电力短期负荷预报模糊神经网络模型的研究

电力系统负荷预报模型因负荷构成及采用的关键技术不同而各异。本文介绍了几种短期负荷预报模糊网络模型的建模方法和特点,讨论模糊神经网络预报模型建模中的一些重要问题,供有关人员参考。     

基于人工神经网络的加权负荷预报

针对矿区电力负荷系统的特点，提出了基于人工神经网络的加权负荷预报．仿真结果表明，其预报精度符合要求．     

基于运行模式的电力系统负荷预报方法

针对负荷预报业度问题了一种基于运行模式的电力系统负荷预报方法,实践证明,该方法能够消除包含平均处理数据样本预报方法所产生的缓陡问题,具有精度高和便于合理利用原始特点。     

基于人工神经元网络的电力系统短期负荷预报的实用计算

本针对贵州电力系统日负荷的特点，提出了一种利用人工神经网络的ＢＰ模型进行电力系统提前２４小时的短期负荷预报的实用计算方法。     

基于人工神经网络的负荷预报模型

针对基于ＢＰ学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型,为了提高预测精度,对预报权值进行在线修正,实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度。     

确定户式空调负荷的方法探讨

近几年来，户式空调的应用十分广泛．然而，人们在选择空调设备时存在着较大的误区：户式空调负荷普遍参照宾馆建筑的空调负荷，可宾馆客房和住宅之间的空调负荷存在着比较大的差异．本文就从计算典型住户24小时的动态空调负荷入手，详细分析住宅建筑空调负荷的结构及其同时使用系数，总结出一种确定户式空调负荷的方法。     

基于BP网络的空气污染指数预报研究

为了研究对空气污染进行预报的更有效方法,从气象学角度对各种污染物和气象因素进行了分析,在确定了空气污染指数影响因子基础上,综合考虑BP网络的逼近能力和泛化能力,提出了空气污染指数BP网络预报模型,并进行了对比预报检验。结果表明,BP方法预报模型的预报准确度明显高于通常使用的逐步回归方法,特别是对骤升骤降趋势也能得到准确度较高的预报结果。     

基于人工神经元网络的工厂电力负荷短期预报

讨论用人工神经元网络技术对工厂企业的电力负荷（用电量）峰值作为短期预报,分析负荷运动畸变对预报精度的影响,仿真预报算例证实,人工神经元ＢＰ学习预报算法对工厂企业电力负荷的预报能得令人满意的效果。     

一种负荷预报动态建模及模糊补偿的新算法

本文提出了一种电力系统短期负荷预报的新算法，该算法首先利用模糊技术对历史负荷数据进行平滑处理，建立负荷变化的趋势项和波动项动态模型并作了预报，后利用模糊综合评判的理论对预报值进行调整。     

空调负荷的动态分析与设计负荷

本文根据自编的《VCD-I》空调动态负荷计算程序,对宾馆类建筑分析了动态贞荷与设计负荷的关系,提出了一种由动态负荷确定设计负荷的《负荷系数法》.对深入研究空调负荷计算方法和编制我国空调设计规范又增辟了一个新的途径.     

基于ARMA-BP神经网络模型的风电功率预测研究

结合ARMA时间序列预测模型和BP神经网络预测模型的优点,构建ARMA-BP神经网络混合模型,对风电功率预测问题进行研究。采用构造性神经网络模型得出的类别值对统计时间序列模型的预测值进行修正,提高了风电预测的精度和效率。     

基于BP神经网络的长江流域人口预测研究

人口系统是一个非常复杂的非线性系统．对人口数量的准确预测能为生态经济可持续发展计划的制定提供重要依据。建立了一维时间序列的长江流域人口数量的BP神经网络模型．根据1988～2001年长江流域人口统计数据．借助Matlab6.5软件进行预测．并与指数平滑预测、自回归模型、Logistic模型的预测结果进行比较．结果表明应用BP神经网络对人口数量的预测精度更高、效果更好。     

基于小波和神经网络的供热负荷预测

目的研究供热系统热负荷预测方法,使供热量及时跟随用户需热量进行控制.方法通过分析供热负荷特性及其变化规律,用小波包变换对热负荷序列进行分解,再结合Elman神经网络分别对各序列建立模型,进行单步预测,最后重构各序列,得出热负荷预测序列.结果仿真试验表明,与未采用小波分析的BP、Elman神经网络相比,该方法预测精度较高,跟踪能力强.结论基于小波和神经网络的供热负荷预测方法能较好地跟踪预测用热量,适合于短期供热负荷预测的应用.     

应用动态泛回归神经网络的在线负荷预测

电力系统负荷变化受多方面因素的影响,因此负荷曲线呈现出强烈的非线性.为实现非线性的电力负荷在线预测,应用递推更新的样本数据集训练泛回归神经网络,构成动态泛回归神经网络.该动态神经网络训练方便快捷,能够满足在线预测的实时性的要求.仿真表明预测值较观测值有一定滞后,但均能尾随观测值而变化,达到了预期的目的.     

ZigBee定位系统的精度分析

为了对ZigBee定位系统的精度进行预测,分析引起ZigBee无线网络定位误差的四项主要参数,针对不同参考节点横向间距和纵向间距,不同A、n值,进行了852组实验,综合分析这四项因素对定位精度的影响.提取出173组稳定性强的数据组成BP神经网络的训练样本,构建3层BP神经网络,实现ZigBee定位的精度预测.通过对实验和预测结果进行分析,确定四项因素的合理取值和BP神经网络预测结构.文中方法运用到ZigBee定位时,对设置参数具有参考意义,对定位精度进行预测,根据预测结果合理的调整参数取值,从而提高ZigBee无线定位网络的可用性.     

基于GA-RBF神经网络的电力系统短期负荷预测

针对短期负荷预测问题,提出了一种遗传算法-径向基函数(GA-RBF)神经网络负荷预测方法,解决传统径向基函数(RBF)神经网络预测中难以确定最佳隐藏层数问题,以提高预测的准确性。首先分析了GA算法模型和RBF神经网络模型;然后利用GA算法与RBF模型结合得到GA-RBF负荷预测模型;最后利用仿真工具对所建模型进行训练和预测。结果表明,与传统方法相比,其平均绝对百分误差值降低了4. 7%,证明了该方法的精确性和有效性。     

死因死亡率的非平稳时序模型预报及有关探讨

本文对某大城市某区脑血管系统疾病等四个主要死因死亡率建立了非平稳时序模型,据此描述各死因死亡率的季节性规律,并在此基础上进行了预报.文中还讨论了模型参数的物理意义及模型的适用范围等问题.     

基于BP神经网络数学模型的短期负荷预测研究

讨论如何利用人工神经网络进行电力系统短期负荷预测。研究结果表明:基于BP神经网络的短期电力负荷预测具有精度高的特点,符合预测结果的相对误差小于3.06%。     

基于BP网络的企业风险预警实证研究

风险管理是企业管理的重要内容。通过建立企业风险预警指标体系，利用神经网络方法对企业风险状况进行综合评估，并引用实例说明该方法的实现过程。预测结果表明，神经网络方法建模简单，精度高，对于企业风险等复杂的非线性问题有着很强的逼近与预测能力。     

基于改进BP人工神经网络的电力负荷预测

电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定,短期电力负荷预测的重要组成部分.利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测.该文研究了在改进的BP网络中加入了动量项和构建输入网络时结合了同类型日思想的模糊映射,预测结果表明比标准BP算法具有更好的性能.同时,针对大量无法用精...