应用小波分析进行短期负荷预测

小波分析是一种新兴的数学工具，它能任意地提取短期负荷序列的细节。通过使用小波分析，可以在任何水平上分析短期负荷序列，它对信息成分采取逐渐精细的时域与频域处理，尤其对突发与短时的信息分析具有明显的优势。本文将小波分析引入了短期负荷预测，针对电力系统本身具有的负荷以天，周，年为周期发生波动的特点，使用周期自回归模型有选择的对分解序列进行预测，并对直接使用周期自回归(PAR)模型的预测结果及先使用小波分析处理的预测结果进行了比较，实例显示这种方法提高了预测的精度。     

考虑周周期性的短期负荷预测

本文根据周期自回归模型，在考虑小时负荷变化的日周期性的基础上，进一步考虑了一周内小时负荷变化的特性，通过修理短期负荷预测的日周期ＰＡＲ模型，建立了计及负荷动周周期性的ＰＡＲ预测模型。对一实际系统未来一周的小时负荷预测结果表明了本文方法的有效性。     

基于累积式自回归动平均法和反向传播神经网络的短期负荷预测模型

针对电力系统短期负荷的特点建立了将累积式自回归动平均法(autoregressive integrated moving average，ARIMA)和采用反向传播算法(back propagation，BP)的神经网络法相结合的短期负荷预测模型。该模型利用ARIMA方法对线性时间序列逼近能力强的特点首先对预测日负荷进行预测，然后应用BP神经网络方法对预测结果进行修正，因此克服了单一算法存在的不足。应用该模型对某地区电网进行负荷预测，结果表明该方法的预测效果较好     

基于自回归和神经网络算法加权组合的负荷预测

针对时间序列法的自回归动平均模型和神经网络算法在负荷预测中的不足,提出对这两种预测结果采用加权组合方法,在不同时期的负荷预测采用不同的加权值来提高预测结果的精确度.通过算例分析短期负荷预测和长期负荷预测,证明采用加权组合方法的预测结果比自回归动平均模型和神经网络算法分别预测要准确.     

基于粒子群优化神经网络的“煤改电”地区短期负荷预测研究

为提高"煤改电"地区短期负荷预测水平,本文基于北京市大兴区"煤改电"工程,探索利用神经网络算法对"煤改电"地区短期负荷进行预测。本文首先研究了"煤改电"地区负荷的年周期、周周期以及日周期负荷特性,并对负荷预测进行分类,分析得出了负荷预测的主要影响因素,明确了负荷预测的步骤及误差分析方法。其次,本文研究了BP神经网络的构成和运算过程,分析了历史数据处理方法,建立了基于BP神经网络的"煤改电"地区短期负荷预测模型,并对短期负荷预测模型进行检验。最后,为进一步提高预测效果,本文研究利用粒子群算法和列文伯格-马夸尔特算法对神经网络进行优化改进,建立了基于粒子群算法优化的BP神经网络负荷预测模型,满足了预测目标精度要求。     

基于小波变换理论在电力系统短期负荷预测中的应用

介绍了基于数学模型小波（变换）分析法，能够提取短期负荷时间序列中的任意细节，短期负荷序列经过小波变换后，可以分解为相应的子序列，并对子序列进行时域与频域处理，使用周期自回归模型对子序列进行预测的方法，指出其预测的精确度比传统的要高，是目前很多领域中实现短期负荷预测较好的方法。     

基于联合模型的短期电力负荷预测方法

为了准确预测电力负荷并提高电力系统调节和调度的灵活性、准确性,提出了基于差分自回归滑动平均和长短期记忆神经网络的短期负荷联合模型预测方法,以避免单一预测模型可能难以满足预测准确需求的情况。首先,使用差分自回归滑动平均和长短期记忆神经网络单一模型对短期电力负荷开展预测;然后,使用改进的粒子群优化算法对联合模型权重进行寻优;最后,利用最优权重将单一模型预测结果进行合并得到最终的预测结果。验证结果表明,所建立的联合模型能够对短期电力负荷进行准确的预测,且联合模型的预测精度要优于差分自回归滑动平均、长短期记忆神经网络和BP神经网络等单一模型,具有一定的工程应用价值。     

基于线性相关分析的周期自回归短期负荷预测

对配电系统短期负荷预测的周期自回归模型和配电负荷的周期性进行了研究。采用相关分析法对配电负荷的周期特性作了深入地分析,研究结果表明配电负荷的日周期性比周周期性更明显;基于配电负荷的时刻相关性分析,挑选出对预测结果起决定性作用的特征输入量,据此提出了改进的配电负荷日周期PAR预测模型。实例研究表明,该模型较常规PAR预测模型的预测速度更快、精度更高。     

基于线性相关分析的周期自回归短期负荷预测

对配电系统短期负荷预测的周期自回归模型和配电负荷的周期性进行了研究.采用相关分析法对配电负荷的周期特性作了深入地分析,研究结果表明配电负荷的日周期性比周周期性更明显;基于配电负荷的时刻相关性分析,挑选出对预测结果起决定性作用的特征输入量,据此提出了改进的配电负荷日周期PAR预测模型.实例研究表明,该模型较常规PAR预测模型的预测速度更快、精度更高.     

基于子集自回归模型的短期负荷预测

介绍了自回归时间序列模型的一种特殊形式--子集自回归模型及其辨识方法,并研究该模型在电力负荷短期预报中的应用.由于子集自回归模型的自激响应可形成伪极限环,因此可复现电力负荷短期变化的主要特征--季节性趋势.实例分析结果表明,该模型用于负荷短期预测时具有较高的预测精度.     

都江堰河床质级配和推移质输沙率研究

以都江堰河段实测的河床质级配和卵石推移质资料为基础,经过分析计算得出：河床质代表粒径沿程的衰减符合倒数函数规律,卵石之间的碰撞破碎和磨损是该河段卵石沿程细化的重要因素。爱因斯坦推移质公式的计算结果与实测值基本一致,梅叶彼得公式计算的结果则明显偏小。在河流的涨水过程中,水流坡降变陡,挟沙能力增加,推移质输沙率加大。     

火电单元机组负荷最优预见控制系统仿真研究

自动发电控制是现代电网运行控制的基本技术之一。由于ＡＧＣ以整个电网为调节对象,因此只有电网内机组对ＡＧＣ下达的负荷指令具有良好的跟踪性能时才能保证发电质量。显然,对机组而言这是典型的负荷预见控制问题。     

电力负荷的dq0坐标变量模型及模型回响辨识

本文涉及电力系统综合负荷建模中的变量选择和模型辨识原理两个基本而又易被忽视的问题。提出了构造综合负荷的ｄｑ０坐标变量模型的观点及模型回响辨识原理。通过仿真和实测数据建模实例表明所提观点和方法的可行性、正确性。     

基于 Lyapunov 指数的电力系统短期负荷预测

采用非线性系统理论对电力系统历史负荷数据序列进行了特征分析,计算出Ｌｙａｐｕｎｏｖ指数,并利用该Ｌｙａ－ｐｕｎｏｖ指数模式进行短期负荷预测,进而提出短期负荷预测的时间尺度的概念。这种方法不利用气候和气温等数据,只利用电力系统一维峰值负荷历史数据计算出过去的变动模式进行负荷预测,就可以得到较高的预测精度。对东北电网实际负荷数据进行了预测,结果令人满意,从而为电力系统短期负荷预测提供了一种新的预测方法。     

拦污栅栅条的稳定计算

通过对双悬臂栅条倾覆稳定计算简图的等效简化 ,应用瑞利商求解倾覆稳定微分方程 ,给出了均布荷载、集中荷载及其组合作用时双悬臂栅条的临界荷载计算方法 ,据此建议了栅条的合理结构布置 ,为规范修订及生产设计提供理论依据。     

六氟化硫断路器无载介质恢复特性的计算

通过对ＳＦ６压气断路器空载运动过程的模拟及运动过程中电场不均匀系数的计算,应用高电压技术稍不均匀电场的击穿理论,获得了ＳＦ６断路器的无载介质恢复特性,这可作为ＳＦ６断路器开断性能仿真分析及ＣＡＤ系统的必要部分。     

三相Δ接法同步发电机带整流负载特性的数值仿真

基于同步发电机理论,建立了同步发电机三相定子绕组三角形接法带整流负载系统的数学模型,文中计及高次谐波气隙磁场和整流元件压降的影响,利用一种数值算法,对不同整流负载的特性进行仿真,给出它们的仿真波形,并进行比较。     

热漏对定常态流联合热泵循环性能的影响

分析旁通热漏对联合热泵循环性能的影响，导出存在热阻和热漏损失的定常态流联合热泵最佳供热率与供热系数之间的关系、最大供热系数及其相应的供热率。     

证据理论在中期负荷预测中的应用

负荷预测中遇到的一个比较大的问题是影响负荷的因素很多，而且其中有很多不确定的因素。为此，本文提出了利用证据理论进行负荷预测的方法。本文中将影响负荷的因素分为三类：一类是负荷本身的历史数据；二类是可定量的相关因素；三类是难以定量的不确定因素。本文中就仅考虑一、二类因素和同时考虑三类因素两种情况，给出了利用证据理论进行负荷预测的推理网络和实现方法。算例表明。本文提出的方法预测精度较高，是一种将经验同数学模型有机结合的理想方法。