基于BP神经网络电力负荷短期预测研究

电力负荷预测是电力系统一项重要的工作。本文应用了BP神经网络对南方某地区短期电力负荷进行了预测。首先介绍了BP神经网络结构,其次是利用BP神经网络结合南方某地区电力负荷数据进行实证研究,并且在设计BP神经网络结构时考虑了气象因素对负荷的影响。     

基于小波神经网络的电力系统短期负荷预测模型研究

实现了BP神经网络电力负荷预测模型和小波神经网络电力负荷预测模型.通过对两种神经网络的算法进行理论分析以及两种模型的预测结果比较发现,小波神经网络在神经网络节点数目相同的情况下,小波神经网络比BP神经网络具有更高的预测精度.小波神经网络是一种建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性.文中所指的小波神经网络的优点,例如所需网络节点少和预测精度高,已经在电力负荷预测中得到验证.表明小波神经网络模型预测精度高,自适应性好,收敛速度也明显快.     

神经网络在电力负荷预测中的应用研究

研究电力负荷预测问题,针对精确测量电力负荷,由于影响电力负荷因素之间存在着菲线性,因素之间存在冗余信息,传统的数学模型在电力负荷预测中精度较低,为了有效提高电力负荷的预测精度,提出了一种主成分分析(PCA)和BP神经网络相结合的电力负荷预测方法.利用PCA对电力负荷的影响因素进行特征提取,以BP神经网络对经过PCA处理得到的新的变量进行训练建模,采用PCA - BP神经网络模型对河南某地区的电力负荷进行了仿真.结果表明,相对于参比模型,可有效地消除因素间的冗余信息,降低了BP神经网络的输入维数,简化了网络的结构,加快了学习速度,显著提高了电力负荷预测精度,证明提出的预测模型在电力负荷预测中是有效.     

MATLAB神经网络BP网络研究与应用

阐述了MATLAB神经网络，着重研究了其BP网络的网络结构，指出了BP算法的主要缺点，利用其工具箱中的函数对BP算法进行了改进。根据MATLAB神经网络BP网络的网络结构，提出了一种具有天气敏感性的基于快速BP算法的神经网络预测模型，并对电力短期负荷进行了预测。预测结果，证明了该算法的有效性。     

基于BP神经网络的电力负荷预测算法

将BP神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明,BP神经网络能够对电力负荷进行较好地预测。     

基于遗传算法优化和BP神经网络的短期天然气负荷预测

天然气负荷预测的研究,对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义.短期天然气负荷预测问题具有周期性和随机性的变化规律.传统方法无法进行准确的预测,预测精度较低.为了提高天然气负荷的预测精度,提出一种基于遗传算法优化和BP神经网络的天然气负荷预测方法.采用遗传算法对BP神经网络连接权值和阈值等模型参数进行优化,从而建立最优的天然气负荷预测模型,并采用某企业的天然气负荷数据对所建立预测模型的可行性和有效性进行验证.仿真结果表明,相对于传统BP预测算法,基于遗传算法优化参数的BP神经网络提高了天然气负荷预测精度,具有一定的实际工程应用价值.     

蚁群神经网络在短期负荷预测的应用

为了进一步提高BP神经网络的性能,实现准确、快速预测电力系统负荷的目的,将蚁群算法(ACA)作为BP神经网络的学习算法,建立了一种新的蚁群神经网络(AcAN)预测模型.对某电力系统短期负荷预测的计算实例表明,基于蚁群神经网络的负荷预测方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的效果.     

基于LSTM神经网络的区域微网短期负荷预测

针对大电网负荷预测的研究较多而微电网相对较少,因此建立合适的微电网负荷预测模型提高预测的准确度非常重要。本文针对输入变量较少的情况,分析并选用温度、日类型以及多个历史负荷量作为模型的输入变量,选用基于循环神经网络基础下的长短期记忆神经网络进行建模,构建基于LSTM神经网络的微网负荷预测模型。最后,为增强结果的可靠性,采用2组不同时间段的负荷数据分别进行预测,将LSTM神经网络的预测结果与BP神经网络、径向基函数神经网络、Elman神经网络的预测结果进行对比。实验结果表明,LSTM神经网络的预测结果要优于BP神经网络、径向基函数神经网络及Elman神经网络,采用LSTM神经网络负荷预测模型在微电网背景下具有比较好的推广前景。     

改进粒子群—BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。     

基于Elman神经网络的短期天然气负荷预测建模与仿真

天然气负荷预测天然气负荷准确预测是天然气管网的优化的基础。短期天然气负荷变化呈现伪周期性和随机性。为了提高天然气负荷的预测精度,提出一种基于Elman神经网络天然气负荷预测模型,并采集某企业的天然气负荷数据进行仿真,并BP神经网络预测模型进行了对比分析,仿真结果验证所建立预测模型是可行且有效的,具有一定的应用价值。     

冰蓄冷中央空调智能监控系统研究开发

文中针对冰蓄冷中央空调系统的控制要求,开发了一套基于IPC-PLC的智能化监控系统,详细阐述了系统的软硬件构成及控制策略的实现,并给出采用BP神经网络模型预测负荷的方法。实践证明,系统很好的满足了控制要求,完善了管理和控制功能,提高了制冷效率。     

基于用户数据的空调负荷与气温关系研究

为有效管理高峰时段的空调负荷,配合政府部门做好电力需求侧管理工作提供理论依据.本文对2018年-2019年武汉市电网空调负荷与气温关系进行了全面的分析,利用回归分析方法进行了近两年空调负荷与日最值温度的相关性分析,给出了温度每改变1℃时空调负荷的变化幅度,着重分析了第二、三产业和居民中空调负荷与气温的关系.其中,首先提...     

考虑频域分解后数据特征的空调负荷预测模型

针对空调负荷预测实际应用中容易存在数据散杂且可用信息匮乏的问题,从负荷序列的非线性、非平稳性和随机性出发,提出了一种基于变分模态分解(VMD)的负荷预测方法.对不同数据特征序列考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势.首先采用随机森林(RF)进行特征选择,利用VMD将负荷序列按趋势分量、平稳分量和噪声分量进行分类重构,并分别对非线性序列建立最小二乘支持向量机(LSSVM)预测模型,时序平稳序列建立极端梯度提升(XGBoost)预测模型,采用正态分布拟合随机误差,得到各子序列预测结果并进行叠加输出最终负荷预测结果.实验结果表明,所提方法能准确反映负荷的特性并具有更好的预测精度,能有效预测空调负荷,为空调节能优化控制策略提供依据.     

基于模糊理论的中央空调水自动控制系统设计

由于中央空调水系统非线性、大滞后的特点,目前楼宇自控和通用变频器控制方法的节能效果不显著,提出了模糊控制方法,通过负荷预测模糊控制的冷冻水控制和自适应模糊算法的冷却水控制,实现了冷水机组制冷量的供给与末端负荷需求大小相匹配、冷却水系统处于最大效率运行,取得了最大的节能效益。最后完成了冷冻站中央空调水系统的控制设计,并以实际工程测试结果分析了中央空调模糊控制取得节能效果。     

Cooling load prediction in a district heating and cooling system through simplified robust filter and multilayered neural network

Cooling load is a heat value of cold water used for air conditioning in a district heating and cooling system. Cooling load prediction in a district heating and cooling system is one of the key techniques for smooth and economical operation. In this article, cooling load prediction in such a district heating and cooling system is considered. Unfortunately, since actual cooling load data usually involve measurement noises, outliers, and missing data for several reasons, a prediction method considering the effect of the outliers and missing data is desirable. In this article, a new prediction method using a simplified robust filter to improve a numerical stability problem of a robust filter and a three-layered neural network, is proposed. Applications of the proposed method and some other methods to actual cooling load data in a district heating and cooling system involving outliers and missing data show the usefulness of the proposed method.     

冰蓄冷空调负荷预测的预估校正模型

为减小冰蓄冷空调系统的运行费用,降低空调系统的能耗,更精准地预测空调冷负荷,提出一种利用小波神经网络实现冰蓄冷空调负荷预测的方法,通过直接启发式动态规划实时优化模型参数,建立冰蓄冷空调系统的预估校正模型,解决传统神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,保证整个系统的运行稳定性。实验结果表明,该方法在冰蓄冷空调负荷预测中具有较高的准确性和鲁棒性,具有良好的应用价值。     

神经网络在空调控制系统中的应用与发展

简要介绍了神经网络的结构及特点,并且分别从负荷预测、系统分析,控制系统和解耦控制等几个方面详细论述了神经网络在空调控制领域中的发展概况,最后总结了神经网络在发展中所暴露出的问题,并提出了今后的研究方向。     

基于动态负荷需求分析的冷冻站测控系统设计

依据某病房办公楼空调系统的历史运行数据,进行了动态负荷需求分析,研究了空调运行冷负荷次数、时间频数和空调系统循环水温差随空调负荷变化趋势,提出了将模块化冷水机组4∶2∶4分组控制和空调水系统恒温差变频控制相结合的按需供冷方案。搭建了以PLC为核心的节能控制系统,经过运行实验,节能率26.1%,达到了很好的节能效果和经济性。     

神经网络在校正传感器非线性度方面的研究

BP神经网络及其改进算法虽然在测量准确度方面有所改善,但结构的不确定性、训练时间长的缺点限制了其在现场测量系统的应用。在引入LM算法的同时,通过分段的方法对其缺陷进行了改进。仿真结果证明了该方法具有收敛速度快、实时性强的特点。     

PLC、变频器在中央空调冷却水泵节能循环控制中的应用

中央空调系统是大型建筑物不可缺少的配套设施之一,其电能的消耗非常大。由变频器、PLC构成的控制系统应用在中央空调的冷却水泵的节能改造中,使冷却水泵能随空调负荷的变化而自动变速运行,达到显著节能效果。