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。     

基于输入空间压缩的短期负荷预测

由于影响负荷预测的因素复杂，并且实际获取的历史数据有限，传统的智能预测方法往往达不到工程应用的精度要求。为解决该问题，文中提出一种准确预测电力系统短期负荷的新思路：首先建立负荷输入特征选择模型，其搜索方法采用浮动搜索算法，在去除影响负荷预测的冗余特征之后，利用有限样本学习的统计学习理论（支持向量机）构造负荷预测回归模型，充分发挥其在解决有限样本、非线性中体现出的优势，较好地提高了评估结果的精度和泛化能力。在EUNITE网络中的应用结果证明了该方法对电力系统负荷预测的有效性。     

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。     

基于混沌理论的电力负荷预测

针对电力系统负荷的复杂性及非线性．提出了结合混沌理论的思想．充分利用数据信息。在重构电力负荷相空间的基础上对负荷进行预测．并综合了电力负荷混沌特征量的计算及负荷时问序列的混沌预测方法。以非线性为特征的混沌理论的应用。必将开辟电力系统负荷预测的新途径。     

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。     

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。     

电力系统短期负荷预测中非线性模型的研究与应用

介绍了时间序列分析中的一类非线性模型-SETAR模型的特点及其建 模，将这一模型应用于电力系统的短期日负荷预报。这种模型可以描述一些非 线性的时间序列，在负荷序列波动较大时仍能进行很好的预测，实例计算结果 表明预测精度满足要求，证实了将这一模型应用于电力系统短期负荷预测是可 行的。     

电力负荷的模糊预测方法

提出了一种组合式的模糊短期负荷预测方法。通过对负荷历史数据的离线动态学习，训练出 有关参数，经过模糊推理获得提前一步的负荷预测。系统中引入闭环模糊控制方法用以在 线消除预测误差，并设计了自适应的输出修正算法以排除可能存在的扰动影响。在描述模糊 负荷预测系统的设计、实现和应用的同时，还提出了一些负荷预测中所遇到的问题的解决方 法。     

基于粒子滤波器的大容量冲击负荷短期预测方法

应用基于α稳定分布的概率模型建立了新的电力系统短期负荷时变模型,充分利用了α稳定分布对大容量冲击性负荷良好的模拟特性。应用粒子滤波器对所建立的短期负荷模型的时变参数进行估计,然后利用估计所得的最新参数预测短期负荷。粒子滤波器突破了以往研究的各种滤波器必须建立在负荷模型是高斯分布的线性模型以及模型的参数必须是定常数的局限,可以研究非高斯非线性的时变系数系统模型。结合实际电网负荷数据的实验验证了所提出的方法对大容量冲击性负荷预测的有效性。     

基于多分辨率SVM回归估计的短期负荷预测

针对短期负荷预测支持向量机（SVM）方法的局部逼近能力和泛化能力进行研究，将多分辨率支持向量机（M-SVM）用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点，设计了负荷预测数学模型，采用96条回归曲线进行日负荷的曲线预测，并在该模型的基础上采用实际数据进行验证，分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。     

基于增量约简算法确定电力负荷预测模型输入参数

针对电力系统中有众多因素影响负荷预测精度的问题，文中引入粗糙集理论中的属性约简算法来挖掘与待预测量相关性大的各属性，保证预测模型输入参数的合理性，解决了神经网络模型输入参数的确定问题。针对基于区分矩阵约简算法是NP问题的弱点，提出了基于属性优先级函数的启发式约简算法（RAPHF）；针对负荷预测过程中样本数据是滚动更新的特点，在RAPHF的基础上提出了具有动态挖掘能力的粗糙集增量算法RAPHF-I。通过短期负荷预测的实例研究，证实了文中改进算法的有效性。     

应用函数联接网络预测电力系统短期负荷

采用函数联接的神经网络进行电力系统的短期负荷预测。将输入模式映射到维数更高的模式 空间，使在原空间中不可分的问题，在更高的空间中成为可分，从而只须采用无隐含层的平 面网络即可进行电力系统负荷预测。实测结果表明该方法可行。     

EMS中负荷预测不良数据的辨识与修正

分析了实际电力系统中负荷异常数据的主要成因，并针对2类主要的坏数据各自的特点，分别使用不同的方法处理负荷预测样本数据。针对自动化系统故障造成的坏数据，提出了具有负荷预测应用特点的总加值动态多源处理技术，从而能够充分利用采集设备或网络通道对负荷总加值而言的多重冗余配置；针对大负荷的突发性偶然波动造成的坏数据，采用对电网终端负荷的逐一扫描辨识，部分避免了对单一总加数据预处理的误判和漏判。     

电力市场中预测问题的新内涵

传统的负荷预测是电力系统规划与运行的基础工作，电力市场化的改革对负荷预测提出了更高的要求，赋予其新的内涵。文中探讨了电力市场中的预测问题，分别针对发电侧竞价和用户侧开放的电力市场，提出了一些新的预测内容和预测思想，包括扩展短期负荷预测、连续多日负荷曲线预测、电力市场价格预测、市场风险预测与评估、考虑需求侧管理影响的电力需求预测、用电需求曲线预测、基于价格弹性的需求预测等，指出了这些预测问题的研究热点和难点,探讨了未来的主要研究方向。     

电力系统多级负荷预测及其协调问题:（一）研究框架

基于对传统负荷预测中总需求与各子需求预测结果的不均衡现象的深入分析，揭示了电力系统负荷预测问题所具有的“多维多级”特点。在此基础上，提出了电力系统中多级负荷预测协调的科学问题，阐明了多级负荷预测和多级负荷预测协调的新理念。进一步分析了负荷预测模型的“量测”特性，并将多级预测协调与状态估计进行了类比，阐明了多级预测协调的理论基础。文中还探讨了多级负荷预测协调问题的类别及其各自的特点，提出了基本协调和关联协调模式，由此建立了多级预测协调问题的理论研究框架。希望该研究能够丰富和发展负荷预测理论，为广大预测人员提供一些参考。     

受天气因素影响的电力系统短期负荷预测综述

1概述电力系统负荷预测[1,2]按照预测期限的不同,可以分为长期预测、中期预测、短期预测、超短期预测。短期负荷预测是指提前预报未来几小时、1天至几天的电力负荷,主要用于安排日开停机计划和发电计划。对一个电力企业而言,提高运行的安全性和经济性,提高发电设备的利用率和经     

基于点模式匹配的电力系统短期负荷预测

输电网短期负荷预测是电力调度的基本依据。文中基于点模式策略，并借助模拟退火算法，提出了一种短期负荷预测的新方法。从模式的角度看，负荷的变动也可以看成是模式的转换。该方法首先通过相关性分析找出输入输出数据关系以及各输入数据所占的权重；然后由点模式匹配法求得各输入数据的变换值；最后由变换值、输入数据及其权重得到短期负荷预测的结果。将该方法用于一个实际系统，预测结果表明该方法预测效果较好。     

短期负荷预测相关因素的自适应训练

提高预测精度是短期负荷预测的基本目标。目前已提出了处理相关因素的规范策略和短期负荷预测的综合模型。在此基础上，将自适应训练的思想引入到短期负荷预测相关因素处理中，提出了相关因素自适应训练的若干概念，并分析了自适应训练中的基本问题，给出了短期负荷预测过程的抽象化模型，提出了两种训练负荷相关因素的算法：摄动算法和遗传算法，最后比较了这两种算法的优缺点。算例分析表明，通过自适应训练相关因素，实际预测的效果得到显著改善。     

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。     

提高短期负荷预报精度的研究及应用

本文提出了应用时间序列法提高短期负荷预报精度的具体方法。着重研究了利用日负荷时序 曲线和系统日负荷总电量进行伪数据识别及校正的方法，并考虑了一种对天气因素较为简易 的处理。本文的研究结合西北电力系统的实际情况进行。所编制的程序可在IＢM-PC机 上运行，操作简单易行，其精度基本达到平均日小时负荷误差2%~3%。