电力负荷组合预测权重的确定

由于电力系统负荷具有很多不确定因素 ,用单一预测模型进行预测时 ,其预测精度不高。为提高预测精度 ,完善预测方法 ,提出组合预测模型 ,对电力系统负荷预测的多种预测模型进行组合优化 ,用最小二乘法确定其权重 ,得到权重的解析表达式 ,使组合预测理论进一步得到完善。     

电力负荷组合预测模型权重算法设计与应用

为改善电力负荷预测模型的拟合能力和提高预测精度,提出集结多种单项预测模型信息的组合预测模型,其关键点是确定各单项预测模型的权重系数。以历史拟合效果最佳为目标,利用目标函数和约束条件的特性,应用最优化计算方法中的混合罚函数法和最速下降法设计权重系数的算法,并通过计算机程序求解。将组合预测模型应用于广东省开平市的电力负荷预测,其拟合方差比各单项预测模型的拟合方差小,说明该组合预测模型比任一单项预测模型优。     

用变权重组合方法预测中期电力负荷

变权重组合预测法集合了多种单种预测法所包含的信息,可使中期电力负荷预测的准确性不断提高。介绍了变权重组合预测法的基本原理,并进行了预测结果的误差分析及关联度分析。以上海市某区的历史电力负荷数据为实例,计算负荷预测值的误差指标以及预测曲线关联度分析证明,变权重组合负荷预测值与实际值具有很好的拟合度,可有效提高中期电力负荷预测的精度和可信度。     

标么值加权平均组合变量生成法用于中长期电力负荷预测

将标么值概念引入电力负荷预测,将预测中使用的部分自变量做标准化处理,可以消除变量取值单位对回归系数的影响,同时寻找变量间及变量在不同地区间的相似性.利用变量的加权线性组合生成新变量,利用相似性对一些变量的发展规律作出估计,使偏最小二乘回归方法能够应用于我国农村电网.     

标么值加权平均组合变量生成法用于中长期电力负荷预测

将标么值概念引入电力负荷预测,将预测中使用的部分自变量做标准化处理,可以消除变量取值单位对回归系数的影响,同时寻找变量间及变量在不同地区间的相似性。利用变量的加权线性组合生成新变量,利用相似性对一些变量的发展规律作出估计,使偏最小二乘回归方法能够应用于我国农村电网。     

基于AHP负荷预测组合预测方法的权重确定

将层次分析法(AHP)应用到电力负荷预测组合预测的权重求取,通过对影响负荷预测的主要因素进行层次分析,建立递阶层次结构,构造两两比较判断矩阵,分层次展开对优先权向量的求取,经过一致性检验最终确定组合预测的权重。通过实例计算,表明方法准确有效。     

变权重组合应用于短期电力负荷预测的研究

依据变权重组合预测理论,提出了一种新的适用于电力系统短期负荷预测的变权重组合预测法。这一方法建立在最大信息利用的基础上,集多种单一模型所包含的信息。介绍了变权重组合预测模型,样本点组合预测优化模型,预测时样本点组合预测权系数的确定。并通过实例分析说明在多数情况下,这一方法可以提高短期预测的精度和可信度。     

基于改进LS-SVM的短期电力负荷预测方法研究

针对电力负荷随机性强、稳定性差、预测精度不理想等问题,提出了一种基于粒子群优化PSO和最小二乘支持向量机LS-SVM的短期负荷预测方法.模型的输入因子是负荷数据和气象信息等.粒子群优化算法用于实现支持向量机参数的自动优化,建立了基于粒子群优化的最小二乘支持向量机短期负荷预测模型.通过仿真验证了改进前后预测模型的准确性和...     

基于最小一乘法的组合赋权法在中长期负荷预测中的应用

中长期负荷预测是电网规划的重要依据和前提,出现了大量的算法模型,但每种模型都有自己的适用条件,采用组合预测能有效地组织各种模型做到扬长避短.组合预测法的关键是确定组合模型的权重,最小二乘法是应用较为广泛的确定模型权重的方法,但研究表明,该方法在确定负荷有突变情况的权重时存在较大的误差,因此,提出基于最小一乘法的权重确定方法,与最小二乘法相比,该方法以误差绝对值之和最小为优化目标,而非平方和最小,避免了误差的缩放,残差可以真实反映与真值的偏离程度,有利于权重的确定,最后通过实例验证了该方法的有效性和优越性.     

灰色关联度组合权在电力负荷预测中的应用

电力负荷预测的复杂性、不确定性使传统的单一预测模型难以获得精确的结果.为提高电力负荷预测准确度,构建了一种组合预测模型.该模型综合灰色递阶模型、"S"曲线模型和逐步回归模型预测结果的过程中引入灰色关联度作为确定组合预测权重的依据,综合协调各个结果,得到更为合理的预测值.     

中长期电力负荷组合预测

电力负荷的中长期预测是电力投资决策的关键,但由于其影响因素众多、变化较大等原因,预测精度一直是一个难点,基于神经网络的组合预测可以提高预测精度。     

基于支持向量机的中长期电力负荷组合预测

影响中长期负荷的因素多,随机性强,单一预测方法很难满足不同情况的预测需要,组合预测能较好地解决单一模型的不足,但现有组合预测模型主要基于经验风险最小,预测精度受组合模型的限制.本文提出一种基于最小二乘支持向量机的中长期负荷组合预测模型,该模型利用结构风险最小化原则代替传统的经验风险最小化,充分挖掘原始数据和单一预测模型的信息,以单一模型的预测数据作为组合预测样本,选择多项式核函数的最小二乘支持向量机进行组合预测.实际算例表明,本文提出的组合模型预测平均误差仅为1.719%,具有良好的可行性和有效性.     

基于Matlab神经网络工具箱的电力负荷组合预测模型

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。     

组合预测法在电力负荷预测中应用

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。     

层次分析法在电力负荷组合预测中的应用

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。     

基于方差-协方差组合预测的中长期电力负荷预测研究

关于中长期电力负荷预测有多种预测方法,但各方法被许多因素所局限,本文选用线性回归模型、二次多项式模型和灰色预测模型分别对电力负荷进行预测,再综合起来建立方差-协方差组合预测模型。通过比较后得出结论,本方法大大降低了误差,提高了预测精度,可以科学地预测中长期的电力负荷。     

电力负荷元件静态特征参数的研究

阐述了电力负荷元件的静态模型结构和参数辨识理论，利用系统辨识的基本原理，通过最小二乘的优化方法，对不同的电力负荷元件及其组合进行静态模拟实验，应用自主开发的负荷特性记录仪记录其电压和电流信号，辨识出静态负荷元件及其组合的多项式和幂函数模型的静态负荷特征参数．建模实践表明该方法的有效性和可行性，在负荷元件不断丰富的情况下，即可建立符合我国国情的静态特征参数库．并且通过其组合实验可以模拟实际综合负荷的运行特点．     

非线性偏最小二乘回归在电力负荷预测中的应用

非线性(二次多项式)偏最小二乘既能够解决线性偏最小二乘只能提取线性成分的问题,它又借鉴了偏最小二乘回归方法能够有效地解决自变量集合多重相关性的问题,因而它更具有先进性,其计算结果更为可靠.本文将二次多项式非线性偏最小二乘回归应用于泉州地区的电力负荷预测.文章还将二次多项式偏最小二乘的预测结果并线性偏最小二乘和logistic模型的预测结果进行比较,实例预测结果表明,非线性偏最小二乘具有较高的预测精度,它能满足实际工程的要求.     

综合权重的模糊时间序列的电力负荷预测方法

电力负荷预测受诸多因素的影响,针对短期电力负荷的复杂性和不确定性,结合历史负荷数据,提出了一种综合权重的模糊时间序列预测方法。该方法首先对历史负荷数据进行预处理;然后利用模糊集和模糊时间序列的方法将历史负荷数据模糊化,考虑到负荷变化的趋势,借助于最优化理论给出了趋势权重,同时考虑到近期数据影响大于远期数据,给出了时间占优权重,从而得到了综合权重的模糊时间序列预测方法。最后的数值实验结果表明,该方法比传统的模糊时间序列方法具有更高的预测精度。     

呼和浩特地区经济与电力负荷预测研究

本文在分析呼和浩特地区负荷历史数据的基础上,根据呼和浩特地区配电网现状和未来电网的发展趋势,通过对呼和浩特市经济发展与电力需求基本关系的分析,以及历年全社会用电量及最大负荷的分析,应用组合预测方法,做出呼和浩特地区最大负荷预测。