基于混合pi-sigma网络的短期电力负荷预测

本文提出了一种短期电力负荷的混合pi-sigma模糊神经网络回归预测方法。该方法根据短期电力负荷的周期性,利用混合pisigma模糊神经推理功能,对欧洲电力负荷进行预测。该模型以高斯基函数作为模糊子集的隶属度函数,在线动态调整隶属度函数和结论参数。实例表明,本文提出的混合pi-sigma网络电力负荷预报方法优于常规时序预测方法,具有物理意义透明、预测操作方便,精确度高以及预测结果确定等特点,克服了神经网络电力负荷预报方法的不确定性。仿真实验结果验证了所提模型和方法的有效性。     

厦门市同安区电力网专项规划

在同安区电力网规划中,按照城市规划对该区的功能定位、开发强度,采用多种方法预测电力负荷,采用负荷密度法进行分区负荷预测,采用单位建筑面积电力负荷指标并选取恰当的需要系数进行片区控制性详细规划负荷预测,按人均综合用电量指标法预测同安区2020年负荷.根据负荷预测确定110kV、220kV变电站数量、容量及网络接线,预留站点、走廊,并按照开发时序提出电网分期建设方案.     

基于PSO-SVM模型的短期电力负荷预测研究

文章分析了影响电力负荷的因素,对现存的短期电力负荷预测方法进行了研究,采用粒子群算法对支持向量机进行参数寻优,建立了基于粒子群优化的预测模型,并对短期电力负荷进行预测仿真,为精准且快速地预测短期电力负荷提供了有效的方法。通过实例分析验证了该模型在电力负荷中的预测精度,结果显示其精度值较高。     

电力负荷预测神经网络模型的设计

为提高电力负荷预测精度,本文采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法 ,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点。     

福州地区大学城电力负荷预测的研究

电力负荷预测是电力系统规划和电网运行的一项非常重要的基础性工作。本文在对目前电力系统中众多负荷预测方法进行研究的基础上,结合福州大学城区近年的用电和经济发展情况,采用其中几种比较合适的方法对未来几年该地区的负荷情况进行了预测分析,通过理论分析和算例仿真结果表明,以上方法适合对本地区的电力负荷进行长期预测．能为电力系统规划和电网运行提供有价值的参考。     

基于电力需求响应的建筑基线负荷预测方法研究

基线负荷预测是建筑用户参与电力需求响应的定量基础,可为建筑负荷减少程度提供评估依据。通过对比国外电力独立系统运营商的基线负荷计算方法,提出了一种基于典型比例因子修正法来选取样本负荷数据的方法,并通过案例数据验证了此方法应用于建筑基线负荷预测的优越性及合理性。     

基于时间序列和灰色模型的短期电力负荷预测

针对短期电力负荷预测,从不同研究角度出发,分别构建了时间序列ARIMA模型和基于相似日的灰色预测GM(1,1)模型,使用SPSS、MATLAB等软件编程,得出不同模型下所研究地区未来七天内各个时点的电力负荷预测值,并对其精度进行了检验。结果表明两种模型下的预测结果精度较高且各具优点,在实际应用中,可根据短期电力负荷的具体特征和预测要求,灵活的选择模型加以应用。     

区域建筑负荷与能耗预测研究综述

合理的预测区域建筑负荷与能耗是低碳城市建设的重要基础。本文从两方面阐述区域建筑负荷与能耗预测的研究现状:1、影响区域建筑负荷与能耗的因素;2、区域建筑负荷与能耗预测方法。影响区域建筑负荷与能耗的因素包括单体建筑能耗影响因素以及区域特有的影响因素(城市形态与微气候)。预测基本方法有以下三种:自上而下法、自下而上法以及情景分析法。由于没有成熟的区域建筑负荷与能耗预测软件,目前主要有以下两种预测方法:1、采用基本方法建模:如基于实际调研获得的统计模型和利用GIS技术建模等。2、考虑到微气候与城市形态的影响通常是通过能耗模拟软件与其他工具耦合的方法进行模拟。     

城市电网中远期负荷预测和电网规划研究

地区电网规划是所在区域国民经济和社会发展的重要组成部分,同时也是电力企业自身长远发展规划的重要组成部分。电力需求预测是电力系统规划决策、经济运行的前提和基础,电力需求的准确预测对电力安全生产和运行以及国民经济发展都有重要意义。通过对负荷预测的几种常用算法和电网规划的优化方法的介绍,并结合某地区经济发展和电网建设的现状,提出该地区中长期的负荷预测方案。     

神经网络在城市燃气短期负荷预测中的应用

文章简述了神经网络的基本特点,详细介绍了BP网络、RBF网络以及小波神经网络在城市燃气负荷预测领域的研究和应用现状,对三种神经网络进行比较,并分析了神经网络预测法的优缺点。