共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
由于中长期电力系统负荷数据相对较少,影响因素广泛,常用的负荷预测方法很难达到满意的精度,所以提出一种结合小波软阈值和广义回归神经网络的综合预测模型,该模型充分考虑了长期负荷数据相对较少和影响因素广泛的特点,把负荷预测看作一个信号序列,应用小波去噪原理,将信号与噪声分离,然后利用广义回归神经网络进行预测。实际应用证明,预测结果是令人满意的。 相似文献
5.
6.
7.
基于广义回归神经网络的电力系统中长期负荷预测 总被引:6,自引:0,他引:6
在介绍广义回归神经网络(GRNN)基本算法、网络结构及平滑参数确定方法的基础上,提出将误差序列的均方值作为网络性能的评价指标并采用最小误差对应的平滑参数,建立了GRNN的预测模型。提出了确定输入神经元数目的方法:根据自回归模型阶次的选择经验初步确定输入神经元数目m;在m值附近进行搜索,对于每一个m值,确定平滑参数后,计算网络对学习样本的预测误差;根据BIC准则评价指标的最小值确定输入神经元数目。将模型应用于某地中长期电力网负荷预测,分别进行了单步预测和多步预测。与BP神经网络模型的预测进行比较,结果表明,采用该方法的预测精度明显高于BP模型,即使在训练集样本数据较少时,该方法的预测准确度仍然很高。 相似文献
8.
基于不对称自回归条件异方差模型的短期负荷预测 总被引:2,自引:0,他引:2
研究了负荷时间序列的自回归条件异方差效应,提出了一种基于不对称自回归条件异方差模型的短期负荷预测方法。建立了广义误差分布假设下的不对称广义自回归条件异方差模型,借助模型的不对称参数,分析了不同冲击下的不对称机制,比较了各种广义自回归条件异方差模型的预测能力。其中,幂指数广义自回归条件异方差-广义误差分布模型的预测效果尤为突出。最后通过实际算例验证了上述方法的可行性和有效性。 相似文献
9.
随着城市化进程的推进,部分大城市的负荷增长开始缓和,波动性逐渐凸显,加大了中长期负荷预测工作的难度。提出一种基于城市化特性的中长期负荷预测模型。首先分析城市化在人口、经济、地域三方面的特征,提取城市化影响负荷的主要构成要素;然后,利用层次分析法结合专家经验,实现各种城市化要素对电力负荷影响的主观赋权;最后,采用模糊聚类分析法预测多因素影响下的城市负荷。所提模型能够较好地解决负荷的波动性给中长期负荷预测带来的困难,适用于城市化背景下的中长期负荷预测。算例分析表明,相较于时序外推以及弹性系数等常规预测方法,所提方法具有较好的预测精度。 相似文献
10.
11.
为解决传统灰色模型和缓冲算子在中长期电力负荷预测应用中存在的问题,提出了变权缓冲灰色模型。该模型将变权缓冲算子与背景值优化灰色模型相结合,实现对原始负荷数据的动态预处理。基于粒子群优化算法,以拟合值与实际值的灰色关联度最大为目标,选择最优缓冲系数,在提高模型精度的同时,使预测结果最大程度地体现原有负荷数据的内在发展趋势,提高拟合和预测的稳定性。为验证模型效果,使用2003—2008年全国全社会用电量数据建模,预测2009—2011年的用电量,预测结果证明了该模型在中长期负荷预测中的有效性和可用性。 相似文献
12.
中长期电力负荷预测模型筛选与组合方法 总被引:1,自引:0,他引:1
将预测决策思想引入到中长期电力负荷组合预测中,并深入分析了现有预测模型筛选方法的优缺点,在此基础上,完善了以灰色关联度和预测有效度两类指标为基础的预测模型评价指标体系。依据提出的协调因子、综合有效性指标等概念,构造了基于综合有效性指标和模型冗余校验的预测模型筛选方法和基于综合有效性指标体系的中长期电力负荷变权组合预测模型。算例表明,文中提出的组合预测模型预测精度较高,实用性强。 相似文献
13.
14.
15.
16.
对风电功率进行较为准确的预测是合理调整含有风电的电力系统或微电网系统的调度策略,提高其运行稳定性与经济性的有效手段。在分析传统风电功率预测过程的基础上,从基本预测方法在功率预测过程中的使用策略角度出发,提出了不依赖于基本预测方法的新的改进预测思路。在这种改进方法中,增加了误差预测模型,对传统方法的预测值所包含的误差值进行预测,并将通过误差预测模型得到的预测误差与传统方法的预测值叠加作为改进方法的最终预测结果,并以反向传播(BP)神经网络作为基本预测方法对实际风电场进行实例验证分析。计算结果表明:提出的改进风电功率预测方法能够较大幅度地提高预测精度;提出的改进思路和传统改进思路不同,并不涉及基本预测方法内部特性且无需引入其他辅助方法,因而具有良好的通用性。 相似文献
17.
风资源因具有较强的波动性、随机性与间断性等特点而导致风电功率预测精度不高。为减小风电功率波动对电网的冲击,提高电力系统对风电的接受与消纳能力,提出了改进的风电功率短期预测方法与基于波动的误差修正方法。首先将风电功率按不同波动过程进行聚类划分,提取不同波动的特征曲线对功率值进行修正;采用引力搜索算法优化的反向传播神经网络(GSA-BP)作为基本预测方法进行预测;分析不同波动过程下的预测误差表现,建立预测误差与综合气象指标的映射关系。针对不同波动过程建立相应的风电功率误差修正模型,提出了线性模型和GSA-BP非线性模型相结合的方式对预测误差进行修正,最后以功率预测值叠加预测误差修正值作为最终预测结果。该风电功率预测误差修正方法不仅涉及风速风向等常规因素,而且考虑到了风电功率的波动性。 相似文献
18.
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。 相似文献
19.
20.
市场环境下负荷预测误差风险管理研究 总被引:1,自引:0,他引:1
负荷预测误差风险直接影响电网公司经营效益和供电的安全性和稳定性.通过金融风险管理工具VaR方法研究了电网企业负荷预测误差风险的问题.首先由灰色周期外延组合预测模型得出电量预测值,进而得到预测误差序列,在验证预测误差服从特定分布的基础上,在给定风险水平情况下,通过划分相应分位数求得VaR值,最后通过预测误差损失函数计算得出预测值在一定置信度和风险水平下的置信区间.本预测误差风险模型具有较高的普适性和灵活性,对任意给定的风险水平,都可以求出相应风险水平下的置信区间,满足不同风险偏好决策者的需要.实例分析表明该方法简单易用,且具有较高的精度,可以为电网公司负荷预测和风险管理提供参考. 相似文献