一种内蕴误差评价的负荷预报方法

提出了一种基于内蕴误差评价的电力系统短期负荷预报方法。该方法建立在对负荷规律性和预报方法有效性全面评估的基础上,使预报和误差评价融于一体。运用该方法可以有效地诊断导致预报误差的主要因素,并在预报前估计预报误差的上下限,从而对发掘提高负荷预报准确度的潜力有所帮助。实例表明,该方法应用于短期负荷预报和预报精度评价是有效的。     

基于支持向量机的时间序列交叉负荷预报方法

针对电力系统负荷具有拟周期性、非线性、非平稳性和随机性等特点,提出一种支持向量机(support vector machines,SVM)预报模型,并研究它在电力系统短期负荷预报中的应用:通过相空间重构理论,挖掘时间序列数据横向和纵向隐周期性信息,给出了SVM横向和纵向预报样本的构造方法;利用SVM预报方法适应电力系统负荷的非线性;最后,利用SVM时间序列交叉预报方法降低随机因素对负荷预报的影响。算例结果表明,该方法能够揭示负荷的拟周期性、非线性和随机性,且仅采用时间序列交叉就可得到较高的预报精度,便于工程应用。     

改进径向函数网格（RBFN）在电力负荷预报中的应用

本文根据电力系统短期负荷预报的特点和径向基函数神经网络的非线性辨识功能，提出了一种负荷预报的新算法－ＲＢＦＮ算法。该算法能够体现负荷的波动性和气候对负荷的影响，收敛速度较快，由于采用丛聚技术调整径向基函数中心，该算法具有较高的预报精度，通过对实际系统的实验表明：可用于提前２４小时的电力系统负荷预报。     

变拓扑人工神经网络负荷预报

提出变拓扑人工神经网络(ANN)预报电力系统负荷的方法。所提出的模型能较 全面地反映影响负荷变化的各种因素。ANN在BP算法的学习中，需用的数 据窗最短。通过人机会话，可灵活地实现不同预报期限的负荷预报。算例表明 ，方法是有效的，预报精度比常规方法高，收敛性好，计算速度快，适于在线 应用。     

人工神经网络在电力系统短期负荷预测中的应用

为准确预测电力系统短期负荷，针对BP神经网络的固有缺陷，改进了基本BP算法，并采用遗传算法设计和优化神经网络结构参数，在此基础上建立了工作日负荷预报模型和假日负荷预报模型。负荷预测仿真表明，本文所提出的算法在预测精度和收敛速度方面均得到了改进。     

短期电力负荷预报中异常负荷数据的识别和修正

分析了历史负荷中异常数据对负荷预报影响，并对实际电力系统中异常负荷数据进行了简单的分类。为了满足实际对负荷预报精度的要求，提高短期负荷预测的准确性．介绍了几种常用的异常数据修正方法，提出了一种新的异常数据识别和修正方法，以实际电力系统的应用数据证明了这种方法的有效性和适用性。     

电力系统负荷预后的动态建模新方法

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，再根据平滑处理的负荷数据，分别建立了负荷变化的趋势项和波动项动态模型并作出预报，最后利用模糊综合评判的理论，考虑天气，假日等因素对负荷的影响，对预报值进行调整。该算法可实现提前１－２４上时的小时级负荷预报。     

利用神经网络进行电力系统在线预报

负荷在线预报是实现电网计算机在线控制的重要环节。预报的准确性和快速性在一定程度上决定着电网控制质量的优劣。由此出发，产生改进的共轭梯度法，保存了误差向向传播网（ＢＰＮ）精度高的特点，又明显地改进了快速性。文章论述人工神经网络（ＡＮＮ）在线负荷预报的原则和实现方法，并通过实例，说明如何运用改进的共轭梯度法对电力系统负荷进行快速预报。在预报中，由于随时采用新的负荷信息修改模型参数，故误差较小，该方法简     

利用年用电量对峰值负荷进行预测

电力系统负荷预报的一项重要内容是峰值负荷预报，然而峰值负荷预报却不是容易进行的。这是因为：电力系统的负荷不是单一的负荷，通常由各种不同不同类型的负荷构成，它们不会同时产生峰值，所以要做到准确地预报电力系统峰值，就要考虑它的分散性，该文从年用电量的角度对峰值负荷进行预测。     

一种基于人工神经网络的短期负荷预测技术

提出了一种基于人工神经网络的电力系统短期负荷预测技术,该方法在计及曙因素对负荷预测影响的基础上,将神经网络同一种较为新颖的预报模型相结合,因而具有较高的预测精度。计算实例证明了该法的可行性和有效性。     

基于最大信息熵原理的短期负荷预测综合模型

引入了信息理论来研究和处理负荷变化的不确定性，提出了基于最大信息熵原理的短期负荷预测综合模型，该模型将各种单一预测模型的预测结果以及历史预测误差分布作为约束信息，利用最大熵原理得到预测结果的分布。文中阐述了新模型的应用背景、思路和理论，给出了具体的实现方案和算法，并在实际电网中得到了应用。针对实际电网的算例研究表明，对于随机性较大的电网负荷，传统综合预测模型存在明显的过拟合现象，而新模型则有效地提高了预测精度。     

基于主成分分析L-M神经网络高峰负荷预测研究

在论述电网高峰负荷预测重要性和特点的基础上,将高峰负荷样本,按节气工作日和节假日样本进行聚类,从输入空间入手,采用主成分分析法,减少输入向量的维数,并保留原来输入向量的有用信息,再利用L-M优化算法的多层神经网络预测模型对辽宁电网高峰负荷进行了模拟预测,预测精度令人满意。     

考虑积温效应的夏季日最大负荷预测研究

在夏季持续多日高温情况下,由于积温效应的影响,预测日之前若干天的气温对预测日的最大负荷有着明显影响。据此,在预测模型中考虑积温效应的影响对于改善夏季日最大负荷预测精度有着重要意义。建立了以高温持续期的气温、持续时间及预测日气温为输入、气温修正量为输出的模糊推理系统,对夏季每日的气温进行修正。算例结果表明,该预测方法能很好地跟踪日最大负荷,有效改善负荷预测的精度。     

基于自适应滚动优化的电力负荷多模型组合预测系统的研究与开发

该文提出了多模型组合预测等预测策略，采用了包括非线性优化组合模型、逻辑预测模型、组合自适应指数平滑模型和综合模型等多种组合模型来进行短期电力负荷的预测；并使用自适应波动优化技术保证每种模型能随负荷特性变化，调整模型参数；同时根据对每种模型在一段时间内的预测误差分析，选取最优的组合模型。基于该文预测策略和预测模型所开发的预测系统的预测结果表明，组合预测模型的预测结果优于单一模型的预测结果。     

基于模糊信息粒化与多策略灵敏度的短期日负荷曲线预测

针对气象变化时负荷曲线预测精度低、预测模型不能完全适应气象变化的情况,提出了一种基于模糊信息粒化与多策略灵敏度的短期日负荷曲线预测方法。提出了完全气象因子序列的概念,建立气象粒化集;采用空间多元回归及滞后模型结合多策略灵敏度分析法,建立了针对复杂气象条件下的极值预测模型;基于改进的K-means聚类分析法查找并获取气象特征日,计算初步预测曲线,主动判断预测曲线畸变概率并进行优化修正,得到最佳预测日负荷曲线;利用动态数据流对模型参数进行更新,实现精细化预测。最后采用该方法对我国南方某地区全年负荷曲线进行预测,验证了模型在多种气象条件下的预测准确性,尤其适用于短期内气象存在复杂变化的情形。     

基于改进型Elman神经网络龋短期电力负荷预测

精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度。提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层。增强了Elman神经网络的动态信息处理能力。仿真结果表明,改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman,同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。     

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.     

基于小波分析的电力系统短期负荷预测方法

在分析电力负荷频谱特性时发现负荷信号的变化过程具有连续频谱的特性。该文在此基础上提出一种基于小波变换的电力系统短期负荷预测新方法：通过小波变换，将各序列分量分别投影到不同的尺度上，对不同的子负荷序列进行数据处理，并分别采用相匹配的模型进行预测，最后退过小波重构，得到完整的负荷预测结果。算例计算表明新方法具有较高的预测精度和较强的适应能力。     

基于改进决策树算法的日特征负荷预测研究

针对决策树ID3算法的缺陷,提出了属性-值对的两次信息增益优化算法,该算法是ID3的改进算法,它能克服ID3算法在选取属性进行扩展时易偏向属性值多的属性及ID3算法属性间相关性考虑较少的缺点;通过对熵阈值的设定,采用预剪枝技术,又能部分克服ID3算法对噪音敏感的不足.该算法可用以生成日特征负荷决策树预测模型.该模型结合预测日的气象、星期等信息,可进行日特征负荷的预测.采用等深直方图分析思想,可对负荷变化率数据离散化,将层次聚类和信息熵相结合,对气象数据离散化.数据预处理后,通过属性-值对的2次信息增益优化算法生成负荷预测决策树模型,在给出预测日气象及星期信息后可对特征负荷进行预测,预测结果能够满足并超过负荷预测实用化标准的要求并具有较高的预测精度.如果将日24点或96点负荷及相应影响因素数据均用该算法进行模型训练,形成24个或96个预测模型,则可进行日24点或96点负荷预测.     

负荷预报中负荷规律性评价方法的研究

负荷预报是一个历久不衰的研究课题,以往的研究主要集中于预报方法,而缺乏对负荷自身变化规律的分析和评价。这不仅导致了难以公允地评价负荷预报方法,也使运行部门对负荷预报所提出的精度要求缺乏客观依据,该文阐述了评价负荷规律性的必要性,并建立了相应的评价方法,文中分析了负荷历史数据,负荷预报以及预报误差之间的关系,构建了一种基于统计分析的负荷规律性评价方法。在此基础上,建立了预估负荷预报误差极限的分析方法,运用所提出的方法对负荷变化的规律性进行评价,不仅可以客观地评价负荷预报方法的优劣,还可以根据不同负荷的规律性确定切实可行的负荷预报精度要求,文中给出的算例说明了方法的有效性。