遗传算法改进灰色RBF模型在负荷预测中的应用

灰色模型和神经网络作为常用的负荷预测方法虽应用较广,但各有缺陷.将两者结合起来一定程度上能实现双方的互补,但是存在的局部最优和收敛性问题一直没有很好的解决.利用遗传算法鲁棒性强、收敛速度快以及全局定位能力强的功能,代替传统的最小二乘法对GM(1,1)模型的参数进行高效求解,可以避免陷入局部最优,实现全局最优.将优化后的...     

关联分析在电力负荷灰色神经网络预测中的应用

针对电力负荷预测序列存在随机增长特性和非线性波动性,灰色神经网络模型能够有效地反映序列增长特性和对非线性关系进行拟合.引入灰色关联度作为确定组合预测权重的依据,以序列整体拟合优化为目标,从而找到能够代表序列内在变化规律性的组合权重,使总体预测精度得到提高.     

基于灰色-周期外延组合模型的电力负荷预测

提出了灰色–周期外延组合模型,即在一般灰色模型GM(1,1)的基础上建立残差周期外延模型,并提取优势周期以重新构造新的数据序列,再将不同周期同一时刻的值叠加。该模型兼顾了电力负荷的增长性和周期波动性二重趋势,较好地克服了上述二重趋势引起的负荷变化非线性组合特征给精确负荷预测带来的困难。实例计算结果表明该模型明显地提高了电力负荷预测精度。     

灰色模型在普通日短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及灰色差值模型在短期电力负荷预测中的应用，提出了适合普通日电力负荷预测的数据处理方法，提高了短期电力负荷预测的精度。     

改进灰色预测模型在电力负荷预测中的应用

为解决传统灰色预测方法仅适合单一变量的问题,在传统GM(1,1)模型的基础上建立了含几个变量的GM(1,n)模型,改进传统模型中某个参数的赋值方法,重新建立改进灰色预测模型,将改进的GM(1,n)模型应用于电力负荷预测中.以某城市2013-2019年的电网负荷研究为例,利用GM(1,n)模型与改进GM(1,n)模型分别...     

基于灰色模型的电力负荷短期预测

准确的负荷预测可以保证电网的安全稳定运行,提高电力系统运行的经济效益,为此,基于灰色理论建立了电力负荷预测模型,并结合陕西省汉中市区电力局某变电站2006年7月的实际负荷讨论了灰色模型在短期负荷预测中的应用,实例计算表明,该模型具有预测精度高、计算过程简单等特点。     

蚁群灰色神经网络组合模型在电力负荷预测中的应用

灰色GM(1,1)预测模型,在负荷预测中得到了广泛应用,但是也有其局限性。当数据灰度越大,预测精度越差,并且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数 造成的,为此引入向量 ,建立蚁群灰色模型,然后与神经网络模型相组合,即建立蚁群灰色神经网络组合预测模型。实证分析表明,该预测方法是合理有效的,与传统的预测方法相比,提高了预测精度,具有较好的实用价值。     

非线性动态模型在电力负荷预测中的应用

根据电力系统负荷变化的特点,采用非线性GM（1,1）模型与动态GM（1,1）模型相结合的非线性动态GM（1,1）模型对其进行预测。通过实例分析与检验,证明NLDGM（1,1）模型比传统GM（1,1）模型与NLGM（1,1）模型精度更高、误差更小、预测效果更好。所以,该预测模型具有一定的应用价值。     

中长期电力负荷的灰色残差修正组合预测

中长期电力负荷走向趋势曲线往往呈S型,直接运用灰色GM(1,1)模型预测会造成较大的偏差。针对负荷曲线固有的发展趋势,根据曲线发展的不同阶段分阶段预测,采用GM(1,1)模型进行第一阶段的预测,采用残差修正模型进行第二阶段的预测。在分阶段预测的基础上,根据每一阶段的预测精度分配权重,进行组合预测。该方法将数据本身发展趋势和模型固有优点相结合,预测结果表明该方法在提高精度上有可行性。     

基于遗传算法的短期负荷组合预测模型

给出电力系统短期负荷的固定权系数组合预测模型－－基于遗传算法的组合预测模型。为增加样本的多样性、避免陷入局部极小,中对遗传算法每代的相同或相近个体作等适应值变换,改进后的遗传算法具有更好的全局优化特性。利用改进的遗传算法确定组合预测模型的权系数,然后进行负荷预测。计算结果表明,该方法是实用和有效的。     

遗传神经网络在电力系统短期负荷预测中的应用

为了克服传统BP神经网络中存在的一些缺陷,实现准确、快速预测电力系统负荷的目的,作者通过将遗传算法与神经网络结合,构造了一种遗传神经网络来进行电力系统短期负荷预测,方法的思路是：首先,利用遗传算法有指导地计算神经隐层节点数,从而确定一个较合理的神经网络结构;其次,由遗传算法从初始权值的解群中选取出一个优秀的初始权值,克服初始权值选取的盲目性;最后,将得到的神经网络结构和优秀的初始权值结合起来,利用改进的BP算法进行电力系统短期负荷预测,仿真计算表明该方法达到了提高预测精度和改善网络性能的要求。     

基于最大信息熵原理的短期负荷预测综合模型

引入了信息理论来研究和处理负荷变化的不确定性，提出了基于最大信息熵原理的短期负荷预测综合模型，该模型将各种单一预测模型的预测结果以及历史预测误差分布作为约束信息，利用最大熵原理得到预测结果的分布。文中阐述了新模型的应用背景、思路和理论，给出了具体的实现方案和算法，并在实际电网中得到了应用。针对实际电网的算例研究表明，对于随机性较大的电网负荷，传统综合预测模型存在明显的过拟合现象，而新模型则有效地提高了预测精度。     

灰色Verhulst模型在中长期负荷预测中的应用

灰色系统预测模型用于中长期负荷预测是一种有效的方法。但是，当负荷按照“S”型曲线增长或增长处于饱和阶段时，采用灰色模型进行负荷预测的误差较大，预测精度不能满足实际要求。将灰色Verhulst模型引入到负荷预测中，可以很好地解决这个问题。作者通过典型的实例介绍了灰色Verhulst模型在中长期负荷预测中的应用。结果表明，此模型在负荷预测中是适用的，尤其对于负荷按“S”型曲线增长的情况，不但具有较高的预测精度，同时保留了灰色预测方法的优势和特点。     

灰色自适应模型及在负荷短期预测中的应用

本文针对电力负荷变化的非平稳性，首先建立起灰色模型分析用电负荷的趋势项，用灰色模型值与原始数据值进行比较，得出一系列误差值，作为二级数据，进一步应用自回归AR(2)模型对灰色模型产生的误差进行适应性调整。以1991年上海市用电负荷为例，预测二周用电负荷的平均相对误差为1.65%，对于特殊的节假日负荷，根据其自身的特点，本文则采用二元线性拟合模型进行预测，以避免产生大的预测误差。采用本文的系统具有一定自适应性，对于非平稳性的电力负荷具有很好的预测效果。     

基于遗传算法的电力市场投标竞价模型

在我国电力工业正处在网厂分开、竞价上网、开放电力市场的前夕,在电力市场中如何确定电价和实施管理成为牵动全局,事关发电、用户、输电各方利益的重大问题。本文将投标竞价原则引入电力市场,建立了一种改进的投标竞价数学模型,用遗传算法和网络流法进行优化。对１２节点系统作仿真,其结果与文献「３」完全一致,且收敛性能好,并提供多个方案供选用。     

短期负荷预测的综合模型

进行实际短期负荷预测时,对某个固定的地区,用不同预测方法可能得到不同的预测结果。文中基于对这些不同的预测结果的分析,提出了以得到一个唯一的综合预测曲线为目标的优化模型。根据模式识别的基本原理,这个新型以待预测民历史日绵最佳匹配为原则,通过虚拟预测结果与实际负荷曲线数据的误差平方和的最小化,可以得到综合模型中各种单一预测结果所占的权重值大小。实际算例研究表明,综合模型的预测结果优于各种单一方法的预测     

电力系统负荷预报的动态建模新方法

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，再根据平滑处理的负荷数据，分别建立负荷变化的趋势项和波动项动态模型并作出预报，最后利用模糊综合评判的理论，考虑天气、假日等因素对负荷的影响，对预报值进行调整。该算法可实现提前１～２４小时的小时级负荷预报。     

电力系统短期负荷预测中非线性模型的研究与应用

介绍了时间序列分析中的一类非线性模型-SETAR模型的特点及其建 模，将这一模型应用于电力系统的短期日负荷预报。这种模型可以描述一些非 线性的时间序列，在负荷序列波动较大时仍能进行很好的预测，实例计算结果 表明预测精度满足要求，证实了将这一模型应用于电力系统短期负荷预测是可 行的。     

一种利用可加性模糊系统的短期负荷预测新方法

该文依据可加性模糊系统理论，提出了一种新的负荷预测方法，利用聚类方法与有监督学习相结合的训练方法，提高了系统的函数逼近能力。仿真结果表明，系统学习速度快、预测精度高，在短期负荷预测中获得相当满意的结果。