共查询到20条相似文献,搜索用时 0 毫秒
1.
为了对能源消耗做出精准的预测,文章提出了一种基于带外生变量的季节差分移动自回归(seasonal autoregressive integrated moving average with exogenous,SARIMAX)模型与极限梯度提升算法(extreme gradient boosting,XGBoost)混... 相似文献
2.
3.
4.
为解决城市公交行业能耗监测能力不足的问题,以公交行业能耗统计监测管理手段、公交行业发展相关政策、公交企业能耗统计档案、企业能耗监测管理措施为基础数据为来源,基于VMT的能耗测算方法,根据城市公交行业能源消耗影响因素特点,设计能耗测算模型.同时通过科学分层,减少数据采集需求和采集难度,形成合理的城市公交能源消耗总量与单耗... 相似文献
5.
6.
<正> 能源系统工程是自70年代以来发展形成的一门新兴学科。它将系统工程学的基础理论与能源技术科学、计量经济学有机地合为一体,以先进的现代数学方法和计算机技术作为工具和手段,在能源规划,能源需求与供应、能源政策和战略研究等领域的应用中显示出了强大的生命力。本文提出一种用于能源规划的灰色模型方 相似文献
7.
8.
9.
10.
需求方管理技术在电力用户的应用 总被引:2,自引:0,他引:2
需求方管理技术是当前国际上推行的一种先进的管理技术,能够在资源合理开发有效利用方面发挥更大的作用,能有力地促进经济、能源和环境的协调发展。它适应市场经济运行机制,遵循法制原则,讲求成本效益,主张活化市场,鼓励资源竞争,提倡经济、优质、高效的能源服务。 一、 相似文献
11.
12.
针对电力负荷非线性、非平稳性、时序性等特点,提出了一种基于EMD-LN-LSTM的短期电力负荷预测模型。利用经验模态分解(EMD)将经数据预处理之后的原始电力负荷数据分解为有限个内涵模态分量(IMF)和一个残差分量,以降低负荷序列的非平稳性和复杂度。将分解后的各分量分别输入到长短期记忆网络(LSTM)中进行预测,同时利用层标准化(LN)对LSTM进行规范化处理,优化网络模型。对各分量预测值进行重组,求出最终的负荷预测结果。以多伦多真实数据为算例,分别使用EMD-LN-LSTM模型和其他模型进行预测,结果表明:EMD-LN-LSTM模型24 h平均绝对百分比误差相较于RNN模型、LSTM模型分别降低了3.600%、1.864%,而拟合优度均高于RNN模型、LSTM模型,表明该模型能够更好地拟合负荷曲线,具有较高的预测精度。 相似文献
13.
为准确预测电力消费并给电力发展规划制定提供依据,提出一种电力消费混合预测模型(PSOGRNN),将GDP、人均可支配收入和电力消费历史数据作为输入变量,运用粒子群优化(PSO)算法优化选择用于电力消费预测的广义回归神经网络(GRNN)模型参数值,以此提高模型的预测精度。实例验证结果表明,与自适应GRNN模型、DGM(1,1)模型和最小二乘线性回归模型相比,PSOGRNN模型的预测精度最高,且有效可行。 相似文献
14.
为满足电力规划部门的实际需求,并充分利用海量开源数据,提出一种基于开源大数据,自主整理数据并自适应选择预测模型的电力负荷预测方法,该方法通过收集海量数据并归类,筛选得到多个与负荷预测强相关的数据源,并提出自适应负荷预测模型,该模型应用灰色预测函数、弹性系数预测函数、人均用电量预测函数、人工神经网络预测函数等多种数学方法,且可以根据数据来源进行相应拓展,并采用四种评价指标对多源预测结果进行修正。实例应用结果表明,该方法可以提高预测精度,工程实用价值较大。 相似文献
15.
16.
电力负荷预测在能源领域具有重要的应用价值,电力负荷预测是电力系统运行和管理中的重要环节。准确的电力负荷预测有助于电力系统运营商提前做好供电计划,能优化资源配置,提高运营效率。随着人工智能技术的发展,基于深度神经网络的电力负荷预测方法引起了学者们的广泛关注,探究基于深度神经网络的电力负荷预测方法能有助于电力设备的稳定输出,对经济发展具有重要的现实意义。 相似文献
17.
18.
19.
20.
电力负荷具有非线性和时序性的特点,为了深入研究各特征变量对于电力负荷预测的重要性,进而获得更高的电力负荷预测精度,提出了基于随机森林(random forest,RF)算法及长短期记忆网络(long short-term memory,LSTM)的混合负荷预测模型。首先根据时间日期因素及气候因素建立高维特征数据集作为随机森林模型的输入,通过随机森林算法筛选出重要特征量,并使其与历史负荷结合作为LSTM模型的输入,经过粒子群算法对LSTM模型进行参数寻优后得到RF-LSTM混合模型及负荷预测结果。使用该方法对河北电网某台区的电力负荷进行预测,结果表明该混合模型的预测精度比未经特征变量筛选的传统单一的随机森林算法、LSTM模型以及BP神经网络更为理想。 相似文献