共查询到19条相似文献,搜索用时 62 毫秒
1.
将模糊数与多指标灰靶决策理论相结合应用于小区负荷预测:收集各类小区负荷密度及相关因素样本,通过模糊聚类方法分析样本形成模糊负荷密度等级;根据模糊负荷密度等级和待预测小区未来相关因素,采用基于熵权的多指标灰靶决策进行小区负荷密度预测;利用类内相似度法对小区负荷密度进行修正。算例结果表明将模糊数和多指标灰靶决策理论结合起来应用于小区负荷密度预测,准确度和可信度较高。该方法将预测过程科学量化,克服了以往简单类比法主观性大的缺点。 相似文献
2.
3.
传统中长期电力负荷组合预测方法在确定权系数时,由于没能充分考虑各单一预测模型拟合值与历史实际值之间的多种误差信息,而使预测结果不够理想.为此,选取多种误差作为评价单一模型优劣的指标,引入多目标系统模糊优选理论,结合熵权法客观分配各种误差指标的权重,在全面考虑多种误差信息的情况下,通过求取各单一模型预测精度对“优”的隶属... 相似文献
4.
5.
电力系统中长期负荷预测的最大模糊熵模型研究 总被引:2,自引:0,他引:2
根据模糊数学理论和熵的性质,建立了应用于电力系统中长期负荷预测的模糊熵模型。该模型采用最大模糊熵的高斯聚类算法,根据历史年各项经济和人口指标,将其进行分类,然后将预测年各项指标与各类的特征指标相比较,从而预测出该年的负荷增长率。实际算例表明建立在模糊熵基础上的这种模型是有效的。 相似文献
6.
7.
对运行中的变压器进行状态评价,可以判断变压器的健康状况,从而为变压器的检修提供决策依据。针对传统评价方法的多因素性及难以确定评价指标权重等问题,提出一种基于改进灰靶理论的变压器状态评价方法。将变压器划分为6个分部件构建状态评价体系,并根据历史试验数据及指标的变化趋势采用层次分析法和熵权法获得各指标的综合权重。通过构造改进灰靶评价模型计算靶心度,再结合状态分级策略得到变压器的健康状态。将该方法应用于实际案例,评价结果表明,该方法可以快速、准确地判断变压器的运行状态,进而提高变压器的安全、稳定及经济运行水平。 相似文献
8.
9.
10.
11.
12.
基于灰色理论负荷预测的应用研究 总被引:15,自引:0,他引:15
灰色预测系统GM(1,1)模型用于负荷按指数增长态势变化时,预测精度较高,但当影响负荷的因素较多、模型灰度较大时,精确度就不够理想。在分析灰色负荷预测模型GM(1,1)的基础上,对模型中的α参数和负荷预测差值建立了修正模型,进而修正负荷预测值,使预测精度得以提高。通过算例进行验证,说明了灰色GM(1,1)模型在某些情况下精度不高的原因,通过修正使预测精度得到较大的提高。 相似文献
13.
由于中长期负荷预测历史数据较少,而且受外界因素影响较大,因此选取合理的预测模型十分关键.灰色模型是一种比较好的预测方法,但传统的灰色预测精度不理想,为此,提出了一种改进方法,即通过对原始数据进行开次方处理来降低预测模型的模型系数,对数据进行平滑处理来削弱原始数据中异常值的影响,对灰色建模预测后作残差修正和等维新息递补处理,以进一步提高预测精度.经过对重庆地区的农村用电量预测分析表明,提出的改进方法是合理适用的,其中改进GM(1,1)模型开二次方精度最高,预测精度满足实际应用需要. 相似文献
14.
Yoshiteru Ueki Tetsuro Matsui Hiroshi Endo Tatsuyosi Kato Ryosaku Araya 《Electrical Engineering in Japan》1996,117(3):41-51
This paper presents a peak load forecasting system using multilayer neural networks and fuzzy theory. Electric load forecasting in power systems is a very important task from the perspective of reliability and economic operation. Daily peak load forecasting is one of the basic operations of generation scheduling for the following day. Therefore, many statistical methods have been developed and used for such forecasting even though it has been difficult to construct a proper functional model. The developed system is applied by neural network and fuzzy theory to forecast for daily, weekly and monthly peak load. The system consists of an engineering workstation (EWS) and a personal computer (PC). The EWS is for learning and data-bases, and the PC is for man-machine interface such as forecasting operation. The system has been used since June 1993. The result evaluated with an absolute mean error is 1.63 percent for 10 months. From the results shown here, the system applied by neural network and fuzzy theory has high validity. 相似文献
15.
16.
Application of fuzzy neural networks and artificial intelligence for load forecasting 总被引:13,自引:0,他引:13
An integrated evolving fuzzy neural network and simulated annealing (AIFNN) for load forecasting method is presented in this paper. First we used fuzzy hyper-rectangular composite neural networks (FHRCNNs) for the initial load forecasting. Then we used evolutionary programming (EP) and simulated annealing (SA) to find the optimal solution of the parameters of FHRCNNs (including parameters such as synaptic weights, biases, membership functions, sensitivity factor in membership functions and adjustable synaptic weights). We knew that the EP has a good capability for searching for globe optimal value, but a poor capability for searching for the local optimal value. And, the SA only had a good capability for searching for a local optimal value. Therefore, we combined both methods to obtain both advantages, and so improve the shortcoming of the traditional ANN training where the weights and biases are always trapped into a local optimum. Finally, we use the AIFNN to see if we could improve the solution quality, and if we actually could reduce the error of load forecasting. The proposed AIFNN load forecasting scheme was tested using data obtained from a sample study including 1 year, 1 month and 24 h time periods. The result demonstrated the accuracy of the proposed load forecasting scheme. 相似文献
17.
GMDH和变结构协整理论在电力负荷预测中的应用 总被引:1,自引:0,他引:1
鉴于未考虑时间序列的非平稳性所得到的拟合方程可能出现"伪回归"而失去准确预测的能力,引入了协整理论与误差修正模型.考虑地区产业结构发生变化将导致地区用电量时间序列发生结构突变,影响平稳性检验结果的可信度,又引入了GMDH理论,自动搜索并确定结构突变点,以改进经典结构突变理论需要事先获知一些重大波动信息等主观性影响.结合上述两点,构建了基于GMDH理论的参数变结构协整模型.算例证明了该模型在电力系统的负荷预测中的适用性以及在处理"伪回归"和"样本数据结构突变"问题方面的有效性. 相似文献
18.
电力负荷预测的复杂性、不确定性使传统的单一预测模型难以获得精确的结果.为提高电力负荷预测准确度,构建了一种组合预测模型.该模型综合灰色递阶模型、"S"曲线模型和逐步回归模型预测结果的过程中引入灰色关联度作为确定组合预测权重的依据,综合协调各个结果,得到更为合理的预测值. 相似文献