共查询到10条相似文献,搜索用时 15 毫秒
1.
《Planning》2015,(4):48-52
文章分析了影响电力负荷的因素,对现存的短期电力负荷预测方法进行了研究,采用粒子群算法对支持向量机进行参数寻优,建立了基于粒子群优化的预测模型,并对短期电力负荷进行预测仿真,为精准且快速地预测短期电力负荷提供了有效的方法。通过实例分析验证了该模型在电力负荷中的预测精度,结果显示其精度值较高。 相似文献
2.
介绍支持向量机的原理和支持向量回归模型,提出支持向量回归(SVR)模型的城市燃气短期负荷预测方法。探讨输入样本数据的选择和预处理方法、核函数和支持向量机参数的选择,结合某城市燃气日负荷数据进行燃气短期负荷预测。与BP神经网络预测方法相比,支持向量回归模型预测方法用于小样本情况下的燃气短期负荷预测精度略高。 相似文献
3.
《Planning》2015,(27)
本文提出了一种短期电力负荷的混合pi-sigma模糊神经网络回归预测方法。该方法根据短期电力负荷的周期性,利用混合pisigma模糊神经推理功能,对欧洲电力负荷进行预测。该模型以高斯基函数作为模糊子集的隶属度函数,在线动态调整隶属度函数和结论参数。实例表明,本文提出的混合pi-sigma网络电力负荷预报方法优于常规时序预测方法,具有物理意义透明、预测操作方便,精确度高以及预测结果确定等特点,克服了神经网络电力负荷预报方法的不确定性。仿真实验结果验证了所提模型和方法的有效性。 相似文献
4.
5.
6.
负荷预测是电力系统规划、调度、运行、检修中的一项重要内容,也是D5000和OPEN3000平台的重要模块。在"能源互联网"和"互联网+"的现代背景下,电网负荷受多重复杂因素影响。本文分析了如何挖掘快速增长的电力大数据信息,提取各影响因素的特征参量,将其用于短期电力负荷预测。同时,讨论了如何采用现代人工智能算法,分析各因素对短期负荷的作用机理实现精准预测。最后,指出未来的主要研究方向,并对我国电力负荷预测工作的开展提出了相应建议。 相似文献
7.
8.
西安市天然气冬季短期负荷预测研究 总被引:1,自引:1,他引:0
通过验证西安市冬季天然气门站小时流量时间序列的混沌特性,利用改进的混沌时间序列负荷预测方法,进行了小时流量短期预测。冬季天然气门站流量时间序列可以分解为周期与混沌两种子模型的线性叠加,针对混沌子模型引入加权一阶局域法进行混沌短期负荷预测,提高了总负荷预测精度。 相似文献
9.
以湖北省十堰市一个集中供热热力站为对象,基于实测运行数据和气象数据进行供热负荷预测研究。分别采用随机森林(Random Forest, RF)、极度梯度提升(eXtreme Gradient Boosting, XGBoost)、BP神经网络、支持向量回归(Support Vector Regression, SVR)、长短期记忆(Long Short Term Memory, LSTM)神经网络5种方法进行预测模型训练及测试,基于粒子群优化算法(Particle Swarm Optimization, PSO)优化各模型参数,获得最优模型,在此基础上针对不同模型在不同短期负荷预测情景下的表现进行对比研究。研究结果表明:在未来24h预测情景下,随机森林、XGBoost模型的预测精度最高,二者的平均绝对误差(MAE)分别为0.84 W/m2及1.00 W/m2。在未来1h预测情景下,SVR模型的预测精度最高,其MAE为0.18 W/m2。 相似文献
10.
《Planning》2014,(2):32-33
文章提出了一种模糊控制与RBF神经网络相结合的电力系统短期负荷预测算法,用以解决传统RBF神经网络在电力系统短期负荷预测中存在误差的问题。通过实例验证,该方法与传统的RBF负荷预测方法相比,提高了预测精度,并且具有较好的应用前景。 相似文献