采用谱分析建模和基于人工神经网络的短期负荷预测方案

提出了一种基于谱分析法进行建模的短期负荷预测方案,该方案利用负荷历史数据的谱分析结果进行人工神经网络(ANN)模式分类和选择输入变量.方案采用快速傅立叶变换(FFT)进行负荷数据预处理,运用滤波算法及小时负荷曲线的频谱分析来研究电网负荷的周期特性,所得结果表明四季负荷的谱特性具有明显差异,应采用不同的模型和方案进行预测.谱分析有助于各时段预测方案提取输入变量.利用该思路构造的基于人工神经网络的负荷预测方案被用于预测广东省网的负荷,与其他普遍采用的输入变量预测结果的对比表明,所提方案在短期负荷预测中的性能良好.     

南京城市电网核心区短期负荷特性分析及预测

城市电网核心区负荷变化复杂,影响因素众多,对电网调度部门的安全运行提出了挑战。基于南京电网实际负荷数据,分析了负荷变化特性及各类影响负荷变化的因素,同时针对预测方法中存在的边缘效应等问题,通过改进训练策略,提出了一种新的人工神经网络短期负荷预测模型。该模型采用多隐含层和动态神经元个数的预测方法,对不同神经元预测结果进行比较,以达到预测负荷的目的。预测结果表明,基于该方法建立的预测模型适用性强且能获得较高的预测精度,可为城市核心区的短期负荷预测提供可行方案。     

安徽电网负荷特性分析及其查询ASP

基于历史负荷数据和气象负荷数据关联分析了安徽电网负荷特性并实现ASP查询。分析得出安徽电网负荷具有较强的以季节和以日为间隔的周期性，一定条件下的周周期性，民用负荷比重较大，节假日对负荷影响明显，气象条件对短期负荷影响大等特性。其查询ASP基于ASP.NET技术和数据库技术，能给出对任意时段各种负荷特性和气象负荷关联特性查询结果，表明它是一个实用、方便的负荷特性分析工具。     

基于人工神经网络与主分量分析的短期电力负荷预测方法

电力系统短期负荷预测是保证电力系统安全经济运行和实现电网科学管理及调度的重要依据,目前的电力系统短期负荷预测方法存在着一些不足.提出了基于人工神经网络与主分量分析的短期负荷预测方法,在试验中分别采用该方法和单一的人工神经网络对辽宁省某电网的短期负荷进行了预测,试验结果表明本文提出的方法与单一的人工神经网络预测法相比,不...     

西北电网短期负荷预测软件系统的设计与实现

本文介绍了西北电网短期负荷预测软件系统.该系统包含相似日、时间序列、人工神经网络和偏最小二乘回归分析四种短期负荷预测方法.预测结果表明该系统能够满足西北电网短期负荷预测的需要,预测结果合理,界面友好、操作方便,在很大程度上提高了调度人员的劳动效率.     

基于模式识别的自适应短期负荷预测系统

短期电力负荷预测是电力调度部门制定发电计划的依据,预测系的灵活适应性是实现电网经济运行的重要保证。在分析影响日电力负荷主要因素的基础上,给出了用于日荷预测的负荷模式定义,基于海明距离给出了负荷模式相拟度的计算方法,有效实现了预测负荷所需要的历史负荷模式样本的抽取。利用人工神经网络实现由历史负荷模式到预测负荷的映射。基于C＋＋面向对象的程序设计方法开发了一套灵活的智能自适应短期预测系统。多个用户的应用结果表明,本系统具有很好的实用性和满意的预测结果。     

《华中电力》第20卷（2007年1-6期）分类总目录

规划与设计(期一页)一种基于参数循环优化的空间负荷预测方法研究与应用%%%%%%%%%%%%%(1-1)华中电网调度生产短信息平台研究开发与应用%%%%%%%%%%%%%%%%(1-13)基于负荷特性分析的短期负荷预测相似日选择方法%%%%%%%%%%%%%(1-17)基于人工神经网络和模糊集的电力系统短期负荷预测     

重庆地区电力负荷特性及其影响因素分析

研究电力负荷变化特性和规律对提高短期负荷预测精度具有重要意义。根据重庆地区近年来收集的历史负荷数据和气象数据等相关信息,分析了年最大和最小负荷及典型日负荷曲线的变化规律,研究了该地区的负荷特性与主要影响因素之间的相互关系,并针对重庆地域特点,分析了各主要影响因素对该地区负荷的影响程度和主要影响时段。研究结果表明,目前温度、降雨量和节假日对重庆地区电力负荷的影响较大,可为研究重庆地区电力短期负荷预测方法和分析未来智能电网的负荷特性提供理论依据。     

基于C/S模式的电网短期负荷预测及负荷分析管理信息系统

通过引入24h气象预测信息，并以负荷分析为基础，采用相似日、相似时段的负荷预测原理和基于K线图形式的图形处理方式，生成集负荷分析，负荷预测，预测管理和预测发布功能为一体的电网短期负荷预测及负荷分析管理信息系统，该系统应用先进的网络技术和数据库技术，构建了面向对象的模块化软件，目前该系统已应用于天津电网负荷分析和负荷预测管理工作，运行稳定，性能良好，具有界面友好，操作简便，维护成本低，预测精度高等优点，是负荷管理和预测人员的好助手。     

大数据挖掘下冲击性负荷特性电网短期负荷预测的探索与实践

针对抚顺地区冲击性负荷占地区总负荷比重较大,而地区总负荷冲击特性明显时,有可能引起系统频率的连续振荡以及电压摆动的情况,就如何提高地区电网短期负荷预测精确度进行探索和相关的实践,改善冲击性负荷预测和预处理的准确程度,以期望能够合理经济调度、降低生产成本、保障电网安全,该文提出了大数据挖掘下冲击性负荷特性电网短期负荷预测方法,经测试在抚顺电网取得很好的效果,改善了冲击性负荷特性下本地区电网负荷曲线波动大且规律性不强导致短期负荷预测准确率下降的问题,可以为当前公司负荷预测工作提供方向思路和指导建议,这种方法同样适用于葫芦岛市等其他具有冲击负荷特性的地区电网短期负荷预测,改善当地负荷短期预测水平。     

基于神经网络和模糊理论的短期负荷预测

电力系统负荷预测是能量管理系统(EMS)的重要组成部分,它对电力系统的运行、控制和计划都有着非常重要的影响,提高电力系统负荷预测的准确度既能增强电力系统运行的安全性,又能改善电力系统运行的经济性,但负荷预测的复杂性、不确定性使传统的基于解析模型和数值算法的模型难以获得精确的预测负荷。为提高电力系统短期负荷预测准确度,构建了一种新型的负荷预测模型。该模型首先采用多层前馈神经网络,以与预报点负荷相关性最大的几种因素作为输入因子,以改进BP算法作为预测算法,来获得预报日相似日负荷曲线;然后引入自适应模糊神经网络,用于预测预报日的最大、最小负荷;针对模糊神经元的权值更新问题,采用一种新的权值更新算法———一步搜索寻优法,在获得预报日相似日各点负荷和最大、最小负荷的基础上,通过纵向变换,对预报日的负荷修正,进一步减小预测误差。用上述模型和算法预测某地区电网的短期负荷,取得了良好的预测效果。     

人工神经网络在电力系统短期负荷预测中的应用

提出了基于多层前馈神经网络误差择向传播（BP）模型的电力系统短期负荷预测的方法,根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。通过实例表明ANN应用于电力系统短期负荷预测的是平行的,有效的,其预报结果比传统的负荷预测方法更准确。     

Short-term hourly load forecasting using time-series modeling withpeak load estimation capability

This paper presents a new time series modeling for short term load forecasting, which can model the valuable experiences of the expert operators. This approach can accurately forecast the hourly loads of weekdays, as well as, of weekends and public holidays. It is shown that the proposed method can provide more accurate results than the conventional techniques, such as artificial neural networks or Box-Jenkins models. In addition to hourly loads, daily peak load is an important problem for dispatching centers of a power network. Most of the common load forecasting approaches do not consider this problem. It is shown that the proposed method can exactly forecast the daily peak load of a power system. Obtained results from extensive testing on the Iran's power system network confirm the validity of the developed approach     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预预 .采用了改进的BP学习算法 ,以提高训练的收敛速度 .预测仿真结果表明 ,所设计的神经网络是可以进行短期负荷预测的     

智能化的短期负荷预测系统

应用模糊逻辑系统、人工神经网络和模糊专家系统等智能技术风云地某省电网设计出的具有自学习和自适应能力的短期负荷预测软件包,主要用于自负荷曲线的预测,指导生产计划制定和调度安排。该软件包是基于Ｗｉｎｄｏｗｓ的应用程序,具有开放式的结构和友好的人机界面。试用结果表明,该系统在进一步完善后,可望实际应用于地区和省网调度系统中。     

基于联合模型的短期电力负荷预测方法

为了准确预测电力负荷并提高电力系统调节和调度的灵活性、准确性,提出了基于差分自回归滑动平均和长短期记忆神经网络的短期负荷联合模型预测方法,以避免单一预测模型可能难以满足预测准确需求的情况。首先,使用差分自回归滑动平均和长短期记忆神经网络单一模型对短期电力负荷开展预测;然后,使用改进的粒子群优化算法对联合模型权重进行寻优;最后,利用最优权重将单一模型预测结果进行合并得到最终的预测结果。验证结果表明,所建立的联合模型能够对短期电力负荷进行准确的预测,且联合模型的预测精度要优于差分自回归滑动平均、长短期记忆神经网络和BP神经网络等单一模型,具有一定的工程应用价值。     

一种简单易行的短期负荷预测系统

文章研究一种简单易行的自适应模糊预测系统,系统的规则集经过历史数据样本的自适应学习获得,学习算法每天启动运行一次,文中首先阐述从数据信息中获得模糊规则的一般性方法,然后给具体,易懂的预测模型设计。     

应用相空间重构理论分析电力负荷时间序列

电力系统负荷的复杂性及非线性相应地增加了对其预测的难度。电力负荷的混沌预测是建立在重构电力负荷序列的相空间基础之上的。重构合适的相空间,使空间轨道充分展开是进一步混沌序列预测的前提。本文结合混沌理论的思想,重点阐述了电力负荷时间序列的相空间重构的思想和算法,并以实际电力负荷数据加以验证,得出了电力负荷的时间序列是一种周期性和混沌性共存的时间训练序列。确定了时间序列后,以重庆江北区负荷为例进行短期预测,取得了良好的预测效果。     

考虑分时段负荷行为的短期负荷预测方法

随着电力大数据时代的到来,对电力负荷预测的精度提出了更高的要求,准确的电力负荷预测对电力系统安全稳定运行,降低成本开销具有重要意义.针对短期电力负荷在不同时间段下呈现不同的负荷运行规律的特点,在日范围内计算不同的时间段的负荷行为相似度.在考虑天气维度和时间维度的基础上,增加考虑行为维度,将不同时间段的行为相似度因素引入...     

基于支持向量机混合模型的短期负荷预测方法

将支持向量机专家系统混合模型应用于短期负荷预测采用方法分为2个阶段:应用神经网络中的聚类算法将历史数据分割成不相连的数据域;对每个数据域选择最佳核函数预测单个SVMs。实际数据验证表明,该方法与单个多项式核、高斯核和3次样条核的SVMs预测相比具有预测精度高、支持向量少和计算量小等优点。