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。     

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。     

建筑工程造价预测的变结构神经网络模型研究

分析了建筑工程项目造价预测几种方法的缺点,提出了建筑工程造价的变结构神经网络预测模型,从理论和实例上说明了该方法的优点,为建筑工程造价管理提供了新的方法,也有助于电力工程项目造价预测管理。     

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。     

具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型

电力负荷预测是电力系统的一项重要工作，季节型电力负荷预测是一个难点，缺少相应的数量预测方法，对于具有增长和波动二重趋势性的季节型电力负荷，首先提出了季节型负荷预测的组合优化灰色神经网络模型，研究了同时考虑两种非线性趋势的复杂季节型负荷预测问题，说明了优化模型分别优于两种单一发展趋势负荷预测的模型。给出了电力负荷预测的应用实例，通过对河北电网季节最大负荷与销售电量的分析，建立了对应的组合优化灰色神经网络模型，与其它算法进行了比较，计算结果表明，该方法较大提高了季节型负荷预测的精度，为季节型电力负荷预测提供了一种新的，有效的方法，编制了季节型负荷预测的软件，此软件具有实用性和通用性。     

多元指数加权电力负荷灰色优化组合预测

由于电力负荷具有增长性和波动性并且受到多个因素影响,使得电力负荷的变化呈现出复杂的多元性及非线性组合特性,对于这种具有复杂的多元性及非线性组合特性的序列,使用传统的模型进行预测,预测精度往往不理想.为了提高预测精度,作者为提出了多元指数加权电力负荷灰色优化组合预测模型.其中灰色优化组合预测模型用于进行非线性增长趋势的电力负荷预测,指数加权法能解决历史负荷的波动性问题.实际算例表明,所提出的方法由于综合考虑了电力负荷的多种特性,能有效地提高负荷预测精度.