基于诱导有序加权平均算子的风电功率最优组合预测

风电功率预测的准确性对电力系统的调度和稳定运行具有重要意义。为提高预测准确度,弥补现有组合预测方法中单项预测方法在各预测点的加权系数恒定等不足,提出基于诱导有序加权平均算子(IOWA)的风电功率最优组合预测。该方法按照各单项预测方法在不同时刻预测准确度的高低进行有序赋权,实现各种方法的优缺点互补,降低预测结果对某一方法的依赖性,提高预测准确度。基于IOWA算子的组合预测方法,建立相应的确定权系数的优化模型。应用新颖的布谷鸟搜索算法对所提模型进行求解,并同标准粒子群算法及遗传算法进行对比。仿真结果表明,该方法能有效提高组合预测准确度,且计算时间短。     

基于IOWA-AHP的中长期负荷组合预测法

针对中长期电力负荷预测的特点,提出一种基于诱导有序加权平均(IOWA)算子和层次分析法(AHP)的中长期负荷组合预测法.首先通过各单项预测模型在历史年内各个时点的诱导值大小按顺序赋权,以误差平方和为优化目标求出IOWA加权系数;然后利用层次分析法综合考虑拟合精度、发展一致性和模型可信度,求出各单项预测模型在预测年内各个时点的诱导值,进而预测出负荷值.该方法的特点是:组合预测加权系数与单项预测模型无关,而与其在各个时点的诱导值密切相关;引入专家经验,减小了不确定因素的干扰.实际算例验证了该方法的可行性和有效性.     

一种改进的基于IOWA算子的组合预测方法及应用

按误差平方和准则建立的基于IOWA算子的组合预测模型并不能正确反映出各个时期观测点所引起误差对预测值的影响程度,在实际预测时预测期数据是未知的,无法直接利用该方法进行预测。针对以上缺陷,提出以单项预测模型中精度较高者的预测值为标准,计算其余模型的预测值与其偏差,再按各个时期各单项偏差绝对值和的平均值大小赋予权系数,建立按照加权误差平方和准则新的预测模型,并利用遗传算法求解最优权系数。通过实例验证,改进后的组合预测方法优于原来的基于IOWA算子的组合预测方法,有效地提高了预测精度。     

一种改进的基于IOWA算子的组合预测方法及应用

按误差平方和准则建立的基于IOWA算子的组合预测模型并不能正确反映出各个时期观测点所引起误差对预测值的影响程度,在实际预测时预测期数据是未知的,无法直接利用该方法进行预测.针对以上缺陷,提出以单项预测模型中精度较高者的预测值为标准,计算其余模型的预测值与其偏差,再按各个时期各单项偏差绝对值和的平均值大小赋予权系数,建立按照加权误差平方和准则新的预测模型,并利用遗传算法求解最优权系数.通过实例验证,改进后的组合预测方法优于原来的基于IOWA算子的组合预测方法,有效地提高了预测精度.     

基于诱导有序加权平均算子的最优组合短期负荷预测

为提高预测精度,弥补现有组合预测方法中单项预测方法在各预测点的加权系数恒定等不足,提出了一种新的组合预测方法——基于诱导有序加权平均算子（induced ordered weighted averaging operator,IOWA）的短期负荷最优组合预测方法。该方法针对同一预测方法在不同时刻的预测效果不同,按照各单...     

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。     

基于不同优化准则的风电功率预测

为了获得较好的风电功率预测综合评价指标和提高风电功率预测精度,提出基于不同优化准则的风电功率预测模型。首先,通过基于贴近度的单项预测模型的择优方法得到较高精度的单项预测模型,然后利用选择出的单项预测模型分别以平均相对误差最小、平均绝对误差最小和均方根误差最小为优化准则建立不同的组合预测模型,最后利用灰色关联度分析方法确定每种组合预测模型在优化模型中的权系数,进而得到优化模型。以风电场的实际数据进行验证,结果表明:与各单项预测模型、不同优化准则的组合预测模型及其他组合模型相比,所提优化模型的整体误差指标较小,有效地提高了预测精度,证明了所提模型的有效性和实用性。     

一种变权重风电功率最优组合预测模型

针对单项预测方法的局限性,利用改进的基于灰色关联度的IOWGA算子组合预测模型,建立了一种风电功率最优组合预测模型,并通过改进多种群遗传算法(MPGA)对该模型进行优化。采用RBF神经网络法、相似日法和支持向量机(SVM)法对预测日和预测日前一日的风电功率分别进行预测,通过提出的最优组合预测模型及优化算法对预测日的24 h风电功率进行组合预测。根据云南某风电场的实测数据,进行了实例分析。结果表明,风电功率最优组合预测模型能够有效提高风电功率预测精度,具有较强的实用性。     

中长期电力组合预测模型的理论研究

传统中长期电力负荷组合预测方法中权系数依赖预测方法,预测模型不能很好地反映负荷发展变化规律,对此,提出了基于诱导有序几何加权平均算子(induced ordered weighted geometry averaging operator,IOWGA)和加权马尔可夫链的新型组合预测模型。该模型根据每个单项预测方法在各年份上预测精度的高低按顺序对其赋权,摆脱了权重对各预测方法的依赖,实现了组合预测模型中权系数与拟合精度在任一时点上的相关性。通过加权马尔可夫链定性地推测出预测年份上各单项预测方法的预测精度状态,确定其在预测年份的权系数进而预测。算例分析表明,该组合预测模型能够较好地模拟负荷发展规律,提高预测精度,具有较高的实用价值。     

基于多属性决策和支持向量机的风电功率非线性组合预测

针对单一预测模型误差波动较大和线性组合预测的局限性,提出了基于多属性决策和支持向量机(SVM)的风电功率非线性组合预测模型。首先基于多属性决策理论,在检验其预测有效的情况下选择3种最优模型作为单项预测模型,并分别建模预测得到3种不同的预测结果;然后将各单项的预测结果作为训练输入,将相应的实际值作为训练输出,建立SVM组合预测模型。为检验该模型预测的有效性,用2组不同的历史数据进行验证,结果表明:该组合模型综合了各单项模型的优点,其均方根误差和平均百分比误差均小于各单项模型及其他组合模型,有效地提高了预测精度。最后还研究了采样间隔对预测结果的影响,结论表明:当采样间隔为5～15min时,预测精度较高。     

概率模型证题法

本文用概率模型解决排列组合问题的基本思想是建立与描述该问题有相似性的概率模型，利用这种相似性把求解概率问题与求解排列、组合问题联系起来，然后通过求解概率问题达到解决排列组合问题的目的。     

基于递归等权组合模型的中长期电力负荷预测

针对电力负荷预测中单一模型不能充分利用数据信息和对其内在规律考虑不完全的问题,文中采用基于递归等权的组合预测模型,通过灰色关联度法对多个单一模型进行筛选,并确定参与组合的模型。再由递归等权法实现了对参与组合的各单一模型的变权重处理,有效地考虑各单一模型的预测好坏的变化。最后,通过对某地区最大负荷进行预测,对比单一模型与递归等权组合预测模型的预测误差。结果表明,递归等权组合预测模型比各单一预测模型的误差都小,从而验证了该模型能有效提高电力系统负荷预测能力,其精度高、结果可靠。     

火电机组在电力市场下的计划检修策略

对国内外电气设备状态维修的现状及其实现方法进行了综述.提出了在电力市场环境下发电厂应进行火电机组“自组合”的计划检修方法,该检修方法的数学模型采用了包括检修费用损失、收益损失及风险损失之和最小的目标函数.通过算例验证了该模型的有效性和实用性.     

基于遗传算法的短期负荷组合预测模型

给出电力系统短期负荷的固定权系数组合预测模型－－基于遗传算法的组合预测模型。为增加样本的多样性、避免陷入局部极小,中对遗传算法每代的相同或相近个体作等适应值变换,改进后的遗传算法具有更好的全局优化特性。利用改进的遗传算法确定组合预测模型的权系数,然后进行负荷预测。计算结果表明,该方法是实用和有效的。     

变权组合预测模型在大坝安全监测中的应用

简要介绍了组合预测模型的基本原理，该模型改进了单一模型考虑因素的片面性，但常规的组合预测模型的权系数是固定的。考虑到各种模型的预测精度的变化，以及大坝安全监测数据存在的突变、时效等因素，固定权系数的组合预测模型有待进一步改进。文中提出了变权系数组合预测模型，并将其用于实际的大坝安全监测工程。结果表明，变权组合预测模型的预报精度高于其他模型，是一种值得推广的方法。     

基于WNN-GNN-SVM组合算法的变压器油色谱时间序列预测模型

分析了小波神经网络(WNN)、灰色神经网络(GNN)、支持向量机(SVM)预测方法的原理,利用粒子群优化(PSO)算法对这3种基本预测方法进行了结构参数优化。将WNN、GNN、SVM与PSO-BP算法进行组合,推导得出了组合预测模型最优权系数的计算方法,并优化了组合预测模型拓扑结构参数。算例分析结果表明:经过PSO算法优化后,WNN、GNN、SVM预测模型的预测精度得到了提高,其组合模型较单一模型有更高的预测精度。     

基于CIM标准和SVG的分散式图模合并

电力系统调度一般采用分级电网监控方式，各级调度系统的电网模型及采集信息相对独立，存在一定的信息孤岛问题。基于公用信息模型（CIM）标准和可缩放矢量图形（SVG）画面格式，提出了分散式图模合成方法。该方法通过分析上下级调度系统之间的关口电网，对分散在各调度系统的电网模型和厂站画面进行合并，形成一个完整、详细的电网描述。在此基础上，提出建立一个分散式调度图模合成的在线系统，实现全网分散维护、合并建模、统一监视。测试表明，该方法可以有效解决各级调度系统间的信息孤岛问题。     

短期电力负荷的灰色GM(1,1)模型群组合预测

组合预测方法是一种性能优越的预测方法.由于电力负荷具有很多不确定因素,用单一预测模型进行预测时,其预测精度不高,为提高预测精度,提出组合预测模型.灰色GM(1,1)模型群能够很好地反映电力负荷的周期变化特性,而用不同时期的历史数据可反映不同的信息特征,因此,提出了基于远近数据的GM(1,1)模型群预测组合预测法.利用此方法对某地区的日电力负荷进行预测的算例结果表明:此方法的预测精度高于各单一模型的预测精度,且能够很好地反映日负荷变化的随机性和周期性.     

调度数据对象编码规范的实施及应用

通过对地调系统数据结构和南方电网调度数据对象命名规范分析研究,提出了在不影响现有系统运行的前提下,实现调度数据对象规范编码的实施方案。针对调度数据对象编码位数长,编码复杂,实施困难的情况,通过分层分段,编码自动生成后批量导入,很好地解决了调度数据对象规范编码实施难、推广难的问题,为调度自动化系统与其他信息系统之间进行电网模型共享与数据交互打下良好基础。结合规范编码在茂名地调中的应用,表明了本实施方案的应用前景和实用价值。     

基于启发式算法的电力系统综合负荷模型的自动选择

针对电力系统中负荷类型多种多样,系统综合负荷模型的组合方案不可能一一列出的问题,提出了一种通过建立负荷模型库,以代表负荷模型投入情况的0-1逻辑变量为决策变量的最优负荷模型自动选择的方法:根据实际电力系统的负荷结构组合出各种动态等值模型,并且在众多模型组合方案中自动选择出最优的模型组合,并将传统启发式算法引入优化求解过程。通过对实际电网动态等值模型的自动选择,得到所选模型组合能够较好的描述负荷行为,表明电力系统综合负荷模型自动选择这一方法的可行性和有效性。