共查询到18条相似文献,搜索用时 62 毫秒
1.
基于模糊层次分析法的年最大电力负荷预测 总被引:1,自引:0,他引:1
针对电力负荷预测特点和人的判断所特有的模糊性,为了提高负荷预测精度,提出了基于模糊层次分析法的电力系统年最大负荷组合预测模型。此模型引入三角模糊数的一些基本理论,采用三角模糊数表征专家判断信息以充分考虑专家判断的模糊性;采用层次分析法对专家判断结果进行处理以得到方案层各方案的最优权重。该负荷预测模型综合考虑了影响电力负荷的多种不确定因素,并在综合不同模型预测结果的过程中引入专家经验。实际算例后校验平均百分比误差为2.039%。这表明该方法能有效提高负荷预测精度。 相似文献
2.
3.
4.
基于层次分析法的电力负荷组合预测 总被引:1,自引:0,他引:1
为提高电力系统负荷预测的预测精度,提出了一种基于层次分析法的中长期负荷预测组合预测的方法,依据层析分析法中要素权重求取原则,建立了阶梯层次结构,构建两两比较矩阵,分层次对权向量取值,实现了中长期负荷组合预测下各单一负荷预测的总权重的求取,提高了权重求解的准确性;利用组合预测的原理,按照层次分析法中求解出的权重系数,将多个预测模型的预测结果进行拟合,得到组合预测的结果,从而有效减小单一负荷预测中不确定性因素带来的误差,规避各单一预测方法的不足,减少单一负荷预测对电力系统负荷预测的预测风险,提高预测精度。最后利用某县2005-2010年的除大用户用电负荷作为算例进行实例分析并证实了所提方法的科学性、实用性。 相似文献
5.
层次分析法在电力负荷组合预测中的应用 总被引:3,自引:0,他引:3
应用组合预测理论,引入层次分析法(AHP)建立了电力负荷组合预测的结构模型,利用AHP的1-9标度,计算相应权重,对电网负荷进行预测,从而获得电力负荷预测的满意解及推荐值。 相似文献
6.
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
7.
8.
提出一个基于最大信息压缩指标与层次分析法的电力负荷组合预测模型,采用最大信息压缩指标评价单个预测模型的精度,用层次分析法确定各个模型以权重。最大信息压缩指标越小,信息损失越少,权重越大.实例分析表明该组合预测模型预测精度高. 相似文献
9.
10.
基于Matlab神经网络工具箱的电力负荷组合预测模型 总被引:3,自引:0,他引:3
在电力系统负荷预测中,组合预测是一种有效的方法。该方法通常是采用对单个预测模型进行加权处理,要求参加组合预测的模型误差能保持稳定,但电力负荷预测结果的误差往往是非均匀性的,针对上述做法存在问题,提出了基于人工神经网络的组合预测模型,利用人工神经网络对复杂非线性系统的拟合能力,通过网络训练自适应地调整各种预测模型的权重,同时,为了避免用常规语言建立人工神经网络负荷预测模型存在的模型结构复杂,训练时间长等缺点,利用Matlab神经网络工具箱建立组合预测模型,该模型不仅编程简单,而且收敛速度快,算例表明了该模型的实用性和有效性。 相似文献
11.
12.
13.
超短期电力负荷预测对电力系统的快速响应和实时调度至关重要,准确预测负荷能保障电力系统的安全并提高用电效率。为获得准确可靠的负荷预测结果,针对电网负荷数据非线性和时序性等特征,提出了一种基于CNN-BiLSTM-Attention(AC-BiLSTM)的新型超短期电力负荷预测方法。该方法首先将卷积神经网络(CNN)和双向长短期记忆(BiLSTM)网络相结合充分提取负荷数据本身的时空特征。然后引入注意力(Attention)机制自动为BiLSTM隐藏层状态分配相应的权重,以区分不同时间负荷序列的重要性,能够有效减少历史信息的丢失并突出关键历史时间点的信息。最后通过全连接层输出最终负荷预测结果。以某地区真实负荷数据为例进行了实验分析。通过两种实验场景对比,验证了该方法具有较高的预测精度,可以为电力系统规划和稳定运行提供可靠的依据。 相似文献
14.
15.
针对目前国内有关电力市场负荷预测方法存在的问题.积极探索某一特有电网的运行规律.提出了在现有条件下通过平均负荷法预测用电量和最大负荷,并将其与数学模型函数预测法相比较,得出其具有采集数据方便、预测准确程度高、耗费时间少等特点。 相似文献
16.
17.
组合预测法在电力负荷预测中应用 总被引:5,自引:0,他引:5
由于电力系统负荷具有很多不确定的因素,用单一模型进行负荷预测时,其预测精度不高。采用组合预测法对能很好反映负荷变化规律的模型赋予较大的权重,从而提高负荷预测精度,示例计算表明组合预测法的预测精度明显高于各单一模型的预测精度。 相似文献
18.
根据电力系统负荷的特点,提出了基于反向Haar小波变换的电力系统负荷预测.介绍了反向Haar小波变换的数学模型,叙述了基于反向Haar小波变换的电力系统负荷预测的方法,通过实例计算并与其它方法的比较,说明反向Haar小波算法既充分利用了小波变换的优点,又克服了某些传统算法在电力系统负荷预测中的不足,该方法简单、可靠,便于形成实时软件,对提高电力系统电网规划水平具有重要意义. 相似文献