计及经济因素的混合模型电量预测研究

精确的电量预测是进行电网规划和建设的重要依据.为解决月度用电量预测方法思路单一、预测模型通用性不强、预测精度低等问题,通过对区域用电量与经济的历史数据研究分析,提出了一种计及经济因素影响的混合模型月度用电量预测方法.该方法将回归分析法和指数平滑法这两种预测方法相结合,建立电量预测模型,取得了较高的预测精度;最后,将本模...     

基于加和比例分配算法的中长期电量预测改进方法

针对中长期电量预测工作中,年度、季度、月度预测结果不统一,以及1、2月供电量因受春节影响而导致预测误差较大的问题,提出了基于加和比例分配算法的电量预测改进方法。加和比例分配算法包括季度加和算法和比例分配算法2部分。首先利用组合预测算法对季度电量数据序列进行预测;然后利用季度加和算法对季度预测值进行加和得到年度预测值;接着利用比例分配算法对季度预测值进行分解,得到月度预测值,从而得到年度、季度、月度的统一预测结果。最后利用某供电局的实际供电量数据对该方法进行校验,结果证明该方法不仅能够得到统一的预测结果,且其预测精度较普通方法更高。     

基于中长期风电光伏预测的多能源电力系统合约电量分解模型

针对大量新能源参与的电力系统中长期运行,提出考虑电量分解与检修计划相互影响的含风光水能源的电力系统合约电量分解模型。以新能源消纳和检修经济性为目标,旨在合理分解电量的同时提高新能源在资源丰富时段的消纳率,并根据资源分布和各时段能源参与情况安排各类机组检修计划,从而保证机组检修的经济性。由于风光资源的不确定性,从数据挖掘角度出发,提出基于聚类方法的光伏电量预测方法和非参数核密度估计的风电电量预测方法,并以此作为含风光水能源电力系统合约电量分解的基础。最后,通过算例验证了所提模型在含风光水多种能源的电力系统电量分解及机组检修联合优化中的有效性。     

基于KB-IELM的航空装备状态预测方法研究

针对现有预测方法对动态系统瞬时状态预测能力精度较低的问题,以超限学习机(ELM)为建模基础,将基于核的增量极限学习机应用于状态预测.由于增量学习的应用,使得模型中可以适用在线状态数据按照时间序列到达的特点,避免重新训练并减少时间的开销.同时核函数的应用有效提高了模型的计算效率,在提高算法稳定性的同时,有效提高了状态预测...     

利用软件实现短期电量预测的专家系统算法

供电企业准确预测未来售电量,是决策企业经营目标的基础和生产发展的基本依据。利用已有负荷,电量预测方法,引入优化组合思想,将不同的预测模型及预测工作人员的经验有机地结合起来,通过综合各模型的优点和经验,可得到较为准确的供电企业短期售电量预测值。以兰州供电局历史售电量数据为基础,设计并编制了初步具备专家预测系统功能的预测分析软件。实例分析证明,程序的设计较为成功,利用专家预测系统的预测思想结合组合法的程序设计,可以极大提高预测精度。     

介绍一种电量预测方法—灰色模型

为精确地预测电量,利用灰色系统的理论,对石家庄市网已有年用电量的离乱数列进行数据处理;并建立了年用电量灰色动态模型(GM)。使测量的电量达到一级精度。     

基于气象映射函数的夏季日用电量组合预测方法

历史数据表明,夏季日用电量受众多气象因素影响,具有较大的波动性.准确的夏季日用电量预测是保证电力系统可靠、经济运行的基础.为了提高夏季日用电量预测精度,本文提出了一种基于气象因素的夏季日用电量组合预测方法.首先,考虑到气象因素对日用电量的耦合效应和累积效应,本文分析了各气象指标与日用电量之间的关系,并建立了日用电量单一...     

一种基于用电行业分类的中长期电量预测方法

针对传统中长期电量预测方法思路单一,忽视不同层次电量预测之间的内在联系而影响中长期电量预测精度的问题,提出了一种基于用电行业分类的新型中长期电量预测方法。首先,设计了适用于电量预测的用电行业分类原则和方法;然后,以8种特性互补的预测方法为基础,建立优选组合预测模型,对待预测区域整体以及各用电行业的电量需求分别进行年度和季度的预测;最后,运用多级预测协调理论建立了一个二维二级协调模型,对上一步的电量预测值进行修正,改善预测精度,得到上下级统一的区域整体以及各行业未来年度和季度的电量预测值。以实际的电量数据进行了算例分析,验证了该方法的有效性。     

基于WOA-ELM的电力负荷预测模型研究

电力负荷预测是保障电力系统运行的关键技术。针对电力负荷受时间、温度、湿度、风速和电力需求等因素影响导致预测精度较差的问题,提出利用鲸鱼优化算法对极限学习机的连接权重和隐含层阈值进行优化,构建基于WOA-ELM的电力负荷预测模型。结合实例分析,与其他优化过的机器学习模型（GA-BP模型、PSO-SVM模型）及传统的ELM模型进行对比,结果验证了WOA-ELM模型的有效性,在电力负荷预测方面有较高的精度及较快的训练速度。     

电动汽车电池电量估测模型的研究

研究了电动汽车电池的电量估测系统,结合电池的充放电特性,建立电池电量估测综合算法模型,给出了电动汽车电池剩余电量相应的数学表达式,提出并采用了新的SOC估测方法,再对各种影响因素分别进行相应的补偿.     

基于混沌分析的月径流序列耦合预测模型及其应用

针对北方地区月径流年内年际变化幅度大、单一方法难以预测以及径流时间序列预测时,非线性模型阶数难以确定的特点,提出基于混沌分析的月径流序列耦合预测模型。该模型从时频分析角度出发,把月径流序列分解成不同的频率成分,并以相空间重构为基础进行混沌分析,然后分别采用支持向量机进行预测。以淮河支流沙河上游某水库月径流预测为研究实例,得出了较满意的预测结果,为径流预测提供了一条新途径。     

二滩水电站期货电量优化研究

二滩水电站是雅砻江梯级开发的第一个水电站,该水电站以发电为主,是四川电网的骨干电源之一,它的运行方式的好坏,不仅影响电站自身的经济效益,而且对四川电网的安全与经济运行起着举足轻重的作用,在电力市场环境下,合理地制定该电站的年期货电量计划是二滩水电公司实现其预期效益的重要保证,因此本文重点研究了二滩水电站的年期货电量的优化问题,建立了年期货电量优化模型,以基于径流趋势预测方法选用的入库径流量为依据,用小生境遗传算法对模型进行求解,计算结果可作为该公司签订期货合同的依据。     

基于附加电量的直流微电网动态稳定控制策略

直流微电网的低惯性问题以及遭受扰动后分布式电源与负荷短时保持功率恒定引入的负阻尼,均会削弱直流电压的动态稳定性.对此深入探讨了直流微电网的动态稳定机理,从电量的角度赋予系统稳定判据物理意义.首先基于直流微电网的伏安特性,分析系统运行点的移动轨迹与稳定运行约束条件.其次,基于直流微电网的状态方程,推导系统的电量模型,分析各端换流器具备的暂态电量对系统稳定运行的影响机理,并结合稳定运行条件,提出基于附加电量的直流微电网的动态稳定裕度及判据.然后,基于直流微电网的动态稳定裕度,通过改进储能侧换流器的电压下垂控制,提出基于附加电量的直流微电网电压动态稳定控制策略,并分析其对直流电压暂态过程的影响.最后,搭建多端直流微电网仿真系统,验证所提电压动态稳定判据的正确性,以及附加电量对直流微电网动态稳定的支持能力.     

基于奇异谱分析的长时交通流混合预测模型

长时交通流预测是综合交通运输系统规划的重要组成部分,也是宏观交通流管理政策制定的重要依据。 针对时序预测 中存在较多噪声及单一模型预测效果不稳定等问题,提出了一种基于奇异谱分析(SSA)的混合预测模型,以提高实际应用中交 通流序列预测的精度与效率。 首先将原始数据经过奇异谱分析后重构为趋势项、周期项和残差项,其中趋势项运用支持向量回 归(SVR)进行预测,并引入灰狼优化(GWO)算法对模型参数进行优化,周期项利用带遗忘机制的在线序列极限学习机(FOSELM)预测,最后叠加两部分得到预测结果。 以真实交通流数据开展实验,本文所提出的混合预测模型的平均绝对误差为 215. 15,均方根误差为 278. 51。 整体结果表明,该模型能够解决单一模型预测结果误差波动大、预测效果不稳定等问题;相比经 验模态分解(EMD)以及未经处理的时间序列,各模型对经过奇异谱分析的时间序列的预测误差均有所减小,进一步证实了奇 异谱分析在时间序列分解中的有效性。     

基于Attention-BiLSTM神经网络和气象数据修正的短期负荷预测模型

基于循环神经网络的负荷预测模型大多将历史负荷数据和影响负荷的其他因素如气象数据等共同作为预测模型的输入特征,但气象数据内部规律性不强,不适合作为循环神经网络的输入.针对该问题,提出一种基于Attention-BiLSTM神经网络和气象数据修正的短期负荷预测模型.采用最大信息系数分析影响负荷的主要因素;考虑到负荷序列较长...     

飞行器电池激活后待机安全性与剩余电量研究

锌银电池作为航空航天飞行器的能源供应设备,激活后不同情况下的剩余电量和安全性决定了电池的剩余可待机时间。利用电池的剩余可待机时间,可以开展故障的现场分析排除和视情择机发射。结合飞行器实际发射过程,在满足飞行器发射、飞行对电池要求的基础上,着重从电池使用的安全性和电池剩余电量两方面论述了电池对飞行器待机的影响,为制定科学的待机方案提供依据。     

基于数据统计特性的GS-SVM电池峰值功率预测模型

以锰酸锂动力电池为研究对象,对电池处于不同温度和荷电状态下的情况进行10 s峰值功率测试,同时测量电池内阻。对实验测试得到的温度、荷电状态、内阻及峰值功率数据进行统计分析,包括测试变量间的相关程度评估和共线性检测,挖掘电池外特性参数与峰值功率数据间的统计关系。在此基础上,提出采用基于网格搜索的支持向量机(GS-SVM)建立电池的峰值功率预测模型。验证结果表明所提模型预测精度高,平均误差仅为3.65%;该模型训练时间短、响应速度快、操作性强,可以实现对动力电池峰值功率的快速估计,为电动汽车安全可靠运行提供有力保障。     

基于时序分解与机器学习的渡槽变形预测北大核心CSCD

南水北调工程中渡槽的安全监测对保证其长距离输水的稳定具有重要的意义。为解决目前渡槽变形预测中原型观测资料挖掘不充分的问题和进一步提升预测的精度,本文提出了一种基于时序分解和机器学习的渡槽变形预测方法。该方法首先使用奇异谱分析法将渡槽变形监测数据分解为周期分量、趋势分量和剩余分量三部分,使用核极限学习机对周期分量和趋势分量进行预测,使用长短期记忆网络结合相空间重构理论建立剩余分量的预测模型,将预测结果叠加,建立渡槽变形组合预测模型。以双洎河支渡槽的变形监测数据为例,验证了该模型的性能。结果表明,所提出的组合预测模型具有较高的精度,并且具有一定的鲁棒性,为渡槽的安全监测提供了新的技术方法。     

双碳目标下基于分解-集成的月度煤电需求预测研究

月度煤电需求预测对于指导双碳目标下煤电发展及保障能源供应具有重要意义,但是月度煤电需求变化具有非平稳性、非线性的特点。为准确预测未来火电需求的变化,基于分解-集成思想,改进奇异谱分析（ISSA）将原始序列进行分解重构,得到多个不同频率的子序列,应用麻雀搜索算法（SSA）改进的极限学习机（ELM）模型预测各子序列,叠加后得到最终煤电需求预测值。以江苏省煤电需求为例,将所提方法与基于集合经验模态分解（EMD）的EMD-SSA-ELM模型和未经分解的SSA-ELM模型进行对比,结果表明所提方法能有效去除噪声分量的影响,误差值最小,平均绝对百分比误差相较于EMD-SSA-ELM与SSA-ELM分别降低8.0%和17.6%,预测精度更高,适用性更好。