基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测

Elman神经网络由于其具有无限逼近和适应时变特性的能力被广泛用于动态数据预测。短期的用电量存在多种不确定影响因素,为了将所有影响因素考虑其中,引入混沌时间序列的重构相空间技术。由于神经网络在非线性函数中对于峰值预测偏差较大,粗糙集理论可以对其做出修正。因此,引入混沌时间序列理论和粗糙集理论改进Elman神经网络并进行建模。模型应用嵌入维度和延迟时间重构相空间恢复原来系统的动力学形态,将处理好的数据代入Elman神经网络进行用电量预测。最后引入粗糙集修正误差较大的峰值点,提高预测精度。收集了Heriot-Watt大学某宿舍楼30天的用电量数据,以5 min为计数频率共8 640个计数点作为数据集进行预测仿真。预测结果与Elman神经网络和混沌时间序列Elman神经网络进行对比,验证了该模型在短时间预测的有效性。     

基于混沌理论和支持向量机的电价预测

根据电价时间序列的混沌特性,结合混沌理论和支持向量机方法提出了一种新的电价预测模型。该模型基于混沌理论对电价时间序列进行相空间重构,并根据相空间演变规律确定模型的输入输出结构,然后采用支持向量机拟合相点演化的非线性关系。为增强模型的泛化推理能力,训练样本按照预测相点最近邻点原理选择。对美国PJM电力市场边际电价历史数据的仿真研究表明,文中提出的预测模型能有效、稳定地提高电价预测精度。     

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。     

基于混沌优化BP神经网络的江河涌潮短期预报模型

为提高江潮潮时预报的准确性,针对经验模型和传统神经网络模型预测精度较差的局限性,本文采用基于相空间重构技术的BP神经网络模型预报江潮潮时。该模型首先对隔日的到潮时差序列进行混沌特性分析,然后利用重构相空间来确定BP神经网络的输入结构。该模型给出了到潮时差序列可能的误差预测,修正最终预报结果。通过对钱塘江四个观测站潮时预测,四个站点潮时统计的RMSE值平均减少了83.9%,表明该模型可靠且具有较高的预报精度。     

相空间重构和支持向量机结合的电力负荷预测模型研究

风电机组集中并网会对电网安全稳定运行带来影响,为了合理规划各类供电机组高效运行,对电力负荷预测的精度提出了更高的要求。电网负荷时间序列具有混沌特性,普通预测方法难以描述其特性和内在规律。利用混沌相空间重构理论对负荷时间序列进行研究,用互信息法和CAO方法分别求得时间延迟和嵌入维数,并由此得到系统最大李雅普诺夫指数,证明其具有混沌特性。然后根据时间延迟和嵌入维数对样本数据相空间重构,在此基础上利用支持向量回归算法(PSR-SVR)对电力负荷进行预测,支持向量回归采用网格寻优确定参数。最后将预测的结果同时间序列模型和BP神经网络模型的预测结果进行对比,结果表明,这是一种误差小,精度高的电网负荷预测方法器。     

基于混沌-RBF神经网络的光伏发电功率超短期预测模型

光伏出力时间序列的随机性和波动性使得光伏出力预测难以达到理想的精度,而提高预测精度是降低光伏并网不利影响的前提。因此,在揭示光伏出力波动本质的基础上,提出了混沌-径向基函数(radial basis function,RBF)预测模型。首先,应用小波去噪处理后光伏发电功率实测数据,基于C-C法重构系统相空间,运用相图法和改进最大李雅普诺夫(Lyapunov)指数法,对输出功率进行非线性动力学分析,确定光伏出力具有混沌特性;然后,分析光伏出力相空间轨迹局部变化的规律性,采用RBF神经网络对系统轨迹进行拟合,建立基于混沌-RBF神经网络的光伏发电功率超短期预测模型;最后,选取去噪后的实测数据对所建模型进行训练和预测,验证模型在不同天气状况下的预测效果。结果表明,所建模型对晴朗、多云和阴天等天气状况都有较好的预测精度,显示出良好的预测性能。     

基于改进型遗传算法的混沌神经网络在电力负荷预测的应用

通过对陕西省省网历史负荷数据进行混沌特性分析,重构系统相空间,并计算最大Lyapunov指数,指出该时间序列具有混沌特性,从而采用混沌神经网络对该时间序列进行短期负荷预测。神经网络模型采用改进型遗传算法对权值和阈值进行学习和训练,优化神经网络权重,充分发挥遗传算法的全局寻优能力和神经网络的局部搜索性能。然后采用该网络进行预测,预测结果表明:该模型预测算法优于纯BP网络方法的预测结果,较大地提高了预测精度。     

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。     

基于混沌时间序列和神经网络的电力短期负荷预测

提出一种将混沌时间序列和神经网络相结合的短期负荷预测方法,利用混沌理论重构相空间的吸引子,然后用BP神经网络来拟合空间吸引子的演化,同时利用空间欧氏距离来选取神经网络的输入样本,实例预测结果表明所提出方法的有效性和可行性.     

归一化RBF网络的时空混沌时间序列建模与应用

本文提出将归一化RBF神经网络应用于时空混沌时间序列的建模与预测,并遗传算法训练该网络。通过利用该模型分别对参数可变的Lorenz混沌时间序列、耦合映象格子产生的时空混沌序列和真实的脑电信号进行建模和预测,得到较小的预测误差,证明了该模型对时空混沌时间序列有比较强的拟合能力和比较高的预测精度,有一定的工程应用价值。     

北江干流中下游水沙特性变化及建库影响

定量研究水库的拦沙效应是揭示水库对河道泥沙输移影响的关键之一。在对北江干流中下游近60年水沙特性变化分析的基础上，运用干、支流主要控制水文站实测资料，估算梯级水库拦沙量；基于Brune拦沙率方法，提出北江干流梯级水库综合拦沙率修正式，研究水库拦沙对下游河道输沙量减少的影响。结果表明：（1）与1956—1999年相比，2000—2005年石角站年径流量仅减少6.16%，年输沙量则减少39.17%。其中，干支流水库拦沙合计约142.59万t/a，约占石角站减沙量的52.34%；水土流失工程措施减沙量约占18.83%；径流量减少引起的减沙量约占5.07%。（2）采用修正式计算，现状条件下（2012—2016年），干流梯级水库综合拦沙率约为12.81%，与实测值较为吻合。（3）2006年以来，库区泥沙淤积量与采砂量基本平衡，北江干流梯级枢纽水库拦沙率将在较长时间内维持现状水平。     

滞后响应模型在黄河内蒙古河段的应用

通过黄河内蒙古河段巴颜高勒站和三湖河口站实测水沙资料分析表明,巴颜高勒站平滩流量的调整与包括当年在内的前期10年的水沙条件相关,三湖河口站则与包括当年在内的前期14年的水沙条件相关.将滞后响应模型应用于黄河内蒙古河段平滩流量的计算,得到了适用于巴颜高勒站和三湖河口站平滩流量的计算方法.计算结果表明,滞后响应模型能够很好的描述该河段的平滩流量调整规律,计算精度较高.分析认为滑动平均计算方法可以看作是滞后响应模型的一种简化形式,针对巴颜高勒站和三湖河口站平滩流量的滑动平均计算方法也可得到较高的精度.     

多源数据驱动的黄河未来水沙变化趋势研究

由于近年来气候变化和人类活动的双重影响,导致黄河水沙锐减,对未来变化趋势作出可靠判断十分必要。利用基于多种机器学习特征筛选的统计模型方法,采用潼关站实测径流量与输沙量、欧洲中期天气预报中心中尺度数据及不同气候变化路径的CO2排放浓度下全球气候模式数据对未来水沙作了预测。结果表明,在rcp26情景下,潼关站未来10年、20年、50年的断面径流量为234.21亿m3、227.52亿m3、219.6亿m3,与2000—2016年平均径流量228.86亿m3相比,径流量增加了约2.3%、-0.5%、4.0%;同期的断面输沙量预测结果为2.68亿t、3.44亿t、5.72亿t,与2000—2016年平均输沙量2.48亿t相比增加了约7.9%、38.4%、130.2%,表明黄河流域“水少沙多”的形势依然是未来较长一个时期的主要特征。     

电力月负荷的混沌趋势组合模型预测

针对电力月负荷同时具有趋势增长性和季节波动性,使负荷表现出复杂的非线性特征,从而提出了电力月负荷的混沌趋势组合模型。以四川省全省月负荷序列为例,把原始电力月负荷序列分解为趋势序列和剩余序列。通过计算剩余序列的混沌特征量,识别出剩余序列的混沌特性。在此基础上,利用混沌趋势组合模型对月负荷时间序列进行预测,实例结果表明,该方法对电力月负荷的预测是可行的。     

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。     

喜河水电站进水口上游围堰高程对排沙及冲渣影响的试验研究

通过水工模型试验研究喜河电站厂房坝段不同围堰拆除高程对坝区水流流态、排沙及冲渣的影响,及在现有水工结构下,通过运行闸门泄洪方式能否做到机组进水口"门前清",论证现状残留围堰的合理性,为喜河水电站提出合理的围堰拆除高程,也为其他类似电站围堰高程提供可借鉴的资料。     

基于小波分解的电力系统短期负荷预测方法研究

为提高预测精度,提出一种基于负荷分解的电力系统短期负荷预测方法。即将负荷分成周期性不同的几部分,对分解后的各负荷序列通过相匹配的神经网络方法进行预测,并考虑温度因素的影响,采用线性回归模型对神经网络预测结果修正得到最终预测结果,预测结果与实际数据对比得出,预测方法更具准确性。     

黄河下游游荡段非均匀悬沙输移特点

黄河下游水流含沙量大,河床调整迅速,河道输沙能力变幅大,输沙过程与规律复杂。因此研究黄河下游泥沙输移规律,是研究河床变形过程、预测河道发展趋势的基础,对水沙治理与河道整治规划具有重要的现实意义。本文以黄河下游游荡段为对象,基于1986—2015年游荡段实测水沙资料与地形资料,分析了花园口-夹河滩河段与夹河滩-高村河段的非均匀沙输移特点。研究结果表明：①输沙率经验公式的相关性与泥沙粒径有关,泥沙粒径越小,输沙率经验公式的相关性越好,细沙的相关系数可达0.99。②排沙比与来沙系数、河相系数均呈负相关,且河相系数较大时,排沙比变幅较小。夹河滩-高村河段的中沙排沙比与来沙系数、河相系数的相关关系较其他粒径组泥沙更为密切,花园口-夹河滩河段则分别为细沙和粗沙排沙比。③在同时考虑了水沙条件与断面形态对河段排沙比的影响之后,输沙率经验公式的精度明显提高,相关系数在0.48 ~ 0.65之间。