基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。     

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。     

基于K-L信息量法的安徽省工业用电量预测

针对区域工业用电量与经济指标的相关性,运用K-L信息量法,在月度尺度上筛选出能够指示区域工业用电量变化趋势的经济先行指标,并获得各先行指标的先行期数。以经济先行指标为自变量、区域工业用电量为被因变量建立多元回归模型,根据AIC准则和BIC准则选取最佳拟合方程,得到工业用电量预测模型。运用模型预测安徽省2014年5月-12月的月用电量,结果显示预测精度较高,预测方法可以用于工业用电量预测。     

BP网络模型在大型泵站用电量预测中的应用

针对大型泵站年用电量的非线性规律，提出应用BP网络模型的预测方法。该方法采用误差逆传播学习规则，具有较强的非线性拟合能力，实例计算分析表明，与线性回归模型预测方法相比较，BP网络模型对大型泵站年用电量的预测是有效的。     

基于ARMA-SVM组合模型的售电用户用电量预测方法

影响用户用电量的因素较多,根据其分别受线性和非线性因素影响的特点,该文提出1种基于自回归移动平均模型和支持向量机模型的组合预测方法,构建组合模型后,分别与仅采用自回归移动平均模型和支持向量机模型的预测结果进行对比分析.对比结果表明,组合模型的平均绝对百分误差指标相比单一模型明显降低,可以有效提高用电量预测的精度.     

基于多源数据的自适应电力负荷预测方法

为满足电力规划部门的实际需求,并充分利用海量开源数据,提出一种基于开源大数据,自主整理数据并自适应选择预测模型的电力负荷预测方法,该方法通过收集海量数据并归类,筛选得到多个与负荷预测强相关的数据源,并提出自适应负荷预测模型,该模型应用灰色预测函数、弹性系数预测函数、人均用电量预测函数、人工神经网络预测函数等多种数学方法,且可以根据数据来源进行相应拓展,并采用四种评价指标对多源预测结果进行修正。实例应用结果表明,该方法可以提高预测精度,工程实用价值较大。     

基于逐步回归分析的用电量预测

文中针对用电量预测的多元线性回归模型，提出了逐步回归分析方法。与传统的多元线性回归模型相比较，逐步回归分析方法无需建立全部变量的回归方程，而是在全部自变量中按对因变量的作用大小，边进行显著性检验，边入选或剔除变量，不重要变量始终不进入回归方程，最后形成重要变量的最优回归方程。实例计算分析表明，与多元线性回归模型预测方法相比较，逐步回归预测模型对用电量的预测是有效的。     

贵州省2015~2020年用电量预测及其比较

为给贵州省电力规划提供依据,以便制定科学、合理的发输电规划方案,基于贵州省1985~2009年用电量特点,选取趋势外推法、线性回归法和灰色模型法三种电力负荷预测方法预测了贵州省2015~2020年的用电量,并进行对比分析。结果表明,不同的电力负荷预测方法预测精度不同,灰色系统理论具有很强的通用性。     

基于GDP-电能消费耦合关系的中长期电量预测

建立了一种基于用电量和GDP之间耦合关系的中长期电量预测模型。首先利用协整检验和格兰杰（Granger）因果检验,剖析电能消费和经济发展之间的协整关系和因果关系,并建立中长期电量预测模型。然后采用误差修正方法对预测模型进行短期调节,以提高模型的鲁棒性以及预测精度。以某地区1991—2015年的用电量和GDP数据作为算例输入数据,结果表明：通过构建电能消费和经济发展之间的耦合关系,有助于提高预测模型的解释能力,同时含短期调节的中长期用电量预测模型具有更高的预测精度。     

负荷预测的变权重灰色模型及其应用

针对传统灰色预测模型GM(1,1)在电力负荷预测中存在的局限性,提出了电力系统中期负荷预测的变权重灰色模型.以河北承德为例进行负荷预测,并与指教平滑法、动平均法、二项式预测模型和GM(1,1)模型四种方法的预测结果及实际用电量进行分析比较.结果表明,该模型预测精度较高、简捷、合理、实用,可作为中期电力负荷预测的工具之一.     

基于H-P滤波预测技术的年用电量预测模型研究

针对电力市场预测电力负荷受众多因素影响及各类预测模型模拟预测误差较大的问题,为提高负荷预测精度,基于H-P滤波预测法将等维信息法、指数回归模型及分布滞后回归模型引入年用电量预测中,通过双层预测降低预测误差,并结合实例比较。对比结果,滤波滞后回归模型的预测综合得分高于滤波指数回归模型。     

Short term and medium term power distribution load forecasting by neural networks

Load forecasting is an important subject for power distribution systems and has been studied from different points of view. In general, load forecasts should be performed over a broad spectrum of time intervals, which could be classified into short term, medium term and long term forecasts. Several research groups have proposed various techniques for either short term load forecasting or medium term load forecasting or long term load forecasting. This paper presents a neural network (NN) model for short term peak load forecasting, short term total load forecasting and medium term monthly load forecasting in power distribution systems. The NN is used to learn the relationships among past, current and future temperatures and loads. The neural network was trained to recognize the peak load of the day, total load of the day and monthly electricity consumption. The suitability of the proposed approach is illustrated through an application to real load shapes from the Turkish Electricity Distribution Corporation (TEDAS) in Nigde. The data represents the daily and monthly electricity consumption in Nigde, Turkey.     

基于小波分析和灰色模型的用电量预测

月度用电量同时具有增长性和季节波动性的二重趋势,针对月度用电量的这一变化特点,提出了一种基于小波分析和灰色预测模型的用电量预测方法,同时考虑春节影响因素,结合移位修正法对1月份和2月份的用电量进行修正.经过实例分析和计算,结果表明该方法有较高的预测精度,具有较好的适用性和可行性.     

An adaptive fuzzy combination model based on self-organizing map and support vector regression for electric load forecasting

Electric load forecasting is an important task in the daily operations of a power utility associated with energy transfer scheduling, unit commitment and load dispatch. Inspired by the various non-linearity of electric load data and the strong learning capacity of support vector regression (SVR) for small sample and balanced data, this paper presents an adaptive fuzzy combination model based on the self-organizing map (SOM), the SVR and the fuzzy inference method. The adaptive fuzzy combination model can effectively count for electric load forecasting with good accuracy and interpretability at the same time. The key idea behind the combination is to build a human-understandable knowledge base by constructing a fuzzy membership function for each homogeneous sub-population. The comparison of different mathematical models and the effectiveness of the presented model are shown by the real data of New South Wales electricity market. The obtained results confirm the validity of the developed model.     

Turkey’s short-term gross annual electricity demand forecast by fuzzy logic approach

This paper aims to forecast Turkey's short-term gross annual electricity demand by applying fuzzy logic methodology while general information on economical, political and electricity market conditions of the country is also given. Unlike most of the other forecast models about Turkey's electricity demand, which usually uses more than one parameter, gross domestic product (GDP) based on purchasing power parity was the only parameter used in the model. Proposed model made good predictions and captured the system dynamic behavior covering the years of 1970–2014. The model yielded average absolute relative errors of 3.9%. Furthermore, the model estimates a 4.5% decrease in electricity demand of Turkey in 2009 and the electricity demand growth rates are projected to be about 4% between 2010 and 2014. It is concluded that forecasting the Turkey's short-term gross electricity demand with the country's economic performance will provide more reliable projections. Forecasting the annual electricity consumption of a country could be made by any designer with the help of the fuzzy logic procedure described in this paper. The advantage of this model lies on the ability to mimic the human thinking and reasoning.     

双碳、双区背景下深圳电力需求预测

  目的  为了适应“双碳”和“双区”新背景下深圳未来用电特征的研究，反映新形势下诸多新因素的影响，需要在传统电力需求预测方法上进行修正，建立新的预测体系。  方法  在电量预测上，一方面以碳强度控制为导向，结合对全社会电气化水平的要求，提出“自上而下”的预测方法；另一方面以改进的细分部门法和新型负荷修正法，进行“自下而上”预测，相互佐证；在负荷预测上，充分考虑需求侧管理、相关削峰手段的影响。  结果  通过量化分析“双碳”目标下能源供应及消费结构调整，“双区”驱动下新基建、产业结构调整和转移等重要因素的影响，对深圳“十四五”及中远期全社会用电量进行预测，并对深圳未来最高负荷和负荷特性发展趋势进行预判。  结论  所提方法为其他地区进行新形势下电力需求预测提供了新思路，预测结果也为深圳后续电源和电网规划及调度运行等提供了重要参考。     

基于最小二乘组合灰色模型的中长期电力负荷预测

电力负荷预测是实现电力系统管理现代化的重要内容,有效的中长期电力负荷预测可为电网运行方式、电源建设规划等提供可靠的决策依据。针对中长期电力负荷预测,综合考虑负荷的历史数据和未来可能走势,在对三种灰色预测模型分析的基础上,以其预测值为解释变量,实际负荷值为被解释变量,通过最小二乘法建立多元回归方程,并通过计量经济检验,以此构造了负荷预测组合模型。将该模型应用于北京市年用电量预测中,结果表明所构造模型具有较高的预测精度,有效可行。