基于稀疏核偏最小二乘法的短期负荷预测研究

支持向量机方法已成功地应用在负荷预测领域,但它在训练数据时存在数据处理量太大、处理速度慢等缺点。为此提出了一种基于稀疏核偏最小二乘法的预测方法,通过在高维特征空间的稀疏化,可减少在训练过程中的数据量,从而提高预测的速度和精度,将该方法应用于短期负荷预测中,与SVM方法相比,得到了较高的预测精度。     

递推最小二乘法在警戒控制器上的应用

为了改善动态系统性能指标,提出警戒控制器控制算法.通过递推最小二乘法对动态系统进行参数辨识,在控制算法中考虑参数估计误差的不精确性,得到警戒控制器的控制律;对自校正系统与警戒控制器的控制律所决定的性能指标进行比较,结果表明,警戒控制器的控制律可使其动态性能指标达到最小.应用 Mat-lab 软件对系统的仿真结果表明.警戒控制器的控制算法对建立适合过程控制特点的控制方法十分有效.     

递推部分最小二乘方法及其应用

该文提出了一种递推的部分最小二乘算法.该算法利用遗忘因子法对旧参数矩阵进行加权,再和新数据矩阵组合,构成输入输出的数据矩阵,然后利用PLS核算法得到模型.结合实际工业过程的要求,给出了该算法的步骤,并运用该算法建立了煤气化炉合成气组分浓度的软测量模型.结果表明,递推的部分最小二乘算法可以有效的更新模型,使模型适应过程的...     

稳健递推最小二乘法及其在功率谱估计中的应用

本文依据稳健估计理论,提出了一种稳健递推的最小二乘算法.理论分析和数字仿真的计算结果表明,该算法在抑制奇异值方面性能良好.     

概率最小二乘法

从方差的离散公式出发,导出了以概率密度加权的最小二乘准则,从误差的期望的离散公式出发导出了估值方程,两者被统一称为概率最小二乘法,实现了以概率密度作为等价权的理想,天然地具有抗差性。当误差为正态分布时,与和极大似然估计完全一致,具有一致性和最小估值偏差。     

增广递推最小二乘辨识精度的研究

以带有有色噪声的CARMA模型为例,分析了在干扰项参数辨识当中,误差较大的原因以及影响辨识误差的因素,并利用二次辨识的思想提出了一种提高辨识精度的方法。通过此方法并结合一个具体实例,给出了Matlab仿真辨识的结果。仿真结果表明,经过二次辨识的参数更接近真实值。     

最大熵谱分析的递推最小二乘算法

本文的推导,建立在RLS算法基础上的最大熵谱分析.实例证明,其分辨率高于常见的Yule-wolker型和Burg型算法.在理论上尚未很好解决定阶问题的情况下,本文提出划区搜寻定阶的经验方法,且提高了其计算速度.文中编制了相应程序.实例证实上述两点有效性.     

用阻尼最小二乘优化算法实现电力系统综合静态负荷建模

针对电力系统传统静态模型在电压稳定性分析中应用的局限性,采用阻尼最小二乘优化算法实现了电力系统综合静态负荷建模.通过对仿真结果的分析,验证了模型的描述能力和算法的可行性.     

基于偏最小二乘法的泉流量预报模型

偏最小二乘回归能较好地解决自变量之间的相关性问题,克服了变量多重相关性在系统建模中的不良作用.同时用这一方法建立的泉流量模型,可进行流量预报.且以黑龙洞泉为例,通过计算、拟合、分析,说明建立的泉流量模型具有较好拟合性和稳定性.     

基于递推最小二乘法的半挂汽车列车结构参数估计

准确获取车辆的结构参数对汽车的主动安全控制至关重要.该文主要研究半挂汽车列车稳定性控制中的结构参数估计.基于汽车纵向动力学的半挂汽车列车整车质量与路面纵向坡度的多遗忘因子递推最小二乘算法(RLS)估计方法,利用估计的整车质量获取挂车的横摆转动惯量;根据线性四自由度(4-DOF)半挂汽车列车模型,探讨了半挂汽车列车轮胎侧偏刚度的RLS估计算法,并讨论了不同初始值对估计效果的影响.基于商用车动力学仿真标准软件TruckSim建立了某半挂汽车列车的非线性车辆模型,通过平路面和不同坡度路面上的动力学仿真对估计方案进行了验证,结果表明,相关参数的估计值和实际值吻合良好,对提高半挂汽车列车主动安全控制的性能具有重要意义.     

短期电力负荷组合预测方法研究

为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度.     

用时间序列法进行电力系统短期负荷预测

电力系统负荷预测是指从电力负荷自身的变化情况以及经济、气象等因素的影响规律出发,通过对历史数据的分析和研究,探索事物之间的内在联系和发展变化规律,以未来的经济、气象等因素的发展趋势为依据,对电力需求作出预先的估计和推测。本文通过使用经典的时间序列法进行短期负荷预测,以C++语言程序为计算手段,并将预测结果与实际值进行比较分析。同时类比其他各种预测的方法,对短期负荷预测的方法、过程、意义进行一些分析。     

基于注意力机制的CNN-LSTM短期电力负荷预测方法

精准的短期电力负荷预测可以保障电力系统的安全可靠、经济高效运行,传统预测方法无法满足高精度的负荷预测要求,而机器学习算法的广泛应用为短期负荷预测的精确方案.提出了一种基于注意力(At-tention)机制的卷积神经网络(Convolutional Neural Network,CNN)-长短期记忆网络(Long Sho...     

计及PUE的数据中心短期电力负荷预测方法

为了准确预测数据中心短期电力负荷,提出了基于长短期记忆神经网络的短期负荷预测模型,有效地弥补前馈型神经网络不能处理序列间关联信息与传统循环神经网络无法记忆久远关键信息的缺陷.通过分析得出电源利用效率(power usage effectiveness,PUE)值与负荷具有相关性,因此在预测模型中考虑了PUE的影响,并使...     

基于EMD-CNN-LSTM混合模型的短期电力负荷预测

为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long...     

基于改进BP神经网络法电力负荷短期预测

电力网络结构日益庞大,电力安全可靠运行难度不断增大,须提高电力负荷预测精度,以保证电力设备正常稳定运行。电力负荷变化具有非线性的特点,通过传统建立的模型难以精确预测电力负荷的变化,针对此难点,文中采用具有非线性特征的改进BP神经网络法进行短期负荷预测,在进行负荷预测算法时,为消除训练样本顺序的影响,将整个样本集替代单系列样本进行学习。选取某县城电力负荷历史数据作为样本,Matlab编程仿真,得出预测与期望结果比较接近,部分数据较精确,说明该算法具有一定的参考意义。     

电力负荷预测的一种综合方法

在电力负荷预测的数学方法中，有多种预测模型，因而有多个预测结果．目前还没有令人满意的方法，用来确定出其中最接近实际的结果．另外，大多数的预测样本中都存在着数据失真，直接导致预测结果失真．这些都较大地影响了预测的准确性．本文提出了一种筛选方法，对模型和样本数据进行过滤．     

基于改进BP人工神经网络的电力负荷预测

电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定,短期电力负荷预测的重要组成部分.利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测.该文研究了在改进的BP网络中加入了动量项和构建输入网络时结合了同类型日思想的模糊映射,预测结果表明比标准BP算法具有更好的性能.同时,针对大量无法用精...     

采用模糊技术分时段处理实现的短期负荷预报

采用模糊理论对日负荷曲线预报中的天气因素进行了模糊处理,根据季节、气候的不同对天气因素做不同的模糊处理和不同数学模型,建立了专家处理系统,提高了短期负荷预测的精度.通过对河南省某市级电力系统日负荷曲线的模拟预测,虽然仅对天气做了模糊处理,但预测结果令人满意.     

基于改进灰色模型的短期电力负荷预测

针对短期电力负荷预测的特点,提出了更适合负荷预测模型,对传统灰色预测模型的局限性进行了改进。采用三点平滑处理削弱了个别不理想数据对整个数据序列的影响,对GM(1,1)模型进行了残值修正,建立了针对后验差检验不合格情况下的新的GM(1,1)模型。通过实证分析与相对误差的比较,该模型具有良好的适应性,可大大提高预测的精度。