基于蚁群算法的配电网空间负荷预测方法研究

在进行空间负荷预测的过程中,用地类型转换规则的获取对预测的结果产生着深远的影响.提出了一种改进的配电网空间负荷预测方法,采用用地仿真法模拟城市土地动态发展过程,预测规划区域各小区土地的未来使用类型.根据城市发展的实际情况,利用蚁群算法(Ant Colony Algorithm,ACA)的自适应性及其在分类规则挖掘方面的优势,自动获取小区用地类型的转换规则,克服了传统方法在规划年内一直采用静态的土地使用决策规则的缺陷.用实例说明了该方法的有效性.     

基于粗糙集和元胞自动机的配电网空间负荷预测

该文提出一种新颖的配电网空间负荷预测方法,采用元胞自动机(cellular automata,CA)模拟城市土地利用动态发展过程,预测规划区域各小区土地的未来使用类型。根据城市发展的实际情况,确定CA的迭代时间和转换规则调整时间,并采用粗糙集(rough sets,RS)理论逐步对每个调整时间段中可能影响小区土地使用决策的因素进行属性约简,获取动态的元胞自动机转换规则,消除冗余属性,克服了传统方法在获取小区土地使用决策受主观因素影响较大以及在规划年内一直采用静态的土地使用决策规则的缺陷。最后通过1个实例验证了该方法的有效性。     

基于人工蜂群算法的空间负荷预测

采用人工蜂群算法应用于土地利用变化中的土地使用决策,提出了一种新的空间负荷预测方法。为了解决静态决策规则带来的问题和提高空间负荷预测的精确性,该方法结合了人工蜂群算法和用地仿真法的优点,利用用地仿真法理论来预测规划区域各小区的未来用地类型,定义各小区用地类型的属性节点和类节点的连线为蜂群搜索路径,通过模仿蜜蜂采蜜行为,自动搜索在该区域土地利用变化情况中各用地类型最优的转换规则,计算小区负荷。最后利用Matlab R2012a做实验,证明文中所提新方法是有效的。     

基于粗糙集数据挖掘的配电网小区空间负荷预测方法研究

提出了一种新颖的配电网空间负荷预测方法,采用粗糙集(RS)数据挖掘方法对可能影响小区用地决策的相关属性进行约简,去除冗余属性,克服了以往方法受人为因素影响较大的弱点,得出决定小区用地类型的决策规则,从而得到每个小区适于发展各类负荷的程度,再运用全局最优的土地分配算法来计算各小区内各类负荷的增长,克服了仿真法不能得到整个土地最优分配方案决策的弱点.最后用实例说明了该方法的有效性.     

一种基于参数循环优化的空间负荷预测方法研究与应用

在结合我国国情的基础上分析了传统用地仿真法在国内空间负荷预测工作中实现困难的现状,提出了一种实用性很强的基于参数循环优化的空间负荷预测模型.该方法以城市规划局的土地规划图为基础,运用GIS的强大功能对城市配网大量矢量地图数据进行存储管理,再结合循环优化后的负荷密度模型对各规划小区用地进行负荷预测结果计算.新的空间负荷预测模型免去了用地仿真法在网格划分及各小区空间数据收集过程中的大量工作,提高了工作效率.应用实例表明该方法预测结果准确性能满足目前我国电力行业的发展要求.     

空间电力负荷预测小区用地分析（二）——模糊推理在小区用地分析中的应用

基于模糊逻辑的近似推理方法 ,建立了详细的城市土地高分解状态下的小区土地使用优劣性评价和小区土地使用适应性评价的推理模型。用一个实际系统的空间电力负荷预测的小区用地分析实例说明了该方法的应用过程和有效性     

电力负荷的模糊粗糙集预测方法研究

通常空间电力负荷的影响因素较多 ,小区划分较小时模糊推理规则将成倍增加 ,为此引入了粗糙集理论的属性约简方法简约预测因子 ,即采用粗糙集理论的不可分辨性关系约简可能影响小区用地决策的距离和环境等相关属性 ,得出决定小区用地类型的决策推理规则库 ;为克服模糊理论确定权重系数的主观性 ,应用粗糙集理论中属性重要度分析计算了各条件属性对各用地类型的不同权重。重庆江北某区域空间电力负荷预测的结果显示 ,粗糙集与模糊集理论相结合能节约存储空间且能提高预测速度     

基于负荷细分与SVM技术的电力负荷空间分布预测

提出了一种新颖的电力空间负荷分布预测模型,该方法首先对各类负荷的影响因素进行分析并分别建模预测;而后将选定区域划分成等面积小区,利用主成分分析法对小区空间信息进行处理,从而形成支持向量机的训练样本集;在此基础上用训练好的支持向量机计算待预测区域小区的属性值,并按照各类用地类型排序.根据预测结果,结合待预测区域的整体发展规划,给出待预测区域各类负荷增量;最后,结合各类负荷密度预测值、各类用地发展总量、各类用地发展排序,给出空间负荷预测值.实例验证了本文方法的有效性.     

空电电力负荷预测小区用地分析（二）——模糊推理在小区用地分析中的应用

基于模糊逻辑的近似推理方法,建立了详细的城市土地高分解状态下的小区土地使用优劣性评价和小区土地使用适应性评价的推理模型,用一个实际系统的空间电力负荷预测的小区用地分析实例说明了该方法的应用过程和有效性。     

基于模糊推理和多目标规划的空间负荷预测

在传统空间负荷预测基础上加以改进,重点考虑了以下问题：(1)运用模糊推理计算小区对各用地类型适应性的评分,使用地决策更加符合城市发展形势;(2)给出城市小区改造判据,弥补了传统空间负荷只能处理城市平稳发展的缺陷;(3)引入多目标线性规划,计及建设与改造投资,使土地的分配更具经济性,从而使配网规划更加经济合理。作给出的空间负荷预测模型已用Visio C 6.0编程实现,用其对具体算例的分析结果令人满意。     

基于模糊粗糙集理论和时空信息的空间负荷预测

空间负荷预测是城网规划领域的基础工作,目前空间负荷预测大多是依靠一些历史负荷数据来进行,却忽视了地理空间信息的影响。对于同一类用地来说,由于各小区的地理空间信息不同,其发展程度存在一定的差异,进而各小区的负荷密度也不相同,如果采用统一的负荷密度进行预测,势必会带来较大的误差。因此,该文提出一种基于模糊粗糙集理论和时空信息的空间负荷预测方法。借助地理信息系统(geographic information system,GIS)获取供电小区的空间信息,分析空间信息对各类负荷分布的影响。结合模糊粗糙集理论得到每个供电小区适合其发展的统一模糊粗糙因子(因为每类小区的统一模糊粗糙因子的划定都有其自身的标准,该统一模糊粗糙因子的大小仅适于同种类型小区间的比较),从而刻画出同类负荷间负荷密度的差异。该文所提方法能够更精确地刻画负荷发展不均衡、不协调的现象,提高空间负荷预测的精度。工程实例分析表明了该方法的实用性和有效性。     

基于云理论的配电网空间负荷预测方法研究

提出了一种新颖的配电网空间负荷预测模型，该模型采用了基于云模型的知识表示，将定性概念所具有的模糊性、随机性有机地结合在一起，构成了定性和定量相互间的映射，克服了传统模糊理论的不彻底性。该文将云理论、面向对象的归纳方法以及粗糙集相结合，进行土地使用决策中空间属性信息定量定性转换、空间数据的离散化、决策规则的挖掘，克服了传统基于模糊集的空间负荷预测模型中模糊集参数及模糊系统规则选择的主观性，同时也利用云理论与粗糙集理论相互间的互补性,增强了知识发现的能力。运用基于云理论的不确定性推理计算小区对各用地类型适应性的评分，使推理结果更加合理而且贴近实际。给出了基于该模型的小区改造判据，改进了计及小区改造及经济性的用地分配的多目标规划模型，计算小区负荷。最后用实例说明了该方法的有效性。     

采用非均匀区域法的空间负荷预测

简述空间负荷预测的内容和方法,着重介绍采用非均匀区域法的空间负荷预测。这种非均匀区域法预测结合现有的系统和负荷理论、负荷增长类型、未来的规划信息、以及现有的土地使用类型,为空间负荷增长过程确定多种发展远景,对不同区域的预测有详略之分,可显著减少数据量和工作量。     

基于模糊粗糙集理论的综合数据挖掘方法在空间负荷预测中的应用

基于模糊粗糙集理论,提出了一种综合数据挖掘方法,并将其应用于空间负荷预测中。基于规则约简方法提出了循环采样方法,采用数据库知识获取技术按采集的样本属性值将样本聚类,根据聚类中心对连续取值的属性设定模糊值,根据决策属性的包含度对模糊粗糙规则进行筛选,并采用数据库知识获取技术实现了用地类型的转换。算例结果表明该方法简单灵活,可用于短期、中期和长期空间负荷预测中。     

基于云理论和元胞自动机理论的城市配电网空间负荷预测

针对城市电网规划中电力负荷空间分布和时间动态演化预测难题,提出一种采用元胞自动机(cellular automata,CA)模拟城市土地利用的逐年发展过程进而进行城市配电网空间负荷预测方法。该方法基于云模型的知识,将影响因素的定性概念所具有的模糊性、随机性有机地结合在一起,构成定性和定量间的相互映射。综合考虑多种影响负荷发展的因素,运用云理论训练CA转换规则,制定多种转换规则来预测规划区域地块的发展程度。通过应用所提模型和方法对某规划小区负荷发展进行预测及实际对比,验证了其有效性。     

空间电力负荷预测小区用地分析（一）——模糊推理新方法和小区用地分析原理

提出了一种在知识不完备的情况下,计及前提重要性的基于模糊逻辑的近拟推理和决策新方法,并将其用于城市配电网规划空间力负荷预测的小区 用轩适应性和优劣性分析中,建立了基于模糊集理论的规划年城市土地开发和土地改造预测的基本原理,该原理能够充分体现了专家的推理和决策过程,为城市配电网规划人员完成规划年城市土地高分解条件下小区土地开发时间,使用性质和最佳使用强度的分析任务提供了一套系统的理论和方法。     

基于熵权法与GRA-ELM的配电网空间负荷预测

空间负荷预测对配电网规划建设具有重要意义。为了提高配电网空间负荷预测精度,文中提出基于熵权法与灰色关联分析-极限学习机(GRA-ELM)的配电网空间负荷预测方法。首先,将规划区域内的小区按用地性质划分,分析不同类型负荷的影响因素,建立空间负荷密度指标体系;其次,利用熵权法对不同类型负荷的负荷密度指标进行权重分配;然后,应用GRA挑选出与待测地块负荷密度指标相似的训练样本;最后,将样本带入经粒子群优化(PSO)算法参数处理后的极限学习机(ELM)进行训练,得到预测结果。通过实例对所提方法的性能进行仿真验证,结果表明,所提方法相对其他方法的空间负荷预测精度更高。     

基于模糊神经网络的空间负荷预测小区用地分析

对配电网的空间负荷预测方法进行改进,重点研究小区用地分析的模糊推理模型,把人工神经网络技术与模糊推理系统相结合的方法应用于小区用地分析。该方法采用人工神经网络技术提取模糊规则,形成一类具有学习功能的模糊智能系统,具有自适应能力强、推理效率高及知识表达能力较强等特点。以实例验证了该方法的有效性。     

基于模糊神经网络的空间负荷预测小区用地分析

对配电网的空间负荷预测方法进行改进，重点研究小区用地分析的模糊推理模型，把人工神经网络技术与模糊推理系统相结合的方法应用于小区用地分析。该方法采用人工神经网络技术提取模糊规则，形成一类具有学习功能的模糊智能系统，具有自适应能力强、推理效率高及知识表达能力较强等特点。以实例验证了该方法的有效性。     

配电网分块中长期电力负荷预测实践

根据"配电网分块"的规划思路,对于不同类型的分块应采用相应不同的预测方法.以上海市某配电网的分块电力负荷预测为研究对象,依照各分块的用地特点和原始数据的获取状况选择合适的预测方法,并说明了分块电力负荷预测对电力网络规划的指导意义.