广东省电力负荷非线性预报与分析

电力负荷预报是电力系统的重要工作之一。广东电力年负荷为非线性时间序列．根据时间序列的理论与方法．在分析广东电力历史负荷非线性时间序列运动轨迹的基础上．发现其电力负荷数据可由时间序列的典型分解式表示。选择期望值为噪声项的概率模型．并采用最小二乘法拟合趋势项，再根据参数估计和数据拟合优度的检验结果对时间序列未来取值进行预报。对广东电力负荷时间序列R/S分形分析进一步表明了预报值的合理性．也预示了今后20~30年内广东电力负荷的持续稳定增长。     

电力负荷非线性预报与分析

电力负荷预报是电力系统的重要工作之一 ,电力系统年负荷为非线性时间序列 ,文章根据时间序列的理论与方法 ,在分析电力系统历史负荷非线性时间序列运动轨迹的基础上 ,得出了年电力负荷数据由时间序列的典型分解式及选择期望值为噪声项的概率模型 ,并采用最小二乘法拟合趋势项 ,再根据参数估计和数据拟合优度的检验结果对时间序列未来取值进行预报。对电力负荷时间序列R/S分形分析进一步表明了预报值的合理性 ,也预示了今后 2 0～3 0年内电力负荷会持续、稳定增长。     

混沌理论在年电力负荷预测中的应用

电力负荷预报是电力系统的重要工作之一。电力系统年负荷为非线性时间序列，针对电力系统负荷的复杂性及非线性，提出了结合混沌理论的思想，充分利用数据信息，在重构电力负荷相空间的基础上对负荷进行预测。通过对年电力负荷时间序列混沌理论的分析，进一步表明了电力负荷预报值的合理性，也预示了今后20—30年内电力负荷的持续稳定增长。     

灰色系统方法预报华中电网用电负荷

简述了灰色系统理论，利用这一理论建立该系统模型，进行灰色系统法负荷预报，预报内容包括1996、1997年月均用电量、月用电最大电力、月用电平均最大电力，最后对预报结果进行了检验。     

基于灰色理论与BP神经网络的电力负荷预报

为了提高电力负荷预报的精确度和稳定性，基于灰色理论和BP神经网络，提出了电力负荷预报方法。该方法在预测精确度和稳定性方面都比单一的灰色理论预报方法有明显的提高。经实例预测表明，此方法的预报相对误差可以达到1．69％以内。     

一个短期电力负荷智能预报系统

本文介绍一个正在实际使用的短期电力负荷智能预报系统。针对电力负荷变化的非平稳性，该系统能消除异常数据对预报值的影响，能对预报结果进行检验及修正，能根据预报误差自动校正预报模型参数，能根据“近大远小”的原则进行预报，并能将多种不同的数学模型加权组合预报。该系统对节日负荷预报也有自己的特色。实际使用结果表明，该系统具有一定的智能性，对非平稳的电力负荷序列有很好的自适应性。     

上海市区供电局电力负荷预报

根据市区供电局的各行业电力负荷历史数据分别进行了短期和长期预报,得出各规划年的总负荷数据。其中,短期预报采用１９９２～１９９８ 年的月负荷数据,对１９９９ 年各行业用电负荷逐月预报;长期预报则采用１９９０～１９９８ 年的年负荷数据,对２０１０ 年各行业的大致年用电负荷数据进行估算。     

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     

电力系统负荷的径向基函数网络预报

根据径向基函数理论建立的径向基函数神经网络(RBFN)可实现非线性系统的输入、输出映射关系,本文依据该理论建立了一种负荷预报的新算法——径向基函数网络预报法。该算法依据历史负荷数据和天气信息,能够体现负荷的波动性和气温对负荷的影响,实现电力负荷的短期预报。     

电力系统短期负荷预报的几种改进手段

采用时间序列法(ARMA)对电力系统进行短期负荷预报，着重研究了负荷样本伪数据的处理以 及如何建立从自动搜索定阶到节假日预报一整套的程序化模型，所编制程序在HP486 PC机上 获得通过。采用负荷数据为上海某供电局1995年5月份小时负荷报表，预报结果的日平均误 差为1%～3%，最大误差不超过5%。     

基于多维特征融合的居民电力消费异质性模式识别研究

基于海量数据的居民电力消费行为特征分析与模式识别研究,对电网负荷预测以及需求响应潜力挖掘等有着至关重要的作用,而居民电力消费大规模数据与多维特征的涌现,成为居民电力消费异质性模式识别的难点。研究基于大规模居民电力消费数据,首先采用电力负荷特征分解技术构建特征工程;其次通过因子分析对所构建的多维特征进行融合,并采用聚类算法对居民电力消费模式进行识别;最后以江西省居民电力消费数据为例,分别在居民家庭与台区维度进行实证分析,分别得到4种典型居民电力消费模式,可为电网公司个性化与差异化政策制定,进一步拓展服务的深度和广度提供科学支撑。     

短期电力负荷预报的自适应模糊神经网络方法

提出了一种的新的电力预报法－自适应模糊神经网络方法,该自适应模糊神经网络推理系统具有类似于神经网络的结构,并应用了一种混合的自适应学习算法,在此基础上,研究了该方法在电力负荷预报中的应用并与神经网络方法作了比较。     

面向类别不平衡负荷序列模式识别的两阶段选择集成学习策略

为解决集成学习负荷模式识别中的类别不平衡及基分类器冗余等问题，提出一种计及类别平衡的两阶段选择集成电力负荷模式识别方法。首先，采用一种基于密度聚类的高斯人工合成少数类过采样技术，根据少数类负荷样本的密度分布特性合成新样本，以强化负荷分类模型对少数类负荷样本的学习。然后，设计出一种包括基分类器聚类剪枝和优化选择集成的两阶段选择集成策略，基于基分类器池的训练结果，遴选最优基分类器子集参与负荷分类任务。最后，通过UCI标准数据集算例验证了所提方法的有效性和优越性。     

广义电力负荷的模型结构与参数确定

针对区域负荷中含有电源但仍然以电力负荷为主的广义电力负荷，在分析电源对广义电力负荷建模影响的基础上，给出了广义电力负荷的3种模型结构。提出了广义电力负荷模型的参数确定策略，指出等值发电机参数可以采用理论等值方法确定，而负荷模型参数可以采用辨识方法确定。最后给出了仿真结果。     

电力系统负荷模型的分类与综合

负荷模型对电力系统分析具有重要的影响,但由于负荷建模本身的困难,电力系统负荷建模 一直是电力系统分析计算中没有很好解决的问题,以致于许多人认为负荷特性没有规律可言 。文中给出基于模式识别的分类方法和综合建模方法,并通过对河北沧州1996年、1997年、 1998年数据的分类和综合处理,发现负荷特性具有可重复性。这说明虽然存在着负荷特性的 时变性、随机性,但是负荷特性还是有规律的,这也证明了总体测辨法的可行性。     

区间时间序列向量自回归模型在短期电力负荷预测中的应用

电力负荷数据通常随着时间的不同而呈现一定的波动性。针对电力负荷随着时间波动呈现出一个范围波动的特点,采用区间时间序列估计与向量自回归相结合的方法对短期电力负荷进行预测,预测结果拟合良好,提高了电网公司对电力负荷的预测精确度,为电网公司制定负荷预报曲线提供精准数据信息,为电网公司编制电力负荷计划提供理论支持和有效的方法。     

基于分区逐时气象信息的全网负荷预测研究

负荷与气象是密切相关的,尤其在夏冬两季。以省网负荷预报为例,在传统的电力负荷预测中,所采用的气象信息一般是全省、全天的气象信息,比如全省最高温度、最低温度等等。当前,气象预报技术已经可以做到分区、逐时预报。该文总体思路是将分区逐时气象预测数据应用于负荷预报,以进一步提高负荷预测精度。指出了按照行政区域和气候区域相结合来分区,定义了基于负荷的综合气象因素,提出了根据网供电与综合气象因素进行预测的策略,给出了将相似日方法与支持向量机相结合的负荷预测方法。最后给出在河南电网应用的实际结果,对比表明采用逐时气象信     

基于分区逐时气象信息的全网负荷预测研究

负荷与气象是密切相关的,尤其在夏冬两季.以省网负荷预报为例,在传统的电力负荷预测中,所采用的气象信息一般是全省、全天的气象信息,比如全省最高温度、最低温度等等.当前,气象预报技术已经可以做到分区、逐时预报.该文总体思路是将分区逐时气象预测数据应用于负荷预报,以进一步提高负荷预测精度.指出了按照行政区域和气候区域相结合来分区,定义了基于负荷的综合气象因素,提出了根据网供电与综合气象因素进行预测的策略,给出了将相似日方法与支持向量机相结合的负荷预测方法.最后给出在河南电网应用的实际结果,对比表明采用逐时气象信息的预测精度比采用全天性气象指标的预测精度更高.     

一种神经网络电力短期负荷预报器

介绍了现已在美国和加拿大的35家电力公司使用的第三代人工神经网络短期负荷预报器ANNSTLF.它包含两个神经网络,一个预报基本负荷,另一个预报负荷变化,两部分负荷经自适应组合计算出最终预报.湿度和风速对负荷的影响通过温度线性变换考虑.一种新颖的加权插值算法大大提高了节假日预报精度.10家不同电力公司的预报数据表明系统性能优越.     

短期电力负荷的模糊神经网络预报方法

提出了一种用于短期电力负荷预报的模糊神经网络预报方法，该方法可以直接由模糊信息预测出未来一天或一周的各小时负荷，文中通过实际处例证所提模型和方法的有效性。