基于方差-协方差组合预测的中长期电力负荷预测研究

关于中长期电力负荷预测有多种预测方法,但各方法被许多因素所局限,本文选用线性回归模型、二次多项式模型和灰色预测模型分别对电力负荷进行预测,再综合起来建立方差-协方差组合预测模型。通过比较后得出结论,本方法大大降低了误差,提高了预测精度,可以科学地预测中长期的电力负荷。     

中长期电力负荷组合预测

电力负荷的中长期预测是电力投资决策的关键,但由于其影响因素众多、变化较大等原因,预测精度一直是一个难点,基于神经网络的组合预测可以提高预测精度。     

基于D-S证据理论的中长期电力负荷组合预测

针对电力系统中长期负荷预测的特点,分别应用灰色系统理论及回归分析方法对中长期负荷进行了预测研究。然后基于D-S证据理论对两种负荷预测方法进行了组合预测,提出了一种新的电力负荷组合预测方法。并通过与两种预测方法的仿真验证对比,证明了本方法具备较高的精度及较强的可操作性,可为电网中长期规划提供有效的借鉴指导。     

基于黄金分割法优选的中长期负荷变权组合预测

为了提高中长期负荷预测的精度,避免单一的灰色模型预测和指数平滑法预测精度偏低的缺点,提出了基于黄金分割法优选的自适应变权组合预测方法。该方法首先对灰色预测方法和自适应三次指数平滑法进行了改进,以拟合值与实际值之间的相对误差绝对值之和最小为目标,利用黄金分割法优选出自适应三次指数平滑法的平滑系数,确定最优的三次指数平滑模型,然后以同样的方法确定灰色模型和自适应三次指数平滑法的权重。接着,对原始负荷数据进行新陈代谢,重复利用黄金分割法优选出新的平滑系数和各单一方法的权重,即可得到新的变权组合预测模型。仿真结果表明,所提出的自适应变权组合预测方法切实可行,与单一的灰色模型、三次指数平滑法及等权组合预测方法相比,有效地提高了中长期负荷预测的精度。     

灰色组合模型在中长期电力负荷预测中的应用

针对中长期电力负荷预测使用的历史数据较少,且影响因素较为复杂等特点,提出了一种基于最优权重组合(weight optimal combination,WOC)的灰色组合模型.该模型利用最优权重组合将灰色线性回归模型、二次指数模型、等维新息模型、残差灰色模型4种模型进行组合,采用二元最优组合的迭代寻优算法来求取WOC中每个模型的权重,充分发挥几种模型各自的优点.通过在湖南省某地电力系统规划中的实际应用,验证了此方法有较好的实用性和有效性.     

中长期电力负荷的组合预测法

组合预测法能较大限度地利用各种预测样本信息,有效地减少单个预测模型建立过程中一些环境随机因素的影响,提高预测精度.通过对灰色预测法、等维新息法、回归分析法的研究,先由原始数列建立灰色预测模型,预测出近期数据,再运用等维新息思想,把灰色模型的近期预测值添加到原始数列中,生成组合的数列,由新生成的组合数列建立回归模型,预测...     

中长期电力负荷灰色预测的新方法探讨

提出了灰色预测的一种新方法——二次迭代拟合方法。该方法是在原有GM(1，1)模型的基础上，直接采用原始数据将模型进行二次迭代拟合，使得参数的值达到最佳。根据“远小近大”的思想，在拟合中使用了加权最小二乘法，并对预测结果进行二次修正。实例分析结果表明，此方法提高了精度，是一种理想的预测方法。     

基于支持向量机回归组合模型的中长期降温负荷预测

提出基于支持向量机回归组合模型的中长期降温负荷预测方法。其中,支持向量机模型以多种社会经济数据为输入参数,年最大降温负荷值为输出参数。在训练过程中采用网格搜索法对支持向量机回归模型参数进行优化;回归分析中,综合采用线性、二次和三次多元回归的组合模型;最后利用最优组合预测方法将二者组合。采用广东省2008~2011年实际负荷数据和社会经济数据为训练样本,2012~2014年数据为测试样本,对支持向量机回归组合预测模型进行验证,同时也对2015和2020年最大降温负荷进行预测。结果表明,预测值与真实值的误差控制在5%以下,验证了该中长期降温负荷预测模型的有效性。目前该预测模型已在广东电网得到实际应用。     

可变参数无偏灰色模型的中长期负荷预测

由于传统灰色预测模型固有的偏差和模型参数的固定选择，导致预测精度较低，不适应中长期负荷预测，对传统模型进行改进，包括对历史数据的平滑处理，模型参数修正，等维新息数据处理和对预测值的修正等，改进后的模型能够较好的预测中长期负荷。     

基于组合预测模型的长沙市长期负荷预测

在长沙经济发展预测的基础上，采用回归分析法、趋势外推法、灰色预测方法和弹性系数法等多种方法预测长沙城区2005-2020年的负荷需求，并结合这些方法，提出了基于误差权重因子的多种方法组合预测的思路，对长沙市的长期负荷需求进行了优化组合预测．对预测结果的分析表明，该预测方法是合理、有效的．     

基于改进灰色模型的超短期负荷预测

通过分析现行的超短期负荷预测方法存在的问题,提出了应用灰色模型纵向预测和横向趋势外推修正的超短期负荷预测新方法.引入最新的历史负荷信息,对纵向预测的近似曲线进行修正,纵向预测值能反映出总体的发展规律,而横向修正值又体现最新态势变化,并把选择相似日的新思路融合在预测过程中.用实际数据检验表明,该方法能对预测精度有所改善,具有较好的工程实用性.     

基于层次分析法的中长期电力负荷组合预测

针对单一负荷预测方法较难准确预测电力负荷的情况,将层次分析法应用于中长期电力负荷组合预测中,分析组合预测的层次模型和计算方法,以某市2007-2009年用电量进行模拟预测,结果表明该方法预测精度高,具有较强的实用性.     

基于用电大数据的中长期负荷预测研究

随着全球信息化的发展,大数据时代已然来临。而电力行业与国计民生息息相关,有必要引入大数据技术提高其经济性、可靠性。江苏用电信息采集系统的建成,营销历史档案信息的积累,都为电力大数据的研究奠定了丰富的数据基础,江苏公司有优势、也有必要充分利用用电大数据,开展相关的研究工作。本文以基于用电大数据建立了行业负荷和电量影响模型,开展了中长期网供负荷预测研究,取得了一定的成果,为推动大数据技术在江苏电网中的应用做出了一定的贡献。     

基于特征选择和组合模型的短期电力负荷预测

提出基于特征选择和组合模型的短期电力负荷预测方法。首先将特征向量按特点分为2类,分别使用斯皮尔曼相关系数、最大相关最小冗余算法进行选择,依据贝叶斯信息量准则确定最优特征向量维度。然后使用3个不同的核函数建立单核递归支持向量回归模型并完成预测。最后构建神经网络,进行实验分析。仿真结果表明所提方法具有较高的预测精度与鲁棒性。     

GMDH方法在中长期电力负荷预测中的应用

在时间序列预测法的基础上,将数据处理组合方法GMDH应用于中长期电力负荷预测。介绍了GMDH的基本原理,根据历史数据建立GMDH模型,通过某地区电力负荷预测实例,对电力负荷值进行了计算分析,结果表明该方法可获得较高的预测精度。     

基于支持向量机的中长期电力负荷组合预测

影响中长期负荷的因素多,随机性强,单一预测方法很难满足不同情况的预测需要,组合预测能较好地解决单一模型的不足,但现有组合预测模型主要基于经验风险最小,预测精度受组合模型的限制.本文提出一种基于最小二乘支持向量机的中长期负荷组合预测模型,该模型利用结构风险最小化原则代替传统的经验风险最小化,充分挖掘原始数据和单一预测模型的信息,以单一模型的预测数据作为组合预测样本,选择多项式核函数的最小二乘支持向量机进行组合预测.实际算例表明,本文提出的组合模型预测平均误差仅为1.719%,具有良好的可行性和有效性.     

基于条件熵的电力负荷组合预测模型

每个电力负荷预测模型各有特色,又有其局限性。针对单个模型的局限性,提出一个基于条件熵的组合预测模型,以便结合各个模型的优点,克服其不足。该模型用条件熵度量各个电力负荷预测模型的精度,条件熵越小,表明预测精度越高。然后对条件熵进行模糊评判,对条件熵小的模型赋予较大的权重,条件熵大的模型赋予较小的权重,以此建立一个电力负荷组合预测模型。实例应用表明,就6个误差指标而言,该文提出的组合模型可以进一步提高预测精度。     

基于短期相关性和负荷增长的中长期负荷预测

现有中长期负荷预测非线性模型存在预测困难及精度偏低且不稳定的问题。文中提出了一种基于短期相关性和年度负荷增长的预测方法,将非线性问题转化为线性问题来解决。该方法首先根据上一年相邻点和相邻周负荷之间的短期相关性构建线性回归模型;然后采用递归的方法计算出下一年各周所有负荷点的预测值;最后考虑年度负荷增长,对预测值进行修正得到最终预测结果。结合实际电网数据验证了该方法的有效性和实用性,为中长期负荷预测提供了一条可行的新思路。