遗传禁忌神经网络模型及其在电力负荷预测中的应用

针对神经网络权值学习算法的不足,结合遗传算法和禁忌算法各自的优势,建立了遗传禁忌神经网络预测模型.实际应用表明,与遗传算法相比,该模型具有收敛速度快、预测精度高等优点,具有满意的预测效果.     

基于GANO算法的电力系统中长期负荷预测研究

进行负荷预测时,由于中长期负荷历史数据较少而制约因素较多,因此预测难度较大。在分析了灰色预测和神经网络预测优缺点的基础上,提出了多因素灰色神经网络组合预测模型(GANO)。该模型首先采用灰色GM(1,n)模型处理多因素的影响,进而利用BP神经网络训练电力历史负荷数据,最后利用统计方差的倒数建立较为理想的优化组合预测模型。该优化模型结合了各模型优点且综合考虑了电力负荷的多种制约因素。经算例验证,优于单一历史负荷预测模型,有效地提高了中长期负荷预测精度。     

基于联合数据挖掘技术的神经网络负荷预测模型研究

认为提高日负荷预测精点,即基于联合数据挖掘技术的电力负荷神经网络预测新方法.也就是通过多种挖掘技术寻找与预测日同等气象类型的多个历史日负荷,由此进一步提取数据,组成规律强化、干扰弱化、具有高度相似气象特征的数据序列,对此,再构建人工神经网络预测模型,从而有效地提高了预测的精度,简化了模型的输入和计算,更加便于应用.     

时标上非线性三点边值问题的拟线性方法

利用拟线性方法,研究了时标上非线性动力方程两项和的三点边值问题,得到了两个一致收敛于所讨论问题的唯一解的单调序列,而且是二阶收敛的。     

掺加增钙粉煤灰生产混凝土砌块的可行性研究

本文主要对采用增钙粉煤灰大量取代水泥生产混凝土砌块的可行性进行了初步研究，探讨了增钙粉煤灰掺量以及激发剂对强度的影响规律。     

火电厂选址最优规划中的层次分析法

电厂厂址的选择问题是电力建设规划中一项基本的工作。因其涉及的因素较多，以往的研究工作多限于主观和定性的分析。运用层次分析原理，讨论了火电厂选址最优规划的问题。其方法运用定性与定量相结合的方法，克服了当前选址工作中定性因素多、多重目标及庞大搜索空间的困难，并进行了实例分析。所得结果表明该方法对于提高火电厂选址的科学化、全面化、定量化具有一定意义。     

电力负荷预测的最优分段校正模型研究及应用

中长期电力负荷同时具有增长性和波动转折性的二重趋势，这使得电力负荷的变化呈现出复杂的非线性特征。传统的中长期负荷预测模型仅考虑一种变化趋势，从而预测效果较差，不能符合实际需要。为了提高预测精度，更精确地反映负荷变化规律，通过改变GM(1，1)模型中微分方程的初始条件，且对历史负荷进行最优分段，在此基础上建立了电力负荷预测的最优分段校正模型，使模型具有二重趋势性特点。通过实例验证，较大提高了预测精度。     

电力企业信贷能力的熵评价研究

随着电力市场改革的推进,更多的电力企业开始关注自身信贷能力的提高以争取信贷支持。将熵权评价方法引入了信贷能力的评价,并对上市电力公司进行了实例评价。结果证明了其实用性与可信度,为上市电力公司信贷能力评估提供了一种新方法。     

基于自组织映射支持向量机的日前电价预测

针对电力市场中日前24点电价特性差异较大、采用单一模型很难描述的特点，建立多个模型分别对其进行预测，将数据空间按时点划分成24个子空间，然后根据这些子空间的相似性通过自组织映射对其进行自动聚类，并在不同类别的子空间分别建立支持向量机模型进行训练和预测。应用上述方法对PJM电力市场2005年8月的31天日前24点电价进行预测，结果表明该方法能够有效提高预测精度。