组合模型在中期电力负荷预测中的应用

为了对中期电力负荷进行合理预测,结合三次指数平滑法和GM(1,1)预测模型,建立了新的组合模型,并以预测偏差平方和最小为准则优化了各单一模型的权重.通过MATLAB编程并以某市全年用电量为例对3种方法的预测精度进行了仿真验证.结果表明,组合模型具有更高的预测精度和更低的预测误差,能避免各单一预测模型的局限性.因此,用组合模型对未来用电量进行预测的结果更可靠.     

基于ARIMA模型的包头市全社会用电量短期预测

通过分析包头市2017—2021年全社会用电量月度数据,运用时间序列的分析方法建立合适的模型,从而达到对包头市未来用电量短期预测的目的.模型预测结果显示：包头市全社会用电量服从ARIMA(2,(1,12),0)模型,利用ARIMA(2,(1,12),0)模型预测包头市未来的短期用电量切实可行,能更好地为电力行业制定短期电力政策提供有力的参考.     

居民用电量的ARIMA时间序列预测

基于某地居民用电量的历史数据,使用灰色预测与时间序列方法,分别构建了灰色Verhulst-ARIMA预测与季节ARIMA预测模型,综合运用Matlab和Excel软件,研究得出了KLBL用户未来6个月用电量的相关指标和BLBYD用户2016年3月15日每隔15 min的用电负荷量数据.     

抚宁县电力负荷的中期预测

根据秦皇岛市抚宁县 1992～ 2 0 0 1年 10a的实际用电量数据 ,采用灰色GM(1,1)模型对未来 10a的用电量进行预测 .因未通过关联度校验和后验差检验 ,故提出了灰色指数平滑预测方法 ,先对原始数据序列进行一次指数平滑 ,然后再建立灰色模型 .经检验模型合格 ,同时提高了预测精度     

基于ARIMA模型的宁波生活用电总量的实证分析

在现在的科技化社会,电与每个人息息相关,对用电量进行预测并做好调配控制是不可或缺的。通过1978—2011年宁波市生活用电总量数据,利用时间序列分析的方法,对用电量进行建模,发现其内在的规律性。结果显示:宁波生活用电量数据服从异方差的ARIMA(2,2,0)模型,通过该模型对未来几年的用电量进行预测,可以为政府制定相应的政策提供一定的依据。     

回归分析法在年用电量预测中的应用

针对年用电量的预测,研究了回归分析法中的一元线性回归模型.该模型充分考虑了年用电量与时间的关系,以某地区为例,求出该地区1990年至2000年的用电量回归方程,再用该回归方程求得的年用电量与实际值加以比较,误差满足实际要求且方法简单易行,证明了一元线性回归可以有效的应用于年用电量预测.     

电力系统负荷预测方法论

电力负荷预测是电力系统规划的重要组成部分,也是电力系统经济运行的基础,其对电力系统规划和运行都极其重要.电力负荷预测是以电力负荷为对象进行的一系列预测工作.从预测对象来看,电力负荷预测包括对未来电力需求量(功率)的预测和对未来用电量(能量)的预测以及对负荷曲线的预测.其主要工作是预测未来电力负荷的时间分布和空间分布,为电力系统规划和运行提供可靠的决策依据.     

山东省三种产业用电量的计量经济学分析

依据山东省1990～2000年期间国民经济和电力发展的有关数据,应用计量经济学方法分析了国民经济三个产业用电量及居民生活用电量,分别得到各自用电量的回归方程.回归方程的回归结果达到了较高的拟合优度,并且通过了各种统计检验.用这些方程预测了山东省“十五“期间各产业的用电量.     

回归分析法在年用电量预测中的应用

针对年用电量的预测,研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系, 以某地区为例,求出该地区1990年至2000年的用电量回归方程,再用该回归方程求得的年用电量与实际值加以比较,误差满足实际要求且方法简单易行,证明了一元线性回归可以有效的应用于年用电量预测．     

回归分析法在年用电量预测中的应用

针对年用电量的预测，研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系，以某地区为例，求出该地区1990年至2000年的用电量回归方程，再用该回归方程求得的年用电量与实际值加以比较．误差满足实际要求且方法简单易行，证明了一元线性回归可以有效的应用于年用电量预测．     

城市居民用电量中期预报分析方案研究

对未来几年内城市居民用电量的需求程度，本采用时间序列建模法对其预测方法进行了探讨，对建立自回归数学模型的参数做了研究分析。     

考虑季节特性的改进小波包-RBF用电量预测方法

用电量月度曲线中包含噪声,如温度、湿度等气候影响及季节特性影响,对用电量预测的建模与预测效果带来极大干扰,传统的小波包去噪预测模型会去除历史数据中的季节特性,降低序列峰谷预测值的准确性。根据月度用电量横向纵向时间序列上的连续性构建二维矩阵,并采用小波包分解,使用改进的阈值函数-双曲线函数进行去噪处理,获得去噪用电量;基于径向基函数(RBF)神经网络模型预测用电量,根据季节指数识别用电量特性明显的季度,并根据多月合成预测和比例分配修正月度预测值。实例分析表明:该方法可行、有效,改进后的小波包-RBF预测模型可控性强,能有效提高波峰谷季节的月度预测精度。     

基于分段模糊拟合方法的用电量预测研究

用电量的预测受许多因素的影响.为了得到比较精确的预测结果,对原始用电量数据进行平滑预处理,并考虑到影响园区用电量的主要因素,将其进行模糊化处理.借助分段模糊拟合预测方法进行拟合预测,通过对具体算例的分析研究发现,该预测方法能够较好地提高预测精度.     

基于代数多项式模型的用电量预测研究

针对电网布局与建设等要求,需要根据地区提供的历史数据对该地区未来的用电量进行比较合理的预测。为此,构建基于递推最小二乘法算法的多项式预测模型,并提出基于代数多项式神经网络预测方法。该方法以多项式拟合模型构建神经网络拓扑结构,以模型参数作为神经网络权值,以往年每个季度的用电量数据作为参考值,使用递推最小二乘法对神经网络权值进行训练以获得多项式模型参数。仿真结果表明,该方法不仅具有良好的拟合效果,而且也具有良好的预测功能,在电力系统用电量预测中具有较大的应用价值。     

自回归预测模型的应用

应用数理统计方法建立了用电量自回归预测模型,并利用该模型对某单位用电量进行了预测分析,得到了满意的结果.     

自适应滤波预测法在电量预测中的应用

用时间序列分析中的自适应滤波地，建立某市用电量的预测模型，得到了用电量发展变化的规律；对模型从几个方面进行了分析并与电量预测常用的指数平滑法和灰色法进行了对比，结果表明自适应滤波法适合用于城市电量预测并可认为是一种较好的方法。     

基于时间序列分解技术的电力负荷预测乘积模型

电力负荷预测是电力系统安全经济运行的重要保障,其关键是预测方法及预测精度等问题。考虑到电力负荷受到长期趋势、季节变化、周期变动及不规则变动等诸多因素的影响,本文运用时间序列分解方法,建立电力负荷预测的乘积模型,并通过全社会用电量进行预测与检验,结果表明了方法的有效性。     

交通优化中3种预测算法的应用与比较

基于优化城市交通路线的研究目的,以南京城市交通路线上某段时间的车辆通过量为研究对象,分别运用移动平均值法、三次指数平滑法、灰色系统预测模型3种预测方法对未来该路段的车辆通过量进行动态的预测,并对3种预测模型的预测结果进行比较,得出灰色系统理论模型预测精度较高,能通过预测车辆通过量与实际路段容量相比较,为未来时间是否堵车提供良好、合理的判断依据,实现交通的优化。     

灰色系统理论在发电量预测中的应用

针对如何预测水力发电系统未来的发电量,引入灰色系统理论,通过建立GM(1,1)灰色预测模型对某地区历年的用电量进行计算分析,得出的结果与实际相符,证明使用灰色系统理论来预测发电量是可行的.     

灰色模型在电力负荷预测中的应用

应用灰色系统理论分析了某电力系统电力负荷的动态变化趋势。并用灰色预测理论对该系统现有的年用电量时间数据序列进行处理，进而建立了GM（1，1）预测数学模型，最后提供了预测实例。