整点时刻负荷预测的误差来建立灰色理论模型进行负荷预测的横向误差校正,并对灰色校正模型分点的判断方法作了改进,所提方案在短期负荷预测中的性能良好。     

一种应用大数据技术的中长期负荷预测方法

针对当前电力系统中长期负荷预测过于依赖模型、数据利用效率低的不足,提出了一种中长期负荷的大数据预测方法.该方法采用分析-综合的预测模式,在数据分析的基础上实现负荷预测的建模.首先对负荷进行分层分区与分类以解构负荷预测大数据,多角度分析类型负荷的增长特性;然后基于增长特性建立分析模型,分别预测分区类型负荷的增长;最后基于数据解构模式建立综合模型,统筹分析模型、协调全局负荷、整合大区域负荷总体增量.研究算例表明,该方法能对负荷增长的细节进行分析,能对区域各负荷增量进行整合,具有较高的精确度.     

基于决策树和专家系统的短期电力负荷预测系统

提出决策树与专家系统相结合的负荷预测系统。利用决策树建立预测模型,对待测日负荷进行初步预测,再结合专家系统中的修正模型对初步结果进行修正,得到最终预测结果。建立决策树时,根据最大信息增益原则选择测试属性,降低决策树的复杂度,减少计算时间。提出开放的专家系统,专家模型应处于不断完善之中。并应用天津2003年的负荷数据和气象资料进行了建模和预测计算,统计分析结果表明该方法可提高预测的精度,具有实用性和有效性。     

改进的离散灰色模型在中长期负荷预测中的应用

将离散灰色模型（DGM）引入到负荷预测中来解决负荷增长速度过快时预测精度变差的问题．通过研究灰色预测中存在的初值敏感性问题以及原始数据的预处理问题,对离散灰色预测模型进行改进．通过典型的实例研究离散灰色模型及其改进模型在中长期负荷预测中的应用．结果表明,离散灰色模型在中长期负荷预测中是适用的,且它的改进模型在实际预测中具有更高的预测精度．     

基于人工神经网络短期负荷预测的数据处理

科学合理的数据处理是提高短期电力负荷预测精度的最基本环节之一.利用软件滤波方法,自动平滑坏负荷数据;同时根据负荷的不同特性和规律,将输入数据进行有效分组,分别建立分组负荷预测模型:工作日负荷预测模型、周日负荷预测模型以及节日负荷预测模型,使预测模型不但具有所需样本数据少、模型简单、精度高等优点,同时又具有较强的泛化能力,从而提高负荷预测的效率和精度.通过对南昌供电公司的负荷数据进行具体计算,表明该方法是有效和可行的.     

基于GMDH的中长期电力负荷组合预测模型

组合负荷预测模型能够充分利用数据信息,有效降低预测风险、改善预测效果,在中长期负荷预测中获得了广泛应用。而目前的组合预测模型实质大都为单一预测模型的加权平均,没有能够充分发挥综合预测的优势.应用数据分组处理方法（GMDH）进行组合预测,在充分考虑各单一模型特点和预测效果的基础上,形成多元非线性组合预测模型,自动从数据中挖掘出重要信息,克服了传统组合预测模型建模中的主观因素影响,可以改善预测精度。并将该预测模型应用于实际电网,计算结果表明该模型有效提高了预测精度,适用于中长期负荷预测.     

基于AHP的空调负荷组合预测研究

为提高建筑空调负荷预测的有效性,应用组合预测方法,将目前常用的几个空调负荷预测模型有机地结合起来,并引入层次分析法(AHP),建立了空调负荷组合预测的结构模型．利用AHP的1-9标度,根据实际情况计算了各单预测模型在组合预测中的权重系数．实例分析表明,基于AHP的空调负荷组合预测模型在预测准确性和适应性方面均能得到一定改善,能很好地对建筑空调负荷进行科学、有效地预测．     

回归分析法在年用电量预测中的应用

针对年用电量的预测,研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系, 以某地区为例,求出该地区1990年至2000年的用电量回归方程,再用该回归方程求得的年用电量与实际值加以比较,误差满足实际要求且方法简单易行,证明了一元线性回归可以有效的应用于年用电量预测．     

Novel grey forecast model and its application

The advancement of grey system theory provides an effective analytic tool for power system load forecast. All kinds of presently available grey forecast models can be well used to deal with the short-term load forecast. However, they make big errors for medium or long-term load forecasts, and the load that does not satisfy the approximate exponential increasing law in particular. A novel grey forecast model that is capable of distinguishing the increasing law of load is adopted to forecast electric power consumption (EPC) of Shanghai. The results show that this model can be used to greatly improve the forecast precision of EPC for a secondary industry or the whole society.     

回归分析法在年用电量预测中的应用

针对年用电量的预测，研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系，以某地区为例，求出该地区1990年至2000年的用电量回归方程，再用该回归方程求得的年用电量与实际值加以比较．误差满足实际要求且方法简单易行，证明了一元线性回归可以有效的应用于年用电量预测．     

灰色模型在中长期电力负荷预测中的应用

利用灰色预测法对某市近几年的实际历史负荷数据进行建模,结合回归分析法预测出近几年的负荷值,通过与过去原始历史数据进行对比,从平均相对误差的大小和后验差值检验方面说明灰色理论模型在中长期电力负荷预测中的优越性.     

大气污染预测方法探讨

综述了当前常用的大气污染预测方法，对空气质量模型、灰色理论模型、投影寻踪回归模型等3种主要的大气污染预测方法进行了详细介绍。重点分析讨论了这些方法的实用性和局限性，阐述了进行大气污染预测时应注意的几个问题。     

燃气负荷组合预测中贝叶斯权重法的应用

将贝叶斯概率理论引入组合预测模型中,建立了基于GM(1,1)和偏最小二乘回归模型的燃气负荷动态权重组合预测模型。通过对某市的实例分析,结果表明,此方法有效地提高了预测精度。     

RS-SVM forecasting model and power supply-demand forecast

A support vector machine (SVM) forecasting model based on rough set (RS) data preprocess was proposed by combining the rough set attribute reduction and the support vector machine regression algorithm, because there are strong complementarities between two models. Firstly, the rough set was used to reduce the condition attributes, then to eliminate the attributes that were redundant for the forecast, Secondly, it adopted the minimum condition attributes obtained by reduction and the corresponding original data to re-form a new training sample, which only kept the important attributes affecting the forecast accuracy. Finally, it studied and trained the SVM with the training samples after reduction, inputted the test samples re-formed by the minimum condition attributes and the corresponding original data, and then got the mapping relationship model between condition attributes and forecast variables after testing it. This model was used to forecast the power supply and demand. The results show that the average absolute error rate of power consumption of the whole society and yearly maximum load are 14.21% and 13.23%, respectively, which indicates that the RS-SVM forecast model has a higher degree of accuracy.     

农村电网规划中的负荷预测

负荷预测在农村电网发展规划过程中既是一个重要环节 ,又是一项基础性工作。作者根据农村电网特点 ,对农村电网负荷预测的基本程序和方法作了介绍和分析。     

2000年中国本地电话用户数预测分析

运用回归分析、趋势外推和灰色预测方法，通过对数据的筛选分析，建立了三种预测模型。经过综合，求出了２０００年我国本地电话用户数的预测值