共查询到20条相似文献,搜索用时 62 毫秒
1.
用自适应神经元网络进行短期电力负荷预测 总被引:3,自引:2,他引:3
本文提出了一个用来进行电力负荷预测的基于自适应卡尔曼滤波算法的人工神经元网络(ANN)。给出了网络算法和它的改进形式。在预测过程中,权值按最近的负荷行为自适应改变。测试结果表明,该方法具有较高的精度和较快的速度。 相似文献
2.
3.
基于改进回归法的电力负荷预测 总被引:16,自引:4,他引:16
提出了一种基于改进回归法的电力负荷预测方法,在对历史数据进行分析和参数估计的基础上,先用岭回归法剔除奇异值,再用主成分回归法提取影响负荷的主要因素,得出模型的解析形式。针对实际系统的应用验证了该方法不仅适用于短期负荷预测,也适用于超短期负荷预测。此外建立了一些特定因素的模糊函数,在超短期负荷预测过程中采用了聚类分析法提取负荷相似日。通过不同的简化,该方法可蜕化为传统的Kalman预测、相似日预测和神经网络预测,是一种比较全面的负荷预测方法,可得出高精度的预测结果。 相似文献
4.
5.
最小概率最大化回归方法在电力负荷中期预测中的应用 总被引:2,自引:1,他引:2
提出使用最大化最小概率机器回归MPMR方法来解决电力负荷中期预测问题,结合EUNITE网络2001年举办的电力负荷预测比赛提供的数据进行相关数据分析,建立相应的电力负荷中期预测模型。在分析最大化最小概率机器MPM及用于回归的原理的基础上,使用MPMR方法对不同的训练样本集进行训练,并计算出预测期的预测值,取得了理想的预测结果。核函数形状参数p及回归管道宽度8的选取将直接影响MPMR回归技术的系统性能,试验中使用了交叉验证的方法确定这2个参数值。通过交叉验证求得,当核函数形状参数和回归管道宽度取值都为3时预测效果更为理想。文中对试验结果进行分析,并与相关向量机等其它方法比较,总结了MPMR预测方法的特点。 相似文献
6.
针对目前短期负荷预测准确率不高的情况,以秦皇岛电网为例,介绍典型日负荷曲线特点和分类,分析各类负荷曲线的特点及其适合的预测方法,提出基于负荷分类的短期负荷预测方法,并结合实例,验证了该方法的实用性. 相似文献
7.
回归直线在电力中期负荷预测中的应用 总被引:2,自引:0,他引:2
电力负荷预报,是为电网规划、电网拓展、电源合理增长、最佳投资时间等提供决策依据,以获得最大的社会和经济效益。在社会主义市场经济条件下,配合回归直线对中期负荷预报提供了一种预测方法。 相似文献
8.
对电力系统的负荷预测问题进行了研究,并提出了一种改进后的模糊回归分析算法。该方法利用模糊预测法和回归分析法各自的优点,按不同情况下两种方法的重要程度,用区间层次分析法赋以灵活可调的权重值。通过算例验证,此方法适合于中长期电力系统负荷预测。 相似文献
9.
用向前神经元网络进行短期负荷预测的方法 总被引:1,自引:0,他引:1
构造一个向前神经元网络,并以福建电网历史负荷数据为样本点,用反传学习法对网络进行学习训练,得到一个短期负荷预测的神经元网络,用该网络对未来24小时的负荷进行预测,其预测值的平均百分比误差在2%以内,精度优于传统的负荷预测法。 相似文献
10.
11.
提出了用免疫算法优化前馈神经网络,将网络结构、激活函数和训练方法等编码作为个体,进行免疫操作,得到最优或次优解.克服了对网络结构、激活函数和训练方法的确定没有可循规则的问题,应用于电力系统负荷预报,取得了比由经验确定的前馈神经网络更好的效果. 相似文献
12.
13.
针对运城地区电网易受气象影响的特点,应用了一种具有天气敏感性的基于快速反应BP算法的神经网络预测模型,模型中合理地考虑了影响负荷变化的气温和降水量等主要气象因素,使其能够适应天气的变化。对运城地区的实际负荷进行预测,结果较好地满足了现场要求.从而验证了该模型和算法的有效性。 相似文献
14.
基于GRU-NN模型的短期负荷预测方法 总被引:3,自引:0,他引:3
目前基于统计分析和机器学习的预测方法难以同时兼顾负荷数据的时序性和非线性特点。文中提出了一种基于GRU-NN模型的短期电力负荷预测方法。该方法基于深度学习思想处理不同类型的负荷影响因素,引入门控循环单元(GRU)网络处理具有时序性特点的历史负荷序列,建模学习负荷数据内部动态变化规律,其输出结果与其他外部影响因素(天气、日类型等)融合为新的输入特征,使用深度神经网络进行处理,整体分析特征与负荷变化的内在联系,最后完成负荷预测。以美国某公共事业部门提供的公开数据集和中国某地区的负荷数据作为实际算例,该方法预测精度分别达到了97.30%和97.12%,并与长短期记忆神经网络、多层感知机以及GRU神经网络方法进行对比,实验结果表明所提方法具有更高的预测精度和更快的预测速度。 相似文献
15.
针对BP网络的缺陷,提出了一种基于RBF神经网络的短期负荷预测方法,利用遗传算法训练神经网络,使神经网络以较快的收敛速度和较大的概率得到了最优解。实例研究结果表明该方法可以取得较高的预测精度。 相似文献
16.
17.
18.
基于CNN-LSTM混合神经网络模型的短期负荷预测方法 总被引:5,自引:0,他引:5
为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测精度。 相似文献
19.
20.
基于神经网络的短期负荷预测 总被引:1,自引:0,他引:1
针对电力系统短期负荷的变化与影响因素间的复杂非线性关系,首先,提出用BP神经网络进行负荷预测,接着,在输入变量的选择上引入了负荷日期和气象温度,对于日期变量分为工作日和休息日,对于气温变量进行分段处理。最后通过实例仿真表明该方法可以取得较高的预测精度。 相似文献