基于诱导有序加权平均算子和马尔可夫链的中长期电力负荷组合预测模型

针对传统中长期电力负荷组合预测方法的缺陷,将诱导有序加权平均算子(induced ordered weighted averaging,IOWA)与马尔可夫链(Markov chain,MC)相结合构建IOWA-MC组合预测模型。该模型根据每个单项预测方法在各时点拟合精度的高低顺序对其赋权,保证了组合预测模型中权系数与拟合精度在任一时点上的相关性,同时利用MC定性推测出预测时间点上各单项预测方法的预测精度状态,从而确定其在预测时点上的权系数。算例结果表明,IOWA-MC能自动识别高精度预测模型,排除低精度预测方法带来的影响,预测精度较高,具有较强的实用价值。     

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。     

基于Theil不等系数的IOWA算子和马尔科夫链的电量组合模型研究

通过引进Theil不等系数、IOWA算子和马尔科夫链的概念,建立了一种基于Theil不等系数的IOWA算子和马尔科夫链的电量组合模型。从相关性的角度对该模型进行了研究,同时采用IOWA 算子,使组合模型的各个时间点上的权系数只与预测精度有关,与预测方法无关,较好地反映了负荷发展实际情况。利用马尔科夫链定性推出组合模型中各单项模型在待预测时点上的预测精度状态,进而得到待预测时点上的组合模型的权系数。以陕西省某市1994～2009年年用电量为样本,通过指数平滑法、回归法和灰色模型法分别建立模型,然后利用基于Theil不等系数的IOWA算子和马尔科夫链的组合模型进行权系数的求解,实证分析表明该模型使预测精度得到了明显提高,具有良好的预测效果。     

基于改进的预测有效度的中长期负荷组合预测

变权组合预测是负荷预测研究领域的热点,预测的关键是确定加权系数的原则。引入可信赖域α,改进了预测精度矩阵,推导了单个预测和组合预测的k阶改进预测有效度。通过拟合样本因子β,区分了样本区和预测区的加权系数。给出了基于一阶和二阶改进预测有效度最优级原则的中长期负荷组合预测模型。实际算例说明了预测模型的有效性。     

基于改进的预测有效度的中长期负荷组合预测

变权组合预测是负荷预测研究领域的热点,预测的关键是确定加权系数的原则.引入可信赖域α,改进了预测精度矩阵,推导了单个预测和组合预测的k阶改进预测有效度.通过拟合样本因子β,区分了样本区和预测区的加权系数.给出了基于一阶和二阶改进预测有效度最优级原则的中长期负荷组合预测模型.实际算例说明了预测模型的有效性.     

基于神经网络的负荷组合预测模型研究

给出了电力系统负荷的变权系数组合预测模型,即基于神经网络的组合预测模型。该模型利用多种方法的预测结果与实际负荷数据的非线性关系,建立相应的神经网络模型。该网络为单输出的三层网络,其中输入层为各种预测方法的预测值,输出层为实际负荷值。文中用变动量因子和变学习率的BP算法对其训练,训练后的网络便具有预测能力。同时,文中对基于遗传算法的固定权系数组合预测模型进行了简要的介绍。对几个实际系统的年、月、时负荷预测表明,该模型具有很高的预测精度。     

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。     

基于相似性权系数改进Bagging-DNN 的负荷时序预测方法

为提升电力负荷时序预测精度,提出了一种基于相似性权系数改进Bagging-DNN 的负荷时序预测框架.首 先,利用历史负荷时序及其温度、湿度等影响因素构建模型训练样本库;然后,在此基础上,通过Bootstrap方式得 到若干训练样本子集,训练各DNN预测模型;最后,通过皮尔逊相关性分析计算各DNN 模型预测结果之间的相似 性系数,以自适应方式对DNN模型预测结果进行加权作为最终预测输出.仿真结果表明,基于相似性权系数的Bag- ging-DNN相较于传统平均加权方法有助于提升模型的预测精度.     

基于IOWA-AHP的中长期负荷组合预测法

针对中长期电力负荷预测的特点,提出一种基于诱导有序加权平均(IOWA)算子和层次分析法(AHP)的中长期负荷组合预测法.首先通过各单项预测模型在历史年内各个时点的诱导值大小按顺序赋权,以误差平方和为优化目标求出IOWA加权系数;然后利用层次分析法综合考虑拟合精度、发展一致性和模型可信度,求出各单项预测模型在预测年内各个时点的诱导值,进而预测出负荷值.该方法的特点是:组合预测加权系数与单项预测模型无关,而与其在各个时点的诱导值密切相关;引入专家经验,减小了不确定因素的干扰.实际算例验证了该方法的可行性和有效性.     

一种改进的基于IOWA算子的组合预测方法及应用

按误差平方和准则建立的基于IOWA算子的组合预测模型并不能正确反映出各个时期观测点所引起误差对预测值的影响程度,在实际预测时预测期数据是未知的,无法直接利用该方法进行预测。针对以上缺陷,提出以单项预测模型中精度较高者的预测值为标准,计算其余模型的预测值与其偏差,再按各个时期各单项偏差绝对值和的平均值大小赋予权系数,建立按照加权误差平方和准则新的预测模型,并利用遗传算法求解最优权系数。通过实例验证,改进后的组合预测方法优于原来的基于IOWA算子的组合预测方法,有效地提高了预测精度。     

区间组合模型在中长期负荷预测中的应用

由于年负荷的发展包含稳定增长趋势成分和随机成分,因此针对单一中长期负荷预测模型通常难以达到理想的预测精度,而组合模型可以对不同的预测模型进行优化组合和信息的综合利用,提出建立基于支持向量机的变权组合预测模型,实现了组合模型的结构风险最小化代替传统的经验风险最小化。同时针对以往预测模型仅仅实现点预测的不足,建立基于区间参数估计理论的中长期负荷区间组合预测模型,可以解决以往负荷模型预测的无精度范围的问题,对传统的中长期负荷预测模型进行了拓展。最后将该模型应用于实际负荷预测中,验证了该方法的有效性和可靠性。     

一种改进的基于IOWA算子的组合预测方法及应用

按误差平方和准则建立的基于IOWA算子的组合预测模型并不能正确反映出各个时期观测点所引起误差对预测值的影响程度,在实际预测时预测期数据是未知的,无法直接利用该方法进行预测.针对以上缺陷,提出以单项预测模型中精度较高者的预测值为标准,计算其余模型的预测值与其偏差,再按各个时期各单项偏差绝对值和的平均值大小赋予权系数,建立按照加权误差平方和准则新的预测模型,并利用遗传算法求解最优权系数.通过实例验证,改进后的组合预测方法优于原来的基于IOWA算子的组合预测方法,有效地提高了预测精度.     

基于黄金分割法优选的中长期负荷变权组合预测

为了提高中长期负荷预测的精度,避免单一的灰色模型预测和指数平滑法预测精度偏低的缺点,提出了基于黄金分割法优选的自适应变权组合预测方法。该方法首先对灰色预测方法和自适应三次指数平滑法进行了改进,以拟合值与实际值之间的相对误差绝对值之和最小为目标,利用黄金分割法优选出自适应三次指数平滑法的平滑系数,确定最优的三次指数平滑模型,然后以同样的方法确定灰色模型和自适应三次指数平滑法的权重。接着,对原始负荷数据进行新陈代谢,重复利用黄金分割法优选出新的平滑系数和各单一方法的权重,即可得到新的变权组合预测模型。仿真结果表明,所提出的自适应变权组合预测方法切实可行,与单一的灰色模型、三次指数平滑法及等权组合预测方法相比,有效地提高了中长期负荷预测的精度。     

基于灰色马尔科夫预测模型的中长期电力负荷预测

中长期负荷预测在电网发展规划编制中占有重要地位,而其关键是数学模型的建立。本文建立了基于马尔科夫修正的灰色负荷预测模型,利用灰色预测模型对未来负荷进行预测,对预测结果采用马尔可夫链预测方法进行改进,提高其预测的准确性。采用灰色马尔科夫模型对某市用电需求负荷建立预测模型,预测了2006至2008年的用电负荷,与实际用电负荷进行对比,结果验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

运用PSO和GRNN的短期负荷二维组合预测

为提高短期负荷预测精度,改善预测模型的工程实用性,提出了一种结合纵向和横向相似日样本的短期负荷二维组合预测方法。常用BP神经网络需优化的参数多,故采用结构简单的广义回归神经网络作为单向模型的基本预测算法。在此基础上,再通过设置组合加权系数,运用粒子群优化算法寻优系数值,得到最终的二维预测结果。对比其他短期尤其是超短期负荷预测方法,该模型不仅考虑了气象因素对负荷的影响,还充分体现了"近大远小"原则,并智能优化系数组合预测结果。电网实际负荷数据验证表明,该预测模型操作性高,速度快,且有较高的预测精度。     

变权组合预测模型在大坝安全监测中的应用

简要介绍了组合预测模型的基本原理，该模型改进了单一模型考虑因素的片面性，但常规的组合预测模型的权系数是固定的。考虑到各种模型的预测精度的变化，以及大坝安全监测数据存在的突变、时效等因素，固定权系数的组合预测模型有待进一步改进。文中提出了变权系数组合预测模型，并将其用于实际的大坝安全监测工程。结果表明，变权组合预测模型的预报精度高于其他模型，是一种值得推广的方法。     

基于灰色-加权马尔可夫链的光伏发电量预测

光伏发电量预测是光伏并网的一项基础性工作。运用灰色模型对光伏发电量进行总体趋势的预测后,加入了加权马尔可夫链预测理论,建立了灰色-加权马尔可夫链预测模型。该模型不仅考虑了GM(1,1)模型对指数增长序列的适应性,而且考虑了发电量数据随机波动的特点,用状态转移概率矩阵来描述这种波动性。将该模型运用于合肥某光伏电站的光伏发电量预测,结果表明加权马尔可夫链与灰色模型的结合,提高了对波动性较大的发电量数据预测的精度,验证了该模型的可行性和有效性。     

层次结构下的中长期电力负荷变权组合预测方法

提出了一种基于层次结构的中长期电力负荷变权组合预测方法,借鉴层次分析法的思想,构造一个层次结构来确定组合权重:采用熵值法确定模型评价指标的相对权重;采用方差–协方差优选组合预测方法和灰色关联分析分别确定各单一预测模型在各评价指标下的相对权重,最终确定组合预测模型中的组合权重。在组合预测的整个过程中,根据负荷发展的"近大远小"原则,引入等维信息的概念,实现了变权组合预测,使预测结果能够更合理地反映电力负荷的发展规律。最后通过一个实例验证了该方法的有效性。     

基于递归等权组合模型的中长期电力负荷预测

针对电力负荷预测中单一模型不能充分利用数据信息和对其内在规律考虑不完全的问题,文中采用基于递归等权的组合预测模型,通过灰色关联度法对多个单一模型进行筛选,并确定参与组合的模型。再由递归等权法实现了对参与组合的各单一模型的变权重处理,有效地考虑各单一模型的预测好坏的变化。最后,通过对某地区最大负荷进行预测,对比单一模型与递归等权组合预测模型的预测误差。结果表明,递归等权组合预测模型比各单一预测模型的误差都小,从而验证了该模型能有效提高电力系统负荷预测能力,其精度高、结果可靠。     

基于层次分析法的电力负荷组合预测

为提高电力系统负荷预测的预测精度,提出了一种基于层次分析法的中长期负荷预测组合预测的方法,依据层析分析法中要素权重求取原则,建立了阶梯层次结构,构建两两比较矩阵,分层次对权向量取值,实现了中长期负荷组合预测下各单一负荷预测的总权重的求取,提高了权重求解的准确性;利用组合预测的原理,按照层次分析法中求解出的权重系数,将多个预测模型的预测结果进行拟合,得到组合预测的结果,从而有效减小单一负荷预测中不确定性因素带来的误差,规避各单一预测方法的不足,减少单一负荷预测对电力系统负荷预测的预测风险,提高预测精度。最后利用某县2005-2010年的除大用户用电负荷作为算例进行实例分析并证实了所提方法的科学性、实用性。