共查询到20条相似文献,搜索用时 9 毫秒
1.
基于模式识别的自适应短期负荷预测系统 总被引:4,自引:0,他引:4
短期电力负荷预测是电力调度部门制定发电计划的依据,预测系的灵活适应性是实现电网经济运行的重要保证。在分析影响日电力负荷主要因素的基础上,给出了用于日荷预测的负荷模式定义,基于海明距离给出了负荷模式相拟度的计算方法,有效实现了预测负荷所需要的历史负荷模式样本的抽取。利用人工神经网络实现由历史负荷模式到预测负荷的映射。基于C++面向对象的程序设计方法开发了一套灵活的智能自适应短期预测系统。多个用户的应用结果表明,本系统具有很好的实用性和满意的预测结果。 相似文献
2.
3.
应用人工神经网络进行短期负荷预测 总被引:11,自引:5,他引:11
本文提出了一种应用人工神经网络进行电力系统短期负荷预测的方法。负荷按照每周各日进行分类,共七种模式,学习样本选取每周中的相同类型日。为了提高预测精度,对原始数据中的伪数据进行清除,对于那些可以预料到的随机干扰,应用专家系统原理予以处理。通过对银川供电局负荷的实际预测,表明本文所提供方法可以实际应用。 相似文献
4.
5.
基于小波网络的短期负荷预测方法 总被引:5,自引:0,他引:5
提出一种基于小波网络的短期负荷预测模型,小波网络结合了小波变换良好的时频局域性质和神经网络的自学习能力,因此具有比神经网络更灵活的函数逼近能力,同时有效地改善了神经网络难于合理确定网络结构、存在局部最优等缺陷,算例表明,这种模型是快速准确的。 相似文献
6.
基于神经网络的电力系统短期负荷预测 总被引:1,自引:0,他引:1
电力系统短期负荷预测是电力生产部门的重要工作之一,利用BP神经网络进行电力系统短期负荷预测时,根据影响因素确定了模型构成,并对输入变量选择进行了讨论,典型算例的计算表明该方法是有效的. 相似文献
7.
基于相似日的神经网络短期负荷预测方法 总被引:1,自引:0,他引:1
人工神经网络是模仿人脑神经元结构、特性和大脑认知功能而构成的新型信号、信息处理系统。针对电力负荷短期预测,提出了一种基于相似日的神经网络预测方法,采用反向传播算法,考虑气象因素对负荷的影响,提高了学习效能,具有较好的预测精度。本方法适合在短期负荷预测中使用,预测结果验证了上述结论。 相似文献
8.
9.
设计了一个三层神经网络模型来实现电力系统的短期负荷预测。用了改进的BP学习算法,以提高训练的收敛速度。预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的。 相似文献
10.
11.
12.
13.
基于小波分析的电力系统短期负荷预测方法 总被引:58,自引:7,他引:58
在分析电力负荷频谱特性时发现负荷信号的变化过程具有连续频谱的特性。该文在此基础上提出一种基于小波变换的电力系统短期负荷预测新方法:通过小波变换,将各序列分量分别投影到不同的尺度上,对不同的子负荷序列进行数据处理,并分别采用相匹配的模型进行预测,最后退过小波重构,得到完整的负荷预测结果。算例计算表明新方法具有较高的预测精度和较强的适应能力。 相似文献
14.
负荷预测模型经过多年发展,已分为正常负荷或非天气敏感负荷部分和天气敏感负荷部分。对过去的负荷和天气数据进行线性回归分析,可辨别出正常负荷模型,而负荷的天气敏感部分是运用回归分析的参数来估计的。短期负荷预测系统的明确的设计特征对它的随时成功运作很重要,这包括对变操作条件的适应性,计算经济性和鲁棒性。这是个用于更新模型的完全自适应算法,用于对数据库中影响点进行识别和处理,并且能选取天气负荷模型的预报器。它为提高负荷预测精度打下了基础。 相似文献
15.
16.
基于人工神经网络的短期负荷预测 总被引:3,自引:0,他引:3
通过仿真实验得出要提高电力系统负荷预测精度必须采用两个隐层的结论。为了避免由此而引起训练时间的增加,必须适当地限制ANN输入变量的数目,提出了一种类似于相似日方法的方法。采用某种差异评估函数,寻找最有可能与预测日负荷相似的某些天,再用ANN予以修正。 相似文献
17.
遗传神经网络在电力系统短期负荷预测中的应用 总被引:19,自引:9,他引:19
为了克服传统BP神经网络中存在的一些缺陷,实现准确、快速预测电力系统负荷的目的,作者通过将遗传算法与神经网络结合,构造了一种遗传神经网络来进行电力系统短期负荷预测,方法的思路是:首先,利用遗传算法有指导地计算神经隐层节点数,从而确定一个较合理的神经网络结构;其次,由遗传算法从初始权值的解群中选取出一个优秀的初始权值,克服初始权值选取的盲目性;最后,将得到的神经网络结构和优秀的初始权值结合起来,利用改进的BP算法进行电力系统短期负荷预测,仿真计算表明该方法达到了提高预测精度和改善网络性能的要求。 相似文献
18.
提出了一种基于人工神经网络的电力系统短期负荷预测技术,该方法在计及气温因素对负荷预测影响的基础上,将神经网络同一种较为新颖的预报模型相结合,因而具有较高的预测精度。计算实例证明了该法的可行性和有效性。 相似文献
19.
20.
介绍了短期负荷的特点,深入分析了温度、降雨量、时间等因素对负荷的影响。应用BP神经网络,建立了充分考虑各种因素的日最高负荷预测和日平均负荷预测模型,最后通过贵阳城南分局历史负荷进行验证,表明本论文所建立的神经网络预测模型充分考虑了各种负荷因素影响,预测精度良好,具有较好的非线性映射能力,有进一步开发应用于实际预测的良好前景。 相似文献