基于FWA-LSSVR智能算法的钢铁行业用电量预测研究

针对近年来宏观经济指标与钢铁行业用电量关联度下降的情况,提出了一种基于行业产品及原材料价格的用电量预测方法,并使用移动平均法和时差相关分析法进行数据消噪处理和价格影响滞后期测算,在此基础上,建立了烟花算法优化最小二乘支持向量回归机智能预测模型。利用该模型对某地区实际月度用电量进行预测,结果表明,与多元线性回归、BP神经网络等模型相比,所提出的方法具有更好的预测性能,更适用于钢铁行业用电量月度预测,可为准确预测钢铁行业用电量、合理把握电力需求波动及制定经济合理电力调配计划提供参考,为电源和电网的建设提供辅助决策支持。     

发电量季节周期性预测模型的探讨

分析了广东省发电量数据特点,应用中位移动平均法,将其分解成趋势项和周期项,提出了乘法模型。预测结果显示此方法简单有效,对于季节时间序列的辨识、预测有实用价值。     

基于改进灰色GM模型的用电量预测方法研究

季度用电量同时具有增长性和季节波动性二重趋势,而灰色GM(1,1)预测模型只能反映用电量的总体变化趋势,不能很好反映其季节性波动变化的具体特征。提出灰色GM(1．1)用电最预测模型的改进模型——灰色季节变动指数模型GSI(1,1)模型,将灰色预测方法与季节指数有机结合起来。算例表明,与灰色预测方法相比,GSI(1,1)模型具有更强的适应性和更高的预测精度,适用于季节性用电量预测。     

季节划分下产业用电量关联分析及预测

产业用电需求预测对于实现精细化用电管理、降低电力企业运行与规划成本具有十分重要的意义。鉴于常见的预测方法在产业结构划分下的中短期用电量预测中效果不佳,分析了不同季节下产业用电量之间内在关联关系以及气温对其的外在影响,结合计量经济学思想,分季节构建了用于电量预测的误差修正模型,并利用该模型对华中某省网月度用电量进行了预测分析,结果表明,该模型具有较高的预测精度。     

灰色季节变动指数模型GSVI(1,1)在农村用电量预测中的应用

季度用电量同时具有增长性和季节波动性的二重趋势,这使得季度用电量的变化呈现出复杂的非线性组合特征。对于这种具有复杂的非线性组合特征的时间序列,直接应用GM(1,1)灰色模型往往精度不高。GM(1,1)灰色模型只能反映时间序列的总体变化趋势,不能很好地反映其季节性波动变化的具体特征。为了提高短期用电量的预测精度,提出了用电量预测的灰色季节变动指数模型——GSVI(1,1)模型。GSVI(1,1)模型是将灰色预测方法与季节变动指数有机结合起来,对复杂的不确定性问题进行求解所建立的模型。算例计算表明,与灰色预测方法相比,GSVI(1,1)模型具有更强的适应性和更高的预测精度,适用于农村用电量预测。     

基于季节ARIMA模型的月度用电量置信区间预报模型

结合广东某地区用电量预测系统的开发工作,建立了基于季节ARIMA模型的月度用电量置信区间预报模型。该模型可方便求解出含一定置信度的预报结果范围,能体现出月用电量的真实值;时间序列方法的应用,避免了预测其他非用电量的困难。此外,还分析了数据统计中存在着的数据缺失问题及其处理方法。对地区电网月度用电量进行实际预测,取得了理想的结果。     

基于隐马尔科夫修正的光伏中长期电量预测及调度计划应用

构建高精度的光伏中长期可用电量预测模型,对电力市场调度模式下的月度计划制定具有重要意义。为此,首先建立了基于差分自回归移动平均模型的光伏发电可用电量预测统计模型,实现了横向逐月移动的未来年际预测;然后,考虑光资源月度的差异性和同季节的平稳性,提出了基于隐马尔科夫模型的光伏发电可用电量预测修正方法,实现了纵向同月递推的差异月度预测修正。基于新疆电网某地区光伏运行数据,对方法的有效性进行了验证,结果表明所提出方法预测精度较高。最后,通过在新疆新能源月度计划控制系统中进行应用,实现了月度计划和日前计划动态滚动跟踪相结合的调度计划模式,满足了调度生产运行的需求。     

月度用电量灰色预测改进模型

灰色模型是年度电量预测的有效方法。引入季节指数平滑法改进灰色模型,使其更适合具有季节周期性的月度用电量预测;并提出了一种基于马尔科夫过程的残差修正法,以提高月度电量预测的准确率。最后,以某市月度用电量进行实际预测为例,通过与其他模型的比较,验证了改进模型在月度用电量预测中的有效性。     

结合X12乘法模型和ARIMA模型的月售电量预测方法

月售电量是具有趋势性、季节性和随机性的非平稳负荷,直接预测难度较大。为解决该问题,结合X12乘法模型与差分自回归移动平均(ARIMA)模型提出一种新的月售电量预测方法。首先,用X12乘法模型将历史月售电量分解为趋势分量、季节周期分量和随机分量,其中趋势分量用ARIMA模型预测,季节周期分量和随机分量分别用加权法和平均法预测;然后,用乘法模型将上述3个分量的预测值还原为最终的月售电量预测值。该方法可避免直接预测月售电量时不同分量间的相互干扰,提高预测精度;最后用重庆市铜梁区实际数据进行仿真分析。仿真结果表明,相对于ARIMA和季节ARIMA模型对月售电量序列直接建模预测的方法,所提方法具有更高的预测精度。     

季度周期模型在我国用电量预测中的应用研究

针对我国仍然存在的季节性缺电问题,根据电力季用电量的周期性变化特点,利用季节周期预测法构建了用电量的季度周期模型来预测未来的季度用电量.根据季节变化特征、电力供需状况、数据可得性等,选取我国2002年第1季度—2007年第4季度的季度用电量作为样本,建立我国用电量的季度周期模型.计算结果表明,预测效果较好.并利用2008年1季度—4季度的数据对季节周期模型进行自适应矫正,使得预测更灵活、精度更高.根据所构建的预测模型预测了我国2012—2014年的用电需求量     

基于小波分析和灰色模型的用电量预测

月度用电量同时具有增长性和季节波动性的二重趋势,针对月度用电量的这一变化特点,提出了一种基于小波分析和灰色预测模型的用电量预测方法,同时考虑春节影响因素,结合移位修正法对1月份和2月份的用电量进行修正。经过实例分析和计算,结果表明该方法有较高的预测精度,具有较好的适用性和可行性。     

ARIMA模型在城市年用电量预测中的应用

介绍了单整自回归移动平均模型（antoregressive integrated moving average model,ARIMA）及其建模思路,并结合Eviews软件将ARIMA模型应用于成都市年用电量的分析与预测。经检验此模型预测精度较高,拟合效果理想,体现了应用ARIMA模型进行用电量预测的可行性,可以为电力系统工作人员进行年用电量预测提供参考。     

基于族群进化计算的多项式回归电力负荷预测

提出了1种基于族群进化计算的多项式回归电力负荷预测方法,该方法利用族群进化理论来有效优化多项式回归分析模型中的参数,取得了较好的效果。同时,选择某地区用电量历史数据进行预测分析,并与季节指数模型预测的结果进行了对比,从数据对比分析结果看,该文提出的预测值与实际值的平均误差和相对误差均小于季节指数模型,证明了该方法的可行性和有效性。     

基于周期波动预测的数字家庭用电应用模型

基于家庭用电的历史数据及其用电趋势,利用具有周期波动性的季节预测模型对家庭的每月用电量进行预测,为有效地指导家庭合理用电提供分析数据.通过周期波动家庭用电预测模型和居民家庭实际用电历史数据,可以推算出居民切合实际的用电量预测,使用户有效管理用电情况.与其他方法相比,该模型的预测精度较高.     

基于回归分析和虚拟变量的短期用电量预测管理模型

为适应电力市场化交易,实现短期用电量的准确预测,调研了影响短期用电量的主要因素,重点分析了气温与用电量数据的关联关系,并利用电量在时间分布上具有惯性的特征,提出了考虑气象条件的因变量滞后回归模型。同时对比了工作日、休息日、固定假日和移动假日用电量的差异,针对不同情况获得了虚拟化变量的系数,在此基础上建立了短期用电量预测模型,并对模型进行了静态预测和动态预测的实证分析,模型的建立为地区电网项目建设起到重要的理论支撑作用。     

基于LSTM神经网络的用电量预测

阐述了收敛交叉映射(CCM)方法及LSTM神经网络模型在用电量预测中的具体应用。针对城市用电量时间序列的非线性特点,结合动力系统理论,采用CCM方法研究用电量和温度、风速、相对湿度、降水之间的动力学因果关系,建立LSTM神经网络模型,并将该模型在H市用电量预测中进行了初步应用。研究结果表明,LSTM神经网络模型在城市用电量预测中年度预测相对误差小于月度预测相对误差,具有较高精度;改进的引入温度因素的LSTM神经网络模型,月度、年度预测相对误差均有改进,反映了运用CCM方法研究动力学因果关系的合理性以及LSTM神经网络模型在城市用电量预测中广泛的实用性。     

基于时间序列的地区电网售电量预测方法研究

地区电网售电量的科学预测是电网建设规划的重要依据。考虑电量历史数据是一典型时间序列函数,本文建立了移动平均法、Winters、灰色马尔科夫三种预测模型,根据某地区的售电量历史数据求解模型,并对预测结果进行了分析和比较。结果表明,灰色马尔科夫模型预测结果与多年多年实际数据拟合效果最好、误差率最低,该方法的应用前景广阔。     

基于混沌理论的城市用电量预测研究

阐述了混沌理论及其在城市用电量预测中的具体应用, 针对城市用电量时间序列的非线性特点,结合混沌理论和神经网络理论,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的城市用电量神经网络模型.并将该模型在H市用电量预测中进行了初步应用,结果表明,该方法需要的训练数据较少,预测结果整体误差的指标较好,容易确定输入节点个数,呈现较好的综合预测性能,在城市用电量预测中有广泛的实用价值。     

基于混沌理论的城市用电量预测研究

阐述了混沌理论及其在城市用电量预测中的具体应用, 针对城市用电量时间序列的非线性特点,结合混沌理论和神经网络理论,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的城市用电量神经网络模型.并将该模型在H市用电量预测中进行了初步应用,结果表明,该方法需要的训练数据较少,预测结果整体误差的指标较好,容易确定输入节点个数,呈现较好的综合预测性能,在城市用电量预测中有广泛的实用价值.     

陕西电网月用电量预测模型的研究

未来年度电网月用电量预测对于电网调度运行非常重要。本文基于月度乘积模型,建立了陕西电网月用电量预测模型,用该模型对陕西电网月用电量进行了预测分析,将预测值与2003年1月至2007年12月期间的实际观测数据对比,年最大误差小于1%,预测精度较高。为准确预测月用电量提供了一种较为可行的分析预测方法。