基于神经网络电力系统短期负荷预测的MATLAB实现

介于电力负荷预测在电力系统中的重要性,首先描述了电力负荷预测对电力系统的重要意义,分析了传统电力负荷预测方法的优缺点,在详细分析BP神经网络原理的基础上,设计了负荷分析方案,通过对某市负荷数据的分析,并且在充分考虑了日常负荷与天气因素的关系之后,建立了神经网络短期负荷预测模型,并进行短期预测,验证了其具有较高的精度,且具有很强的稳定性,适合多种不同的预测环境。     

短期负荷预测的综合模型

进行实际短期负荷预测时，对某个固定地区，用不同预测方法可能得到不同的预测结果。文中基于对这些不同的预测结果的分析，提出了以得到一个唯一的综合预测曲线为目标的优化模型。根据模式识别的基本原理，这个新模型以待预测日与历史日之间相关因素的最佳匹配为原则。通过虚拟预测结果与实际负荷曲线数据的误差平方和的最小化，可以得到综合模型中各种单一预测结果所占的权重值大小。实际算例研究表明，综合模型的预测结果优于各种单一方法的预测结果。     

一种基于BP神经网络的江河潮位短期预测

江河涌潮与海洋潮汐相比较,其潮位和潮时有着与海洋潮汐规律相同的一面,但它与海洋潮汐所不同的是,其更容易受到天文、气象等因素的影响,有着异于海洋潮汐的不稳定性.涌潮的潮位值变化就是各种因素综合结果的表现.通过借助BP神经网络可以逼近任意非线性函数的能力和特点,构建一个用于短期预测潮水潮位的模型,利用一小部分潮位的历史数据...     

BP神经网络算法在年电力负荷预测中的应用

本文主要研究电力负荷预测方法，依照神经网络系统理论，建立神经网络模型，并通过实例计算，介绍了BP神经网络算法在年电力负荷预测中的应用。     

基于自适应最优模糊逻辑系统的短期负荷预测方法

提出了一种基于自适应最优模糊逻辑系统的电力系统短期负荷预测方法。首先通过最近邻聚 类算法对负荷历史数据进行分组，再将每一组数据(一个聚类)视为一个数据对，用最优模 糊逻辑系统来进行预测系统的建模。实验结果表明， 这种预测方法具有简单、实用等特点 ，且能达到较高的精度。     

短期负荷预测的Ensemble混沌预测方法

负荷记录中的噪声以及预测方法中矩阵数值计算的奇异性，使得一次预测得到的结果具有较大的误差。为了降低初值中噪声的不利影响，将数值天气预报中的Ensemble方法移植到短期负荷预测中。在混沌相空间重构预测中，在参考矢量上叠加一定强度的正态分布噪声，形成多个扰动后的参考矢量，分别预测后得到多个预测结果，再由这些预测结果合成概率化的预测结果。采用这种Ensemble技术，不仅可以提高预测准确率，还可以得到概率化的预测结果。     

短期负荷预测方法的研究及在线应用

根据邯郸地区的负荷特点，将负荷预测分为正常日和节假日两种预测模型。在正常日预测中，采用基本负荷 加修正负荷的思想，修正负荷通过自组织人工神经网络训练得到；在节假日预测中，采用将历史负荷按“近大 远小”加权平均的思想。同时，应用最小二乘递推算法修正模型，进行在线预测。此外，还开发出相应的软件 包用于实际预测工作，并根据邯郸地区的实际情况，通过对MIS中公共数据库的访问，实现了负荷、气象数 据的自动获取和录入，减轻了运行人员的负担。     

模糊集理论在电力系统短期负荷预测中的应用

由于模糊系统能够在任意精度上一致逼近任何定义在致密集上的非线性函数，具有从大量数据中提取相似性的强大能力，且能同时利用数据信息和语言信息，因此模糊集理论在电力系统短期负荷预测中得到了越来越广泛的应用。文中对模糊集理论应用于电力系统短期负荷预测中的研究现状进行了综述，包括模糊集理论分别与专家系统、传统的预测技术、人工神经网络相结合在短期负荷预测中的应用，以及模糊逻辑系统在短期负荷预测中的应用，并指出了这一技术的发展趋势及应用前景。     

自组织映射神经网络电价预测方法

文章利用自组织特征映射神经网络的聚类特性,对样本数据进行筛选,筛选后形成的新样本数据再用于训练BP神经网络,仿真结果表明,经过这种数据处理后,样本训练速度得到了明显的改善,且预测效果较好。     

多节点超短期负荷预测方法

对多节点有功和无功负荷变化规律的动态自适应超短期预测进行了深入的研究和分析，提出将负荷数据分层分区的处理方法，建立它们之间相互牵制和联系的表达，在由递推最小二乘支持向量机（RLS-SVM）算法实现顶层预测的基础上，建立输电系统多节点负荷动态行为特征的描述模型，构建了自适应动态模型的超短期负荷预测总体构架。以山东电网为例的现场测试效果验证了所述方法的可行性和有效性。     

基于BP神经网络的来水量预测模型

针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。     

基于自适应神经模糊推理系统（ANFIS）的电力系统短期负荷预测

采用ANFIS（Adaptive Neuro-Fuzzy Interference System）进行电力系统短期负荷预测。ANFIS将模糊理论与神经网络融合，利用神经网络来实现系统的模糊逻辑推理，采用混合学习算法调整前提参数和结论参数，自动产生模糊规则。利用某局网负荷数据对网络进行训练和检测，所得结果表明利用ANFIS预测负荷有效。     

基于预测误差分布特性统计分析的概率性短期负荷预测

现有短期负荷预测方法一般只能给出确定性负荷预测结果，难以满足电力市场中不确定性风险分析决策的要求。文中提出了一种基于负荷预测误差特性的统计分析的概率性预测方法。该方法首先从时段与负荷水平2个联合维度上建立了对预测误差分布规律进行统计分析的模型，并提出了检验该统计规律有效性的原则和方法;将验证后的预测误差统计分布规律与确定性的负荷预测结果相结合，即可得到概率性的负荷预测结果。基于该结果，还能求取某一置信水平下的预测负荷曲线的包络线。结合实际电网数据验证了所提出方法的有效性和实用性，为概率性短期负荷预测提供了一条可行的新思路。     

电力短期负荷预测相似日选取算法

短期负荷预测是电力系统安全经济运行的基础，相似日选取的准确与否直接影响到短期负荷预测算法的精度。针对短期负荷预测的特点，提出一种能便于考虑各种因素影响的新算法。分析了气象、日类型等因素对负荷影响的常见规律，便于识别主导负荷变化的因素，建立了在短期负荷预测中选取相似日的新方法。理论和实例均表明，该方法适应性较强，能够通过历史数据分析从历史日中选取最合适的相似日，对提高短期负荷预测的精度具有较大价值。     

短期负荷预测中考虑夏季气温累积效应的方法

由于气象因素对负荷的影响较大,在短期负荷预测中需合理考虑气象因素的影响。气温累积效应是夏季气象因素影响负荷的重要现象,是指待预测日之前若干日的气温对待预测日的负荷具有比较明显的影响,持续高温情况下影响尤其明显。对大量气象数据的分析表明,在不同条件下,累积效应的强度不同,对负荷的影响程度也不同。据此,提出了用离散的累积系数和温度修正公式来反映累积效应强度的方法,考虑了各种影响累积效应强度的因素,如待预测日的气温、高温持续天数等。实例表明,所提出的方法比较准确地反映了累积效应对负荷的影响。     

考虑多重周期性的短期电价预测

考虑到电价各时段变化以及周末与工作日变化的差异，提出了区分周末的分时段短期电价预测模型。该模型首先将各日中同一时段的电价形成该时段的电价序列，再将各时段电价序列分为工作日电价序列和周末电价序列。这样形成了多个消除了日周期性和星期周期性的子电价序列，分别对各子电价序列进行预测以得到预测日电价。采用基于小波分析的广义回归神经网络对这些子电价序列分别进行提前一天的预测，各子电价序列的预测电价就形成了下一天的预测电价。采用该方法对西班牙电力市场电价进行了长时间的连续预测，并与已有的预测方法进行了详细的比较分析，研究表明该方法能够提供更准确的预测电价。     

基于灰色系统理论的电力负荷预测研究

利用灰色系统理论建立电力负荷预测模型,并将其加以改进,应用结果表明改进的灰色预测模型具备较高的精确性和可靠性.     

基于标量场分析的远景负荷预测新方法

相近地域的负荷存在辐射效应。负荷的辐射效应主要体现在居民负荷与商业负荷之间,工业负荷的辐射作用相对不明显,随机性比较大。提出了一种考虑商业负荷和居民负荷辐射效应的新方法,应用于远景负荷预测。在依据负荷密度法对地块负荷进行饱和预测的基础上,借鉴标量场分析方法,考虑地块居民与商业负荷之间的辐射作用,对地块负荷预测结果进行调整,使之更符合负荷的实际分布规律。文中提出的方法已应用于中山电网远景负荷预测。算例表明采用所提出的方法能使负荷分布更合理。     

岩溶地区径流预报中BP网络的改进

岩溶地区下垫面复杂,各种岩溶管道、裂隙、溶洞发育使得流域不闭合,地下暗河存在水量交换,而地下水库的调蓄作用,使得流域出口断面总流量与降雨量不成绝对的线性关系。为了克服上述问题带来的岩溶地区降雨径流预报精度低问题,提出了改进的BP网络方法,并通过实例验证了此方法的可行性。以六冲河七星关站断面以上流域的平均日降水量、平均日蒸发量、前期流量作为影响因子,建立了2种预报模型：①传统BP网络模型;②运用SPASS软件筛选BP的影响因子数和调整输入层初始权值,并对逐日径流量资料进行对数处理建立改进的BP网络模型。通过实例分析发现改进的BP网络模型预报效果更好,可以有效地提高大洪峰和小洪峰的预报精度。