农业用电负荷预测——基于小波神经网络

文章提出了一种日负荷预测的新模型。这是一种基于非线性小波的神经函数。这个小波网络由小波基函数构成,并且已经得到了全局最优解。我们克服了一个人工神经网络的固有缺陷即其学习速度慢,其网络结构是难以合理确定并且它会产生局部最小点。我们可以从实例中看到,这个方法可以提高负荷预测的精确性和其学习速度,并且可以将其应用于农业日电力负荷预测。     

基于CNN-LSTM的短期电力负荷预测研究

针对短期电力负荷预测中电力负荷影响因素提取不准确以及长期依赖信息丢失的问题,提出一种结合一维卷积神经网络CNN与长短期记忆网络LSTM的短期电力负荷预测模型,将卷积神经网络的速度和轻量与长短期记忆网络的顺序敏感性的优势结合起来,考虑历史电力负荷、时间日期、温度对电力负荷的影响,实例结果表明,与其他模型相比,预测误差更小,较好地提高了预测性能。     

基于遗传算法优化前馈神经网络模型的配电网短期负荷预测

对于配电网的安全运行来说,短期的负荷预测有着重要意义。文章以某地区配电网为研究对象,利用遗传算法优化前馈神经网络,对该地区的短期负荷预测方法进行研究。电力系统短期负荷预测受到气象因素、负荷类型、时间因素等多种非线性因素的影响,因此针对上述问题,首先确定输入,输出样本,建立前馈神经网络模型,然后利用遗传算法对前馈神经网络的缺陷进行优化,最后以MATLAB平台仿真计算。通过对比可知,经过遗传算法优化后的前馈神经网络预测模型预测精度进一步提高。     

区域电力负荷短期预测技术及其应用

电力系统负荷预测主要被应用在电力系统规划与制定发电计划当中，其不仅能够有效地提高系统运行的经济性，同时，还能有效地提升它的可靠性。一定程度山讲，准确可靠的负荷预测既能保证电力系统运行的安全性，又能提高电力运行的经济性，由此可见，电力系统负荷预测具有十分重要的作用。本文综合了连云港市区域电力负荷短期预测进行探讨，提出了进一步优化预测模型的思路。     

基于维纳滤波的节假日短期负荷预测

针对节假日期间,城市用电需求量波动较大,为保障城市供电系统的安全、可靠和经济运行,提出了基于维纳滤波的短期电力负荷预测方法。首先,详细介绍了维纳滤波的预测原理,建立了短期负荷预测模型。其次,通过仿真结果与现场实测对比,验证了该模型的可行性。最后,针对在负荷波动大时,该模型预测精度较低的缺点,对误差原因进行了详细分析,并通过引入修正因子对该预测模型进行修正,仿真结果表明,修正后的预测模型能对短期负荷进行精确预测。     

短期负荷预测过程实时气象的影响分析及处理方法

短期负荷预测是电力系统运行中极为重要的一部分,对电力系统的稳定运行起着非常重要的作用,对电力公司的发供电平衡、电网运行方式调整、设备检修安排等也有着重大的影响。然而,影响电力负荷的因素有很多,值得关注的当属实时气象因素[1]。对实时气象因素对短期负荷预测过程中产生的影响这一话题,研究人员一直都在努力研究。本文将简要分析实时气象在短期负荷预测过程中的影响,进而提出一些解决办法。     

基于小波神经网络的径流预测方法分析

针对黄河某水文站实测年净流量的时间序列水文样本,采用归一化的方法处理,使其作为小波神经网络的训练样本,以改善网络的泛化能力,加速网络收敛速度,进而构建小波神经网络水文预测模型。并与回归分析等预测方法比较,结果表明,小波网络水文预测方法能够获得准确的预测结果,为水文系统的预测预报提供新的有效途径。     

基于小波神经网络的径流预测方法分析

针对黄河某水文站实测年净流量的时间序列水文样本，采用归一化的方法处理，使其作为小波神经网络的训练样本，以改善网络的泛化能力，加速网络收敛速度，进而构建小波神经网络水文预测模型。并与回归分析等预测方法比较，结果表明，小波网络水文预测方法能够获得准确的预测结果，为水文系统的预测预报提供新的有效途径。     

论对于短期负荷预测的方法及其应用

短期负荷预测是电力市场运营中不可少的计算。短期负荷预测结果准确与否,对系统运行的经济性、安全性有很大影响。兵团四师垦区电网(以下简称垦区电网)成立十余年来,负荷增长很快,很多区域网的用电负荷增长了几翻,特别是近几年,随着新型工业化进程的快速推进,内地企业纷纷落户新疆,为边疆新型工业化进程注入了活力,短期内负荷增长迅猛,很多新建线路和变电所需要增容。因此,短期负荷预测的重要性和准确性非常重要。     

基于自回归误差的短期负荷预测中的应用研究

电力系统在国民经济发展中具有重要地位,保持电网的供需平衡是电力系统稳定运行的基础。为了更好的解决供电系统的日前调度问题,文章针对Lyapounov最大指数法嵌入维数提出了一个自回归误差算法,它克服了以往人为对嵌入维数取值造成的不准确问题。同时,通过提出的回归算法模型还可以解决由于人为因素造成的预测误差较大及误差具有随机性问题,能够使得电网发电机组备用计划制定更加合理,减少了发电机组由于备用不合理带来的经济损失。     

基于PSO-LSSVM算法的造纸过程短期电力负荷预测模型

对造纸厂的用电负荷进行预测有利于对生产调度进行合理安排,从而降低能耗。本课题提出了一种粒子群优化算法（PSO）和最小二乘支持向量机（LSSVM）相结合（PSO-LSSVM）的短期电力负荷预测方法,该方法可对造纸厂未来每30 min的电力负荷进行预测。结果表明,采用PSO-LSSVM算法对短期电力负荷进行预测时,预测结果的相对百分误差绝对值的平均值约为0.75%,精度高于其他行业的电力负荷预测值,模型具有良好的可行性和有效性。     

城市电力负荷预测方法分析

城市电力负荷预测的准确性在很大程度上决定了城市电网建设的合理性,进而影响城市经济的发展。对城市电力负荷预测方法进行分类,分析多种常用总量负荷预测方法的特点,重点研究空间电力负荷预测方法中的相关问题,为城市电力负荷预测开展提供指导。     

电力负荷预测技术发展趋势研究

电力负荷预测技术指的是在电力调度,用电以及电力规划方面的应用技术。目前所面临的问题就是需要提高电力负荷预测技术水平,从而才能够有利于我国电网的良好发展,同时还能够提高电网的经济效益以及社会效益,所以文章针对于电力负荷预测技术进行深入研究,同时对这种技术的发展趋势进行讨论,并且提出相关建议,希望能够帮助我国电力企业提供理论指导。     

新疆某地区电网负荷预测研究

随着"西部大开发"战略的实施,电力系统安全经济运行和国民经济发展联系更加紧密,已经成为新疆跨越式发展的重要组成。于此同时负荷的增长过快,负荷变化的非线性增强,导致了预测难度的增大。为了使预测精度达到更高的要求,需要引进一种新的方法。基于支持向量机(SVM)原理对新疆某地区某日负荷建立预测模型进行预测,通过对预测结果的误差分析验证了此方法具有良好的精度,为新疆电网的安全运行和经济效益的提高提供了帮助。     

基于深度学习方法的电力负荷预测系统

2020年以来国家电力形势十分紧张,随着国家“碳达峰”“碳中和”目标的提出,绿色低碳环保发展经济体系的逐步建立,若能准确地预测出未来的电力负荷情况,并据此进行电力调度与调控,便能够达到节能减排的目的。目前,基于统计方法和人工智能方法进行电力负荷预测还存在着诸多问题。该文基于深度学习-长短期神经网络（Long Short-Term Memory,LSTM）建立电力负荷预测模型,提高电力负荷预测的准确性和稳定性。该文可以为电场提供未来一段时间内负荷的需求情况,对地区电能管理部门制定发展规划、有效管理负荷具有重要的应用价值,对响应国家节能减排政策意义重大。     

基于BP神经网络算法的汇率价格短期预测研究

随机信号预测在金融行业有着重要应用。文章基于Back Propagation Network的随机信号预测方法,利用三种国际货币汇率价格的历史数据作为参考,对未来汇率价格进行短期预测,与实际价格进行比较分析,并得出结论。有助于对外汇市场的发展方向和趋势分析,无论是对监管层进行决策还是对投资者提供投资选择,都将会具有非常重要的现实意义。     

电力系统短期负荷特性及影响负荷变化因素的分析与研究

分析电力系统短期负荷的基本特性,重点讨论影响短期负荷变化的主要因素,为短期负荷的预测工作奠定良好的基础,为电力系统负荷的研究提供参考。     

关于城市电力规划负荷预测的分析

城市电力规划是实现城市电网安全运行的形式,而城市电力规划离不开前期的负荷预测,因为它是合理确定城市电源电网规模和布局的基本依据。下文中笔者将从城市电力规划中供电基础资料的搜集、负荷预测的基本内容以及现代负荷预测的方法三个方面,来简要谈谈负荷预测在城市电力规划中的应用。