事例推理及其应用

介绍了事例推理的基本原理、特点及其各环节的实现策略,并将其引入电力系统短期负荷预测,研究了事例推理技术在短期负荷预测领域中的应用.实际电力系统的数值试验证明事例推理技术知识获取简单方便、具有记忆能力及用户友好性等特点,优于基于规则专家系统及人工神经网络技术.     

高校节能短期电力负荷预测的应用与研究

在分析了事例推理原理和相关技术的基础上,根据高校负荷变化的特点,利用事例推理原理建立了高校短期电力负荷预测系统的基本框架。通过试验平台的开发验证了其有效性和实用性,为高校节能提供了非常有意义的参考价值和理论基础。     

基于事例推理原理的陕西省电网短期负荷预测

利用基于事例推理的短期负荷预测系统,确定了负荷预测事例的特征及事例表示方式,同时还确定了选择最佳相似事例的方法,使预测结果的可用性得以提高。对陕西电网进行了仿真计算,结果表明采用本文方法得到的预测精度有了显著提高。     

基于事例推理的短期负荷预测专家系统

负荷预测是电力系统运行稳定性和经济性的重要因素,而影响短期负荷变化的因素很多,所以短期负荷预测是一个复杂的问题。将CBR专家推理机制和负荷预测有机结合起来,开发出的预测系统软件具有可操作性强、人机界面友好、预测精度高等特点。     

基于大数据的电力系统短期负荷预测*

分析了电力系统短期负荷预测的特点及影响负荷预测准确性的相关因素。阐述了传统负荷预测方法存在的不足及将大数据系统引入负荷分析过程中的优势,将传统负荷方法与大数据分析相结合,可在进行负荷分析的同时利用大数据技术将各项影响因素与大数据进行比对,减小误差提高负荷预测精度,为电力系统进行短期负荷预测提供借鉴。     

电力系统负荷预测研究综述与发展方向的探讨

负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。讨论了年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟方法，分析了负荷预测问题的各种解决方案，并指出未来的主要研究方向。根据国内电力系统负荷预测的实践和国外的经验，对我国开展电力系统负荷预测工作提出了一些建议。     

电力系统负荷预测研究综述与发展方向的探讨

负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。讨论了年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟方法，分析了负荷预测问题的各种解决方案，并指出未来的主要研究方向。根据国内电力系统负荷预测的实践和国外的经验，对我国开展电力系统负荷预测工作提出了一些建议。     

电力系统超短期负荷预测技术的应用与发展

从电力系统超短期负荷预测的定义及作用出发,概述超短期负荷预测的特点及方法。按照传统预测方法、现代预测方法及综合预测方法分类,对各种超短期负荷预测方法的原理、应用范围、改进及发展方向进行了综述。指出各类超短期负荷预测方法都有特定的适用场合,在实际应用时要充分考虑预测系统的实际运行特点,才能最大限度地发挥各类方法的优势。     

电力系统短期负荷预测方法研究综述

通过对国内外现状的研究,简述了短期负荷预测的特点和影响预测精度的各种因素,阐述了电力系统短期负荷预测的智能方法,分析比较了各种方法的优缺点。研究表明组合优选方法是电力系统短期负荷预测的发展趋势。     

改进范例推理在短期负荷预测中的应用

范例推理是人工智能领域中一种新兴的推理方法，基于范例的推理就是充分利用以前的经验进行推理，求解新问题的过程。文中针对短期负荷预测具有明显周期性的特点，提出了基于范例推理的短期负荷预测方法。首先说明了范例的表示、组织方法，然后选择合适的量度方法进行范例的检索、匹配，最后将得到的最相似范例集进行重用、修正，得到最终预测结果。在范例表示中，使用粗糙集方法为范例属性特征的选择及权重的确定问题提供了一个合理的方法。经实例验证和比较，基于范例推理的负荷预测方法在提高预测精度方面具有明显的优越性。     

电力系统短期负荷预测的静态分析

通过对电力系统负荷预测主要方法的理论分析，探讨了在短期负荷预测中基本负荷分量组成方式。以及基本负荷分量在电力系统负荷预测模型中变化规律。为提高电力系统短期负荷预测的准确性提供了依据。     

采用协整检验的电力系统组合预测建模条件判定方法

对组合预测方法应用于电力系统短期负荷预测的条件进行了探讨。为了提高电力系统短期负荷预测的精度，运用计量经济学中的协整理论，对组合预测方法进行了研究，并分析了实际的负荷数据，得出应用的条件是：每种预测方法得到的预测值序列与实际负荷值序列之间应该具有协整关系，这是在电力系统短期负荷预测中采用组合预测方法的必要条件。结合实际预测数据，对协整分析方法及相关检验的实现过程进行了详细的计算说明，并对此结论的适用范围进行了介绍。     

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。     

一种基于决策树技术的短期负荷预测算法

提出了一种基于决策树技术的短期电力负荷预测新方法,能有效地考虑非负荷因素对短期负荷预测的影响.文中详细介绍了决策树技术的原理及其在短期负荷预测中的实现方法.实际电力系统应用结果数据表明,该方案能够有效提高短期负荷预测的精度.     

特殊节假日的短期负荷预测新方法

针对电力系统短期负荷预测中特殊节假日负荷的特殊性,利用基于模糊逻辑推理的预测新方法,预测了特殊节假日的最高负荷、最低负荷以及24点负荷值。该方法合理运用了模糊逻辑对不确定问题的推理能力,克服了特殊节假日由于负荷特性的不同以及历史数据缺乏所导致的预测困难,仿真结果验证了该方法的有效性。     

UD-IGA网络构造法在短期负荷预测中的应用

电力系统短期负荷预测既是电力系统调度部门制定发电计划的依据,也是制定电力市场交易计划的基础，它对电力系统的运行、控制和计划都有着非常重要的影响。可由于负荷预测的复杂性、不确定性，难以获得精确的预测值。为提高预测精度，针对电力负荷的特点，综合考虑历史负荷、天气、日类型等因素的影响，将基于均匀设计（UD）和改进遗传算法(IGA)的网络构造法用于短期负荷预测。数据样本训练和实际预测结果表明，该模型不仅可避免陷入局部极小点,而且提高了预测精度和网络的训练速度。     

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...     

小波模糊神经网络在电力系统短期负荷预测中的应用

该文研究了基于小波模糊神经网络的电力系统短期负荷预测新方法。根据小波变换自适应可调时频窗的特点，利用小波分析对负荷样本做序列分解，对高尺度负荷分量采用常规预测方法，其他负荷分量则采用模糊神经网络处理技术，最后通过序列重构，得到完整的负荷预测结果。算例计算表明，新方法具有较高的预测精度和适应能力。     

基于事例推理的电力系统短期负荷预测

短期负荷预测对于电力系统安全、稳定、经济地运行有重要意义。将粗糙集信息熵理论和统计学主成分分析方法用在负荷事例属性的约简上,分别针对负荷数据的重要性和相关性进行了有效处理。这样,不仅减少了事例重用过程的训练时间,还有效控制了次要负荷因素对重要因素的干扰;在事例修正过程中,针对非正常日提出一些有效的修正方案。最后,用河北省保定供电公司2000~2004年的负荷数据对该方案验证,结果表明,提出的预测方案是有效,可行的。     

基于局部均值分解与神经网络的短期负荷预测

短期负荷预测是电力系统调度和运行的基础,为了提高电力系统短期负荷预测的精度,提出了基于局部均值分解和人工神经网络的电力系统短期负荷预测方法。该方法首先对负荷序列进行局部均值分解,针对分解后具有不同特点的各PF分量设定具体的神经网络参数进行预测,将各分量的预测结果进行重构得到最终的预测结果。仿真实验表明,LMD-BP神经网络的预测方法与传统的EMD-BP神经网络方法相比具有更高的预测精度,同时也验证了该方法的实用性和有效性。