事例推理及其应用

介绍了事例推理的基本原理、特点及其各环节的实现策略,并将其引入电力系统短期负荷预测,研究了事例推理技术在短期负荷预测领域中的应用.实际电力系统的数值试验证明事例推理技术知识获取简单方便、具有记忆能力及用户友好性等特点,优于基于规则专家系统及人工神经网络技术.     

中长期负荷预测的模糊竞争学习聚类神经网络算法

电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。本文将神经网络引入到模糊聚类分析中,建立了中长期负荷预测的新方法,并且对聚类神经网络的学习算法进行了改进,利用模糊竞争学习完成网络运算,弥补了网络输出结果二值性的不足,使得学习规则中权值矩阵的改变速度加快,因而算法的收敛速度有很大提高。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度。     

基于事例推理的电力系统短期负荷预测

短期负荷预测对于电力系统安全、稳定、经济地运行有重要意义。将粗糙集信息熵理论和统计学主成分分析方法用在负荷事例属性的约简上,分别针对负荷数据的重要性和相关性进行了有效处理。这样,不仅减少了事例重用过程的训练时间,还有效控制了次要负荷因素对重要因素的干扰;在事例修正过程中,针对非正常日提出一些有效的修正方案。最后,用河北省保定供电公司2000~2004年的负荷数据对该方案验证,结果表明,提出的预测方案是有效,可行的。     

城市配电网规划负荷预测方法分析

负荷预测是电网规划建设的基础和核心,本文提出了一种城市配电网规划负荷预测新方法。这种方法与传统的负荷预测方法相比,其主要特点在于不仅从时间上进行了预测,也从空间上进行了预测,利用该方法对某城市经济技术开发园区的负荷进行了预测,有效解决了不确定因素的偏差影响,提高预测的精度。     

基于Shapley值组合预测技术在电力负荷预测中的应用

为了提高负荷预测的准确性,减少负荷预测误差,引入了组合预测模型,使几个电力负荷预测模型有机地结合起来。在组合预测权重分配问题上,采用了博弈论中的Shapley值的分配模型,从而确定出各个模型的合理的权重。通过实例论证,证明该方法可以有效地提高负荷预测精度。     

事例推理及其应用

介绍了事例推理的基本原理、特点及其各环节的实现策略，并将其引入电力系统短期负荷预测，研究了事例推理技术在短期负荷预测领域中的应用。实际电力系统的数值试验证明事例推理技术知识获取简单方便、具有记忆能力及用户友好性等特点，优于基于规则专家系统及人工神经网络技术。     

中长期负荷预测的模糊竞争学习聚类神经网络算法

电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度.本文将神经网络引入到模糊聚类分析中,建立了中长期负荷预测的新方法,并且对聚类神经网络的学习算法进行了改进,利用模糊竞争学习完成网络运算,弥补了网络输出结果二值性的不足,使得学习规则中权值矩阵的改变速度加快,因而算法的收敛速度有很大提高.运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响.通过与传统方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度.     

负荷密度非参数核密度估计算法应用

饱和负荷是确定电网发展最终规模的重要指标,不同用地性质的饱和负荷密度指标是影响负荷预测精度的关键因素。为了提高饱和负荷预测精度,对西宁地区8类用地性质的负荷发展数据进行统计、分析和研究,采用非参数核密度估计算法,得到8类负荷密度指标。通过验证显示通过该方法得到指标大大减小了负荷计算误差,提升了负荷预测精准度,可用于确定西宁地区最终负荷发展规模,指导目标网架规划,提高电网建设改造的合理性、可靠性与经济性。     

高校节能短期电力负荷预测的应用与研究

在分析了事例推理原理和相关技术的基础上,根据高校负荷变化的特点,利用事例推理原理建立了高校短期电力负荷预测系统的基本框架。通过试验平台的开发验证了其有效性和实用性,为高校节能提供了非常有意义的参考价值和理论基础。     

基于LSTM网络的时间多尺度电采暖负荷预测

电采暖负荷的准确预测对配电网安全稳定运行具有重要作用.为提高电采暖负荷预测精度,提出基于长短期记忆网络的时间多尺度电采暖负荷预测方法.该方法首先确定负荷预测网络模型参数,通过分析不同时间尺度下的电采暖负荷数据特征,在不同训练步长下,建立基于长短期记忆网络的电采暖负荷预测模型,实现电采暖负荷的准确预测.采用北京某地的电采...     

配电网自适应负荷估计方法

为增强配电网运行的安全性和经济性,提出一种可系统解决配电网在线节点负荷估计的新方法。该方法包含粗略负荷估计、负荷预测和抗差负荷估计3个阶段。粗略负荷估计阶段可使用3种方法来提供粗略的节点负荷估计值;负荷预测阶段使用基于事例模糊神经网络的方法提供节点负荷预测值;抗差负荷估计同时实现了结构空间和量测空间的抗差估计。3个阶段密切配合,形成闭环信息流。该方法可实现长期自适应在线运行,能够为配电系统的监视、控制和管理提供可靠一致的负荷数据集。     

模糊专家系统用于短期负荷预测修正的初步探讨

针对人工神经网络短期负荷预测方法的不足,考虑天气中的日平均气温以及特殊事件等影响负荷变化的主要因素,利用专家经验,模仿专家处理问题的方法,设计了一个模糊专家系统,对负荷预测结果进行修正,以提高负荷预测精度.通过合理选择模糊推理规则的形式,有效地减少了规则的数目,使人工总结专家经验并确定模糊推理规则成为可能,并减少了计算量,提高了算法速度.     

基于短期负荷预测的变压器目标节能控制研究

提出了一种基于短期负荷预测的变压器目标节能控制方法,将短期负荷预测引入变压器经济运行实时控制,采用基于加权平均的日周期多点外推法的短期负荷预测方法,通过负荷预测得到未来24 h内的负荷曲线,利用目标节能函数求出节约电量,以此值确定变压器投退控制策略。避免负荷波动而带来不必要调整。在降低变压器综合功率损耗的同时,也提高了操作的安全性和可靠性。用Matlab仿真证明了该方法用于变压器经济运行控制的正确性和可行性。     

基于行业大数据的饱和空间负荷预测方法

传统饱和空间负荷预测方法以负荷密度法为主,其工业划分未能准确反映各细分行业负荷特性,且关键指标取值主观因素影响较大.为此提出一种基于行业大数据的饱和空间负荷预测方法.方法 细分行业,大数据分析确定关键参数,校验现状负荷和点负荷,叠加行业负荷曲线得出最大负荷.对某市进行预测,结果表明能更切实反映行业负荷特性,提高关键指标取值和预测结果客观性.     

电力负荷短期预测的模糊专家系统修正方法

针对人工神经网络短期负荷预测方法的不足,考虑天气中的日平均气温,天气状况以及特殊事件等影响负荷变化的主要因素,利用专家经验,模仿专家处理问题的方法,设计了一个模糊专家系统,对负荷预测结果进行修正,以提高负荷预测精度,通过合理选择模糊推理规则的原因,有效地减少了规则的数目,使得人工总结专家经验并确定模糊推理规则成为可能,减少了计算量,提高了算法速度。     

电力负荷组合预测权重的确定

由于电力系统负荷具有很多不确定因素 ,用单一预测模型进行预测时 ,其预测精度不高。为提高预测精度 ,完善预测方法 ,提出组合预测模型 ,对电力系统负荷预测的多种预测模型进行组合优化 ,用最小二乘法确定其权重 ,得到权重的解析表达式 ,使组合预测理论进一步得到完善。     

基于负荷预测模型特性的组合预测新方法

提高短期负荷预测精度和计算速度一直是研究的热点问题之一.针对不同负荷预测方法的预测特性,提出了特性互补的组合预测新思路,建立了基于二阶自适应系数法和移动样本倒指数法的组合预测模型,采用最优组合预测与递归等权组合预测相结合的方法确定组合系数,并进行实时监测修正.结合甘肃电网的实际进行了短期负荷预测,结果表明,该方法计算速度快、预测精度高,具有一定的工程实用价值.     

空间负荷预测中确定元胞负荷最大值的概率谱方法

针对元胞负荷中异常数据会给空间负荷预测带来不利影响的问题,提出一种用于确定元胞负荷最大值的概率谱方法。该方法从城市电网规划需求的角度入手,结合城市电网的实际运行方式,对元胞负荷中出现的异常数据进行了分类,阐明了各类异常数据对空间负荷预测产生影响的作用方式,揭示了元胞之间负荷转移、元胞负荷非平稳增长、元胞负荷数据奇异与规划所需数据之间的内在联系,通过计算元胞负荷的概率谱曲线来描述和刻画不同类型异常数据的各自特点,在采用高斯拟合技术处理过的元胞负荷概率谱曲线上对元胞负荷最大值进行限定和约束。实例分析表明,使用概率谱方法确定的元胞负荷最大值进行空间负荷预测,提高了预测精度。     

电力负荷组合预测权重的确定

由于电力系统负荷具有很多不确定因素，用单一预测模型进行预测时，其预测精度不高。为提高预测精度，完善预测方法，提出组合预测模型，对电力系统负荷预测的多种预测模型进行了组合优化，用最小二乘法确定其权重，得到权重的解析表达式，使组合预测理论进一步得到完善。     

基于负荷特性分析的短期负荷预测相似日选择方法

从选择历史负荷数据的角度来看,各类短期负荷预测方法本质上都基于相似原理.科学合理地选择相似日是提高预测效果的有效途径.为了挖掘出负荷曲线形状与预测日最大可能相似的历史日,提出了在负荷特性分析的基础上确定日特征向量、采用模糊分类和改进灰色关联分析法进行选择的方法.预测时引入时间跨度系数以消除负荷水平差异的干扰.实际系统的应用效果验证了该方法的有效性和实用性.