首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 78 毫秒
1.
本文提出了一种电力系统短期负荷预报的新算法,该算法首先利用模糊技术对历史负荷数据进行平滑处理,建立负荷变化的趋势项和波动项动态模型并作了预报,后利用模糊综合评判的理论对预报值进行调整。  相似文献   

2.
本文提出了一种电力系统短期负荷预报的新算法.该算法首先利用模糊技术对历史负荷数据进行平滑处理,建立负荷变化的趋势项和波动项动态模型并作出预报.后利用模糊综合评判的理论对预报值进行调整  相似文献   

3.
总体及多维节点电力负荷模式预报   总被引:2,自引:0,他引:2  
本文用节点负荷的数字特征——节点负荷率和节点负荷Q—P比对节点负荷加以描述;在总体负荷预报的基础上提出了节点负荷模式预报的方法。这个方法把预报和模式结合起来,对于电力系统的数值计算和一些应用软件的实际应用是非常有益的。  相似文献   

4.
针对负荷预报业度问题了一种基于运行模式的电力系统负荷预报方法,实践证明,该方法能够消除包含平均处理数据样本预报方法所产生的缓陡问题,具有精度高和便于合理利用原始特点。  相似文献   

5.
针对城市集中供热系统中提前24小时的日负荷预报方法具有较大误差问题,提出了一种基于多输入多输出支持向量回归(MIMO-SVR)的供热负荷日预报方法.该方法利用MIMO-SVR的多输出特性通过一步预报直接获得24小时的日负荷预报.通过对某热力站实际供热负荷数据进行仿真研究,结果表明,MIMO SVR日预报的平均相对误差为2.47%,较多输入单输出支持向量回归(MISO-SVR)预报精度高,能够满足供热工程的应用需要.  相似文献   

6.
本针对贵州电力系统日负荷的特点,提出了一种利用人工神经网络的BP模型进行电力系统提前24小时的短期负荷预报的实用计算方法。  相似文献   

7.
在对电力系统电长期、中期、短期(超短期)负荷预测基本方法的特点和适用条件范围进行分析后,结合一中型城市城市电网2009—2010年的电力负荷实际需求特征数据,结合负荷密度法对该城市电网2011—2012年2年内的近期电力负荷需求数据进行了预测,并与该地区国民经济基本增长发展速率所需电力容量相比,证明了负荷密度法在电力系统负荷预测方面的准确可靠性。  相似文献   

8.
基于模式识别和神经网络的电力系统短期负荷预测   总被引:3,自引:3,他引:3  
当制定发电机组的启停计划和负荷管理计划时,对未来24h内的短期负荷预测是很必要的,精确的负荷预报能大大提高电力系统管理水平.本文介绍一种基于模式识别理论构造的人工神经网络,应用于电力系统短期负荷预测的方法.  相似文献   

9.
针对传统的供热调度缺乏对未来供热量进行有效估计这一问题,提出一种基于乘积季节ARIMA模型的供热负荷预报方法.将乘积季节ARIMA模型引入供热负荷预报,通过分析供热负荷数据其固有的趋势和周期性,建立适宜的季节性ARIMA模型,预测未来24小时的供热负荷.采用大庆地区某热力站的供热数据进行建模和仿真预测,其结果的最大误差为3.14%,日预报平均误差为1.45%.实验结果表明,给出的预报结果真实可靠,能够满足供热工程的实际需求,其预报值将成为供热负荷调度和节能的重要依据.  相似文献   

10.
短期负荷预测主要用于预测未来几小时、1天甚至几天的负荷,对电力系统运行的安全性和经济性具有重要意义。时间序列模型在电力系统短期负荷预测中得到了广泛应用。然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去。在此背景下,首先基于历史负荷数据,采用传统的分解方法提取出负荷中的周期分量,得到剔除周期分量后的非周期分量。在此基础上,首先采用逐步回归法筛选出影响负荷非周期分量的主要因素,之后发展了预测负荷非周期分量的传递函数模型。最后,用广东电力系统实际负荷数据对所发展的短期负荷预测模型的准确性进行了验证。  相似文献   

11.
电力系统短期负荷预测中存在大量的不确定因素直接影响到负荷预测结果的准确性,而粗糙集理论能有效地分析和处理各种不精确、不一致、不完整的信息,并从中发现隐含的知识,揭示潜在的规律。将模糊聚类分析和粗糙集理论结合在一起对电力系统短期负荷进行预测。首先通过模糊聚类分析,根据气温、相对湿度以及日类型等影响负荷的因素将负荷历史数据分成若干类,然后应用粗糙集理论分别建立相应的负荷预测模型。采用某电网提供的数据进行负荷预测,结果分析表明该方法有很高的预测精度,从而说明了基于模糊聚类和粗糙集理论的电力系统短期负荷预测方法的优越性。  相似文献   

12.
为了应对电动汽车大规模并网后对地区电网负荷模式和可靠运行带来的影响,本文以某电动汽车充电站的相关数据为依据,分析研究了电动汽车充电站的负荷特性以及影响负荷变化的主要因素,构建了基于RBF-NN的电动汽车充电站短期负荷预测模型,同时通过仿真算例验证并与BP-NN预测模型进行了比较。结果表明,基于RBF-NN的短期负荷预测模型具有更好的预测精度,适用于电动汽车充电站的短期负荷预测。该研究为下一步工程实践应用提供了理论依据。  相似文献   

13.
短期负荷预测是电力系统安全经济运行管理的一个基本环节。提出了基于相似日和改进粒子群算法的短期负荷预测方法,在相似负荷曲线中寻找最佳预测负荷曲线,并采用随机变异机制增强粒子群体的多样性。仿真算例验证了上述算法的有效性。  相似文献   

14.
DB小波与RBP神经网络的短期电力负荷预测   总被引:1,自引:0,他引:1  
基于DB小波与BP神经网络,提出一种DB小波与RBP神经网络的方法对短期电力负荷预测.运用DB小波能够精确地提取时间序列的细微特性和RBP网络的输出反馈作为输入神经元数据增加了数据信息量的特点,构建了DB与RBP预测模型,经实际数据证明该方法提高了预测的精确性.  相似文献   

15.
大量分布式能源站的出现以及电动汽车的普及,给电力系统的安全、经济运行带来影响的同时,传统的负荷预测方法也面临挑战。针对这个问题,提出了利用鲸鱼算法优化最小二乘支持向量机(Whale Optimization Algorithm-Least Squares Support Vector Machine,WOA-LSSVM)进行短期电力系统负荷预测。利用鲸鱼算法全局寻优能力强、收敛速度快的优点,弥补最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)选参的盲目性,提高LSSVM的负荷预测精度。采用WOA-LSSVM对2013年浙江某地区历史负荷数据预测未来1 d的负荷,并与粒子群优化最小二乘支持向量机模型和标准LSSVM模型预测结果对比。结果表明,基于鲸鱼优化LSSVM的短期负荷预测具有较高的预测精度,相对误差较小。  相似文献   

16.
准确的电力负荷预测对于保证电力系统的稳定运行起着重要作用。针对传统短期电力负荷预测方法预测精度低,模态分解后未考虑子序列融合等问题,提出一种基于变分模态分解(VMD)和时域卷积网络(TCN)的多尺度短期电力负荷预测方法。首先利用VMD将电力负荷数据分解为若干个子序列,解决电力负荷数据的非线性和随机性等问题;再利用TCN对若干个序列采用不同时间尺度进行训练;最后利用全连接网络(FC)对各时间尺度的子序列进行融合,实现短期电力负荷预测,提升预测精度。实验结果表明,该方法相较于VMD和改进的长短时记忆网络(LSTM)相结合的传统预测方法,其均方根误差下降40%,曲线拟合程度提升1.1%。  相似文献   

17.
针对短期负荷预测中对自动化、智能化和预测精度的进一步需求,提出了基于相似日的遗传程序设计短期负荷预测模型.首先从日特征量、日前趋势相似度及其综合来选择预测日的趋势相似日样本数据,然后重点介绍了利用相似日样本数据进行短期负荷预测遗传程序设计演化建模的算法设计流程.贵州电网日96点负荷实例预测结果表明,模型所对应的预测曲线与原始曲线拟合较好,模型具有较高的预测精度,能够反映短期负荷变化的规律.  相似文献   

18.
时间序列模型在国际和国内的短期电力负荷预测中得到了广泛应用.然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去.在此背景下,首先基于负荷和气温数据建立了负荷预测的回归模型,然后构造了回归模型残差累积式自回归一滑动平均模型并对回归模型进行修正.最后,用广东电力系统的实际负荷数据说明了所发展的...  相似文献   

19.
提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法。把过去直接对负荷序列的预测替代为对小波系数的预测,并对小波细节系数作分层软阈值处理。详细介绍了小波系数结合BP神经网络进行预测的新方法,并给出算例验证。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号