基于模糊聚类-马尔可夫链的换电站负荷预测模型

换电站减少了电动汽车的补能时间,具有可观的调控潜力,准确的负荷预测模型是其参与电网辅助服务的关键。针对用户换电需求的随机性,建立基于模糊聚类-马尔可夫链的换电站负荷预测模型。首先,利用泊松分布预测各时刻电动汽车换电需求数量,并建立换电需求约束;其次,利用自适应模糊C均值聚类算法依据荷电状态对换电站中电池集群进行自适应分区,避免人为分区的主观性;最后,采用马尔可夫链建立充电、放电、等待多状态下换电站电池集群模型。对需求预测方法与负荷预测模型进行了仿真验证,并与蒙特卡洛模拟法进行对比,结果表明,泊松分布准确预测了电动汽车需求数量,提出的负荷预测模型获取了充放电状态下换电站的功率,同时减小了负荷预测的波动性。     

马尔可夫链在市场份额预测上的应用

本文运用马尔可夫链中的转移矩阵对产品在市场中的份额进行预测,并给出数学模型。通过此方法,减少了企业在市场中投放产品的盲目性,从而提高了企业的竞争力和产品的份额。     

基于灰色-马尔可夫链的短期风速及风电功率预测

风速具有较大的随机波动性,影响风电及其与之相连电网的运行稳定性,良好的风速和风电功率预测是解决风电并网问题的关键。为此,对用于风速预测的灰色模型和马尔可夫链模型进行比较分析。通过对灰色拟合值的误差转移序列进行分析及建立马尔可夫链状态转移概率矩阵,得出灰色-马尔可夫链预测模型,进而求得风速的误差预测值。并用马尔可夫链转移概率矩阵的期望值对传统马尔可夫链进行改进,得出改进型灰色-马尔可夫链模型,以此对风电功率进行直接预测,并与功率曲线模型法进行对比分析。结果表明,改进型灰色-马尔可夫链模型预测精度更高。     

市场占有率分析-马尔可夫理论实证研究

以海尔、容声等冰箱的市场占有率为实例阐释马尔可夫链对市场进行预测与决策的全过程．同时在预测误差分析的基础上对基于马尔可夫分析的市场占有率预测模型进行了评析．     

基于马尔可夫链筛选组合预测模型的中长期负荷预测方法

在负荷预测的模型组合过程中,主要是根据历史数据的趋势恰当选择模型,再根据模型特点选择权重分配方法。针对灰色关联度满足要求的几种模型预测值分化较大的问题,从负荷数据的增长率无后效性这一特点出发,通过对原始数据增长率的分析,采用马尔可夫链划分区间,从几种满足精度要求的模型中筛选出两种进行组合预测,通过方差—协方差方法分配权重。经过该种方法的筛选,不仅可以更准确地选择组合预测模型的类型,而且具有较高精度。     

年径流预测的最小二乘支持向量机-马尔可夫链组合模型

基于最小二乘支持向量机(LLSVM)与马尔可夫链(MC)提出了一种新的年径流预测模型——最小二乘支持向量机-马尔可夫链组合模型(LLSVM-MC).首先利用LLSVM模型对年径流进行第一步预测;其次将预测误差看作是马尔可夫过程,用MC对预测误差进行估计,作为第二步预测;最后,将两步预测结果叠加得到年径流预测值.实例预测表明,建议模型有效地提高了预测精度.     

结合支持向量机和马尔可夫链算法的中长期电力负荷预测模型

中长期电力负荷预测具有可利用的历史数据较少和受外界不确定性因素影响较大的特点,传统的单一预测模型很难满足生产实际的需要。在简要分析了支持向量机和马尔可夫链各自优势的基础上,提出了一种基于支持向量机和马尔可夫链的组合负荷预测模型。通过经改进的粒子群算法优化的支持向量机对历史负荷序列进行粗预测,接着借助马尔可夫链确定负荷序列的状态转移概率矩阵,通过划分系统状态以及分析实际值与支持向量机拟合值的相对误差,得到最终的预测结果。实际算例验证了该模型的有效性和优越性。     

基于灰色马尔科夫预测模型的中长期电力负荷预测

中长期负荷预测在电网发展规划编制中占有重要地位,而其关键是数学模型的建立。本文建立了基于马尔科夫修正的灰色负荷预测模型,利用灰色预测模型对未来负荷进行预测,对预测结果采用马尔可夫链预测方法进行改进,提高其预测的准确性。采用灰色马尔科夫模型对某市用电需求负荷建立预测模型,预测了2006至2008年的用电负荷,与实际用电负荷进行对比,结果验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

高校毕业生社会需求预测

针对高层次人才培养的重要性以及近年来出现的高校毕业生供需失衡问题,阐述了对高校毕业生社会需求进行预测的重要性,并从总量需求预测、层次需求预测、专业结构需求预测等方面对预测的目标进行了分析,对国民生产总值等影响预测的要素进行了分析,最后对预测的方法进行了研究.     

高校毕业生社会需求预测

针对高层次人才培养的重要性以及近年来出现的高校毕业生供需失衡问题,阐述了对高校毕业生社会需求进行预测的重要性,并从总量需求预测、层次需求预测、专业结构需求预测等方面对预测的目标进行了分析,对国民生产总值等影响预测的要素进行了分析,最后对预测的方法进行了研究.     

基于马尔可夫链修正的电力电量灰色预测研究

电力电量具有规律性、非线性和随机波动性的特点,采用传统灰预测模型预测很难对其动态发展趋势做出准确的预测。针对以上问题,在传统灰预测模型的基础上,引入马尔可夫链修正,并将修正后的模型应用于烟台市全社会用电量的预测,最后将修正前后的预测结果进行比较。结果表明,使用修正后的灰预测模型进行预测,计算过程简便,预测结果精度高,可以对电力电量进行有效预测,研究结果可以为科学地制定电网规划提供参考和借鉴。     

基于动态优化马尔可夫链的线路继电保护装置状态预测方法

目前继电保护状态监测模型均利用静态故障概率进行装置失效率预测,未能计及设备老化与检修对失效率的动态影响,预测结果不可靠。对此,提出一种基于三参数威布尔分布动态优化的马尔可夫链状态预测方法。首先利用灰色-粒子群支持向量机算法求解更为精确的继电保护装置失效率函数,随后将其用于动态修正保护状态马尔可夫链中各运行状态之间的转移概率,最终实现对线路保护未来运行状态的推演。仿真结果证明,所求解的失效率函数相比传统方法求解的函数具有更高的计算精度,而动态优化马尔克夫链模型实现了设备老化与检修的动态量化处理。研究状态转移概率计算结果符合设备运行工况,可以有效预测设备规定投运年限内各时间点的运行状态。该方法对于保护检修策略的优化具有一定的指导意义。     

基于LSSVM和马尔可夫链的母线负荷短期预测

提出了一种母线负荷短期预测混合算法.采用最小二乘支持向量回归方法(LSSVM)进行短期母线负荷预测,并提出一种广义网格搜索算法对模型参数进行优化;由历史预测误差组成误差序列,将历史预测误差序列看作是一个符合马尔可夫过程的时间序列,采用马尔可夫链方法对未来的预测误差进行估计,采用误差估计结果对上一步LSSVM的预测结果进行修正,得出最终预测结果.经算例分析证明,所提方法能显著提高预测精度.     

风险价值在电力需求预测管理中的应用

随着电力行业改革的进一步深化,如何预测将来的电力需求是供电企业关注的问题之一。把预测误差看作供电企业的一种风险来源,研究风险价值在电力需求预测中的应用,是一种新方法。该方法利用三层BP神经网络根据电力需求历史数据建立预测模型;计算BP神经网络对历史数据的拟合残差(预测误差);对计算得到的预测误差利用风险价值概念与方法计算给定置信水平下电力需求的置信区间;利用南京市电力需求历史数据进行案例分析。研究结果表明,该电力需求预测方法,充分考虑到供电企业的风险偏好,得到的电力需求区间能够在概率意义下反应电力需求的不确定性变化。     

耦合隐马尔科夫在模拟电路故障预测中的应用

为了能够更准确地对模拟电路系统中各退化状态进行状态识别和故障预测,针对单一通道的隐马尔可夫模型在模拟电路系统中预测精度不高的特点,提出了一种具有2条Markov链的耦合隐马尔可夫模型故障预测方法。该方法在模拟电路中采用2个测试点通过双通道数据分别对各退化状态和全寿命进行建模,实验结果表明,耦合隐马尔可夫模型与传统的隐马尔可夫模型相比,不但提高了状态识别率,而且能对电路系统的故障发生进行有效地预测,为状态维修提供依据。     

基于灰色-加权马尔可夫链的光伏发电量预测

光伏发电量预测是光伏并网的一项基础性工作。运用灰色模型对光伏发电量进行总体趋势的预测后,加入了加权马尔可夫链预测理论,建立了灰色-加权马尔可夫链预测模型。该模型不仅考虑了GM(1,1)模型对指数增长序列的适应性,而且考虑了发电量数据随机波动的特点,用状态转移概率矩阵来描述这种波动性。将该模型运用于合肥某光伏电站的光伏发电量预测,结果表明加权马尔可夫链与灰色模型的结合,提高了对波动性较大的发电量数据预测的精度,验证了该模型的可行性和有效性。     

基于组合模型的短期风速预测研究

风速具有较大的随机波动性,影响了电网的稳定性,风速预测对于风电并网问题至关重要。本研究采用灰色-马尔可夫链（GM-Markov）与最小二乘支持向量机（LSSVM）预测模型分别对风速进行预测,比较了各单一预测模型的精度;在此基础上研究了动态权重组合模型与0-1法组合预测模型。然后以国内某风电场的实测风速数据为例进行分析,结果表明,单一预测方法时好时坏,稳定性较差,组合预测模型总体效果较好,具有较大的实用价值。     

基于高阶马尔可夫链和高斯混合模型的光伏出力短期概率预测

为提高光伏电站出力预测的准确性,给调度决策人员提供更丰富的预测信息,提出一种基于高阶马尔可夫链(highorderMarkovchain,HMC)和高斯混合模型(Gaussian mixture model,GMM)的光伏电站短期出力概率预测方法。首先对光伏电站的历史出力数据进行HMC建模,通过计算邻近时段光伏出力数据的Pearson相关系数确定马尔可夫链的阶数,并统计历史数据得到邻近时段光伏出力的状态转移概率矩阵。然后以此为基础建立GMM形式的光伏出力概率预测模型,并提出基于相似气象条件下的数据样本对GMM中各高斯分布的均值与方差进行修正,最终得到光伏电站出力的概率密度函数。以实际光伏电站数据为例进行分析,结果表明所提出的概率预测方法具有较高的准确性,且与传统的点预测方法相比,概率预测能够为电网运行决策提供更多有益信息。     

基于灰色马尔可夫模型的变压器油中溶解气体体积分数预测

准确预测变压器油中溶解故障特征气体的体积分数对发现变压器早期潜伏性故障,实现电力系统安全经济运行具有重要意义。将灰色多变量预测方法和马尔可夫链理论有机结合,提出了一种适合变压器故障特征气体体积分数预测的灰色马尔可夫组合预测模型。利用优化的背景值构造公式建立灰色多变量模型对变压器故障特征气体时间序列的宏观发展规律进行动态预测,在此基础上,建立故障特征气体时间序列的状态转移概率矩阵,以归一化的各阶自相关系数作为权重值,通过加权马尔可夫链模型修正灰色多变量模型预测值,实现变压器故障特征气体体积分数的预测,预测精度较高。实际算例分析验证了该模型的实用性和有效性。     

基于ARMA模型的光伏电站出力预测

目前光伏发电站容量的不断扩大,光伏发电站并网后其功率的变化具有不确定性,因此有必要对光伏电站的出力进行预测.本文建立了一种基于ARMA模型的光伏电站预测模型.结合历史发电量数据和气象因素,分别使用ARMA模型和马尔可夫链模型对光伏电站的出力进行预测,并进行了两者的比较.大量的数据表明,ARMA预测模型有较高的精度,能够...