中长期电力负荷预测系统的设计与开发

详细论述了负荷预测软件设计思想，包括软件结构，数据库技术以及功能描述等，软件集成了数据录入，数据导出，数据查询、负荷预测和安全管理等功能。     

电网中长期负荷预测技术探究

当前,国民经济受电力工业发展的影响越来越大,电力负荷的准确预测显得越发重要.电力行业的投资、网络布局和运行的合理性在很大程度上取决于电力负荷的准确预测.首先介绍了电网规划中中长期负荷的预测步骤,其次分析、探讨了目前常用的负荷预测技术,最后预测了负荷预测技术未来的发展方向.     

基于人工神经网络的中长期负荷预测算法

当前中长负荷预测的大部分方法都衍生于传统的线形统计理论,难以解决复杂的非线性问题。文中结合BP人工神经网络技术,利用人工神经网络所具有的非线性映射和函数逼近功能对中长期电力负荷进行了研究,提出了一种中长期电力负荷预测的思路。并利用北京市的实际数字对未来若干年的用电量进行了预测,实验结果表明,该算法具有较好的准确性和可行性。     

基于人工神经网络的中长期负荷预测算法

当前中长负荷预测的大部分方法都衍生于传统的线形统计理论,难以解决复杂的非线性问题.文中结合BP人工神经网络技术,利用人工神经网络所具有的非线性映射和函数逼近功能对中长期电力负荷进行了研究,提出了一种中长期电力负荷预测的思路.并利用北京市的实际数字对未来若干年的用电量进行了预测,实验结果表明,该算法具有较好的准确性和可行性.     

综合型中长期电力负荷预测系统的实现

本文系统地阐述了用于电力系统中长期负荷预测的综合模型的具体实现方法,该模型基于多种预测方法,通过计算和评价,得到每个单一预测法应取的权重,从而提高预测精度;详尽地论述了综合型负荷预测软件的实现.经仿真实验表明该软件具有预测精度高、使用方便等优点,是一个理想的中长期电力负荷预测工具.     

基于云计算的智能电网负荷预测平台构建研究

随着全球智能电网的发展,负荷预测平台是智能电网安全运行的重要支撑。基于此,本文在智能化电网高效管理和可靠存储要求下,提出了基于云计算的智能电网负荷预测平台的构建,并对电网负荷预测特点、主要框架、主要技术、面临问题及相关应用进行了分析研究。     

基于云计算的智能电网负荷预测平台构建研究

随着全球智能电网的发展,负荷预测平台是智能电网安全运行的重要支撑。基于此,本文在智能化电网高效管理和可靠存储要求下,提出了基于云计算的智能电网负荷预测平台的构建,并对电网负荷预测特点、主要框架、主要技术、面临问题及相关应用进行了分析研究。     

两次拟合灰色模型在中长期电力负荷预测中的运用

针对普通灰色预测模型在预测过程中当历史数据有较大波动时预测精度较差的问题，对两次拟合等维灰色预测模型进行研究，并对其进行改进，通过对华北某地区用电量的建模预测验证其有效性。两次拟合灰色预测模型是利用一次拟合的结果重新建模，经研究发现当历史数据有较大波动时，利用两次拟合灰色预测模型进行预测可以提高模型的精度。     

中长期电力负荷预测相关影响因素优化选择

为了更好地反映各种相关因素对负荷的影响,采用人工神经网络进行中长期负荷预测.基于人工神经网络原理,设计了一个由输入层、隐含层和输出层组成的三层BP网络模型,利用神经网络高度非线性建模能力,选取国内生产总值、重工业生产总值、轻工业生产总值、农业生产总值、第一产业、第二产业和第三产业等七个因素作为神经网络的输入变量.采用排除法对这些输入变量进行优化选择,并对预测精度的影响进行了探讨.仿真结果证明利用排除法后预测精度明显提高,故提出的方法是可行和有效的.     

基于综合模型的中长期电力负荷预测系统的实现

详细地论述了负荷预测软件的设计思想和实现,并系统地阐述了用于电力系统中长期负荷预测的综合模型的具体实现方法,进行了仿真实验。     

基于BP网的中长期负荷预测因素优化选择

基于人工神经网络原理,设计一个由输入层、隐含层和输出层组成的三层BP网络模型,利用神经网络高度非线性建模能力,选取影响电力负荷的一些经济因素作为BP人工神经网络的输入变量,采用新定义的方差贡献法对输入变量进行优化选择,对预测精度的影响进行探讨。仿真结果证明,采用方差贡献法对影响中长期电力负荷预测的相关因素进行优化选择是可行有效的。     

基于PCA与改进BP神经网络相结合的电网中长期负荷预测

本文在标准反向传播神经网络的基础上,提出一种结合主成分分析法和改进的误差反向传播神经网络的方法来对电网中长期的电力负荷进行预测。首先利用主成分分析法对电力负荷的影响因素进行特征提取,有效地降低数据样本的维度,消除数据的冗余和线性信息,保留主要成分作为模型的输入数据。然后在标准的神经网络的反向传播环节中引入动量项和陡度因子。两种方法的结合有效地解决了网络收敛速度慢和容易陷入局部最小值的问题。将此方法应用于济源市的中长期电力负荷预测,实验结果表明,基于主成分分析法与改进的反向传播神经网络相结合的方法比常用的标准的反向传播神经网络、基于多变量的时间序列网络及时间序列网络具有更高的计算效率和预测精度,证明提出的预测模型在电力负荷预测中是有效的。     

组合预测模型在电力系统负荷预测中的应用研究

本文基于灰色预测模型、滑动平均模型和指数平滑模型这三种单一预测模型,采用方差-协方差策略,建立组合预测模型。然后结合老挝电力系统的概况,对老挝的全国年用电量进行预测和分析。结果表明,组合预测模型的预测精度明显高于各单一预测模型,即组合预测模型的相对误差小于各单一预测模型的相对误差,说明组合预测模型具有相当的适用性和优越性。     

中长期电力负荷预测研究

为了有效地提高电力负荷的预测精度,针对影响中长期电力负荷多因素间的非线性和不确定性,提出了一种粗糙集(RS)和最小二乘支持向量机(LSSVM)相结合的中长期电力负荷预测方法.采用粗糙集理论把影响电力负荷的六个因素,属性约简为三个核心属性,减少了LSSVM的输入量,提高了电力负荷预测系统的快速性;粗糙最小二乘支持向量机回归建模,构造RS-LSSVM的电力负荷预测模型,提高预测的精度.最后进行仿真,改进模型应用于某地区的中长期电力负荷的拟合和预测中,采用RS-LSSVM模型,与BP神经网络的拟合预测结果相比,预测误差明显小于BP神经网络,具有更高的预测精度,为中长期的电力系统负荷预测提供了一种新的科学、有效的方法.     

浙江省中长期电力负荷需求预测分析

随着目前电力市场的深入改革,为了实现电网的规划合理,合理预测浙江省中长期电力需求非常必要,本文搜集了可能影响电力负荷的众多宏观经济影响因素,通过相关分析先去除一部分影响不大的因素,然后建立了一个浙江省中长期电力负荷预测的多元线性回归模型,并进行了模型的验证。验证结果表明该模型预测精度比较高,可以进行浙江省的中长期的电力负荷预测。对于科学编制浙江省电网中长期电力发展规划,促进电力工业与国民经济协调发展具有重要意义。     

中长期电力负荷模糊聚类预测改进算法

针对传统的中长期模糊聚类预测算法自变量权重选择不合理、截水平集合元素不全面、相关因子计算方法单一等缺陷,提出改进的预测算法。该算法利用关联度分析计算自变量权重,通过建立相关因子计算方法库,按照相对传递总偏差最小原则选择最佳相似矩阵进行聚类,以等价矩阵所有元素的去重集合作为截水平集合求最佳聚类。实验结果证明该算法可提高预测的准确性。     

中长期负荷预测协调思路

负荷预测是电网规划的基础,负荷协调问题广泛存在于负荷预测工作中。围绕电网规划中普遍存在1维2级协调问题,提出了一种负荷预测结果协调思路。在协调过程中,以全局相对修正量平方和最小为前提,在最小化修正的同时,实现总需求与子需求预测结果的统一,为广大电网规划运行人员提供参考。     

中长期电力负荷神经网络预测方法的实现

本文应用含一个隐含层的BP网络对电力负荷做中长期预测,采用了优化算法,取得了满意的预测效果。     

基于灰色系统和人工神经网络的中长期电力负荷预测

利用灰色预测需要样本数据量少、建模过程简单的特点对中长期电力负荷进行前期预测,结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点,在考虑经济因素的前提下对输入数据进行预处理,采用改进的BP算法最终得出预测结果,文中的算例表明了该方法是可行且有效的.     

基于遗传算法和BP神经网络的城区中长期电力负荷预测与分析

由于产业结构的调整、居民消费能力消费结构的变化和市场化等因素的影响,城区中长期电力负荷预测具有相当的难度。建立一个基于遗传算法和BP算法相结合的神经网络预测模型,以南昌市为例做实证,并与传统BP神经网络和模拟退火预测结果做对比,验证了该模型的准确性。最后对城区未来十几年的基本用电负荷进行了预测和分析。