混沌理论在年电力负荷预测中的应用

电力负荷预报是电力系统的重要工作之一。电力系统年负荷为非线性时间序列,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。通过对年电力负荷时间序列混沌理论的分析,进一步表明了电力负荷预报值的合理性,也预示了今后20—30年内电力负荷的持续稳定增长。     

应用变差模型对广西电网月负荷预测的研究

给出电力系统短期负荷预测的变差分析模型。将负荷分解为年度变差、月份变差和随机变差，通过对其进行分别估计便可得到负荷的预测值。并以广西电网在不同的采样年限下的负荷进行预测，实例分析表明了该方法的有效性、简易性和实用性。     

基于混沌神经网络理论的小电陨短期电力负荷预测

通过对小电网负荷数据的特点分析，将时间序列处理、混沌理论和神经网络理论相结合提出了一种基于混沌神经网络理论的电力负荷预测模型。利用Matlab对实际数据进行了仿真计算。通过实例计算，并和不用相空间重构的神经网络的负荷预测算法的各种误差指标的分析比较说明，利用相空间重构对历史数据序列进行拆分或重构可以提高负荷预测的精度。     

混沌时间序列预测在短期电力负荷预测中的应用

混沌吸引子具有空间的遍历性、总体的稳定性、吸引性和内部分形性，使得混沌预测成为可能。采用非线性系统理论对电力系统的历史数据进行分析，并基于改进的混沌吸引子模型对山西电网实际负荷数据进行短期预测，预测结果相对误差小、精度高，为电力系统短期负荷预测提供了一种新的预测方法。     

混沌时间序列预测在短期电力负荷预测中的应用

混沌吸引子具有空间的遍历性、总体的稳定性、吸引性和内部分形性,使得混沌预测成为可能。采用非线性系统理论对电力系统的历史数据进行分析,并基于改进的混沌吸引子模型对山西电网实际负荷数据进行短期预测,预测结果相对误差小、精度高,为电力系统短期负荷预测提供了一种新的预测方法。     

基于混沌神经网络理论的小电网短期电力负荷预测

通过对小电网负荷数据的特点分析,将时间序列处理、混沌理论和神经网络理论相结合提出了一种基于混沌神经网络理论的电力负荷预测模型。利用Matlab对实际数据进行了仿真计算。通过实例计算,并和不用相空间重构的神经网络的负荷预测算法的各种误差指标的分析比较说明,利用相空间重构对历史数据序列进行拆分或重构可以提高负荷预测的精度。     

组合预测方法在电力系统负荷预测中的应用研究

组合预测方法是一种性能优越的预测方法。选择了电力负荷预测精度较高的两种单一预测模型——无偏灰色预测模型和时间序列预测模型,通过它们建立了三种不同的组合预测模型,对我国电力负荷进行了预测,验证了组合预测模型的优越性。最后,通过对三种组合预测模型的预测结果进行对比,选择一个最适合电力负荷历史数据的模型,通过该模型对我国社会用电量进行预测,获得了较好的预测效果。     

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了组合优化，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。     

混沌理论在电力系统负荷预测中的应用

混沌理论适合描述确定性非线性系统的内在随机性,具有对初始条件敏感,遍历性、规律性等特点,作为确定论和概率论的桥梁,其特性符合电力系统负荷预测的内在要求.因此,近年来,混沌理论在电力系统负荷预测中得到了越来越广泛的应用.在总结和归纳传统预测方法的基础上,对混沌理论应用于电力系统负荷预测中的研究现状进行了综述,其中包括混沌时间序列的主要思想、混沌时间序列分别与传统预测技术、神经网络以及模糊理论相结合在负荷预测中的应用,并指出了这一技术的研究动向及应用前景.     

混沌理论在电力系统负荷预测中的应用

混沌理论适合描述确定性非线性系统的内在随机性,具有对初始条件敏感,遍历性、规律性等特点,作为确定论和概率论的桥梁,其特性符合电力系统负荷预测的内在要求。因此,近年来,混沌理论在电力系统负荷预测中得到了越来越广泛的应用。在总结和归纳传统预测方法的基础上,对混沌理论应用于电力系统负荷预测中的研究现状进行了综述,其中包括混沌时间序列的主要思想、混沌时间序列分别与传统预测技术、神经网络以及模糊理论相结合在负荷预测中的应用,并指出了这一技术的研究动向及应用前景。     

基于小波分析的月度负荷组合预测

针对电力系统月负荷数据同时具有趋势增长性和季节波动性的非线性特征，提出了一种基于小波变换的月负荷预测方法。通过小波变换把月负荷序列分解为多个频率成分的叠加，针对不同频率成分的不同特点采用不同的预测方法，最后将各频率成分的预测结果重构进而得到预测数据。该方法避免了考虑气候、政策等因素，仅利用电力负荷历史数据进行预测。实例结果表明采用该方法进行月负荷预测可以达到较高的精度。     

基于EEMD-ARIMA模型的地区月负荷量预测

负荷预测是电网规划运行安排的基础,预测的准确性关系到电网安全、可靠和经济运行。为了解决原始数据不平稳造成预测精度低下的问题,本文提出了基于集合经验模态分解(EEMD)的自回归积分滑动平均(ARIMA)预测模型,对某地区的月负荷量做加噪处理后进行经验模态分解,使其分量平稳化,再对各分量进行ARIMA模型预测,最后将各预测结果相加得到最终预测值。算例表明,基于EEMD-ARIMA模型的地区月负荷量预测精度高于传统ARIMA模型。     

基于regARIMA模型的月度负荷预测效果研究

为探究离群值对月度负荷预测效果的影响,建立计及离群值影响的季节性ARIMA月度负荷预测模型（regARIMA）,选择1999-2017年北京、甘肃等5省（市）的实际月度负荷数据,对预测效果进行比较研究。结果表明,与普通ARIMA模型相比,考虑了离群值影响的regARIMA模型的3年样本内平均预测误差得到明显改善;应用regARIMA模型进行提前12期的样本外预测,预测精度获得不同程度的提升。     

基于改进秩次集对变权组合模型的月度负荷预测

为进一步提高月用电负荷预测精度,本文提出一种基于改进秩次集对和灰色模型的变权组合预测方法.采用改进秩次集对算法,在秩次集对模型中引入天气指标,并利用熵权法确定各指标权重,增强了秩次集对算法的适应性和有效性.接着采用变权法将改进秩次集对模型和灰色模型进行变权组合,不断滚动优化组合模型权重,改善了单一模型预测精度的稳定性....     

基于混沌理论及小波理论的短期负荷预测

分析了多种负荷预测的方法,着重分析了负荷的混沌特性与小波特性,同时分析了小波变换能够反应负荷的变化趋势与随机因素。利用Matlab工具,建立了基于小波理论与混沌理论相结合的负荷预测模型,并利用该模型对四川某地区短期电力负荷进行了有效的预测。     

组合预测方法在电力负荷预测中的应用

为了提高负荷预测的准确性,引入了优化组合预测模型,从而将几个电力负荷预测模型有机地结合起来,通过综合各个预测模型的优点,得出更为准确的结果。文中采用了进化规划作为优化方法,对盐城市的供电量和负荷预测的历史数据进行了优化分析计算,得到了满意的结果,并对盐城市２０００年负荷进行了预测。     

中长期负荷组合预测的改进

对中长期负荷组合预测进行了研究,提出了基于预测有效度最优的原则来求取组合预测加权系数的方案。通过引入可信赖域,改进预测精度矩阵,来推导单个预测和组合预测的阶预测有效度。由拟合样本因子区分样本区和预测区的加权系数,给出预测区加权系数的公式,得出基于一阶和二阶有效度最优原则的中长期负荷组合预测模型。算例结果表明,2种预测模型具有良好的预测精度。     

基于组合预测模型的长沙市长期负荷预测

在长沙经济发展预测的基础上，采用回归分析法、趋势外推法、灰色预测方法和弹性系数法等多种方法预测长沙城区2005-2020年的负荷需求，并结合这些方法，提出了基于误差权重因子的多种方法组合预测的思路，对长沙市的长期负荷需求进行了优化组合预测．对预测结果的分析表明，该预测方法是合理、有效的．