基于多维特征分析的月用电量精准预测研究

用户用电量的精准预测是智能配用电大数据应用和发展的关键之一。区别于传统的基于行业分类的预测办法,提出基于大数据挖掘技术的用户用电多维度特征识别,以及在此基础上的精准用电量预测方法。基于海量多用户用电特性,建立多维度用电特征评价指标体系。对用户用电特性空间进行聚类和分析,挖掘和识别用电模式。在不同的用电模式下,分别建立用电量时间序列预测模型,避免用电模式差异对预测算法准确性造成的不利影响。该方法适用于大数据平台的分析与处理,算例分析结果表明其相比以往方法能显著提高预测精度和稳定性。     

基于系统动态仿真模拟的第二产业用电量预测研究

从系统动态的观点出发,分析了第二产业用电量各种影响因素的因果关系,构造了由GDP、第二产业电力消费强度两个子系统组成的第二产业电力经济模拟仿真系统,在此基础上建立了第二产业用电需求预测模型。最后通过对辽宁省第二产业用电量的模拟仿真与预测,初步证明了模型的全面性、准确性和实用性。     

基于灰色理论的中长期用电量预测

灰色理论具有所需数据少,计算量少的优点,在很多领域得到广泛应用。用电量预测就是一种典型的灰色系统。将灰色理论应用于我国某地区中长期用电量的预测,与实际用电量对比的结果表明,灰色理论用于该地区中长期用电量预测可行有效,预测结果满足要求。     

基于多元回归的京津唐电网用电量预测

分析京津唐电网的结构和用电负荷特性,考虑区域的特殊性,把地区GDP和当地常住人口总数作为影响社会用电量的主要因素,利用多元线性回归模型对京津唐地区社会用电量进行预测.按照国家政策分析机组现在和未来的关停情况,根据市场形势分析京津唐地区新增装机容量,得出全年机组利用小时数,为所在区域电厂和电网公司制定年度发电计划和经营预...     

直流微电网在现代建筑中的应用

设计了一个符合现代建筑特点和需求的直流微电网供电系统,并在MATLAB中对该系统进行了建模与时域仿真。仿真证明,采用直流微电网能够很好地为现代建筑中的各种负荷提供高质量的电能。     

基于即时学习差异化建模的用电量预测方法

针对日用电量呈现多样化发展趋势,提出一种即时学习LL(lazy learning)差异化预测模型。LL基于相似输入产生相似输出,采用K向量近邻K-VNN(K-vector nearest neighbors)挑选与预测日期相似的用电场景,并以此"即时"构建回归预测模型。为缩小K-VNN的搜寻规模,通过模糊C均值FCM(fuzzy C-means)依据预测特征值进行数据聚类。灰色T型关联度用来选择特征值,进一步提高模型的运行效率。武汉某高校大楼的用电量预测结果表明:FCM-LL差异化建模方法在日用电量的预测效率和预测精度中具有显著的优越性。     

基于改进BP神经网络的建筑用电量预测

在建立城市层面的建筑用电量预测模型时,对BP神经网络结构及其训练算法进行了研究。针对常规BP网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的L-M算法进行了改进,建立了基于改进BP神经网络的建筑预测模型。最后通过上海市某栋公共建筑原始用电能耗统计数据作为样本对该预测模型进行了验证,验证结果表明,基于改进BP神经网络的预测模型适合建筑的用电量预测。     

基于多维度与QGA LSSVM算法的制造业用电量预测

从制造业内部各微观行业出发,设计了与制造业用电密切相关的产品产量、行业投资和景气指数3个维度共35个指标,按相关性原则选取制造业用电量关键影响指标,并采用QGA-LSSVM算法构建制造业用电量预测模型。安徽省制造业季度累计用电量预测实例结果表明,该方法预测结果准确可信,预测效果明显好于基于制造业经济总量和基于非关键影响因素方法,为电力市场和经济运行分析预测人员提供了一种有效手段。     

基于混沌理论的城市用电量预测研究

阐述了混沌理论及其在城市用电量预测中的具体应用, 针对城市用电量时间序列的非线性特点,结合混沌理论和神经网络理论,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的城市用电量神经网络模型.并将该模型在H市用电量预测中进行了初步应用,结果表明,该方法需要的训练数据较少,预测结果整体误差的指标较好,容易确定输入节点个数,呈现较好的综合预测性能,在城市用电量预测中有广泛的实用价值。     

基于混沌理论的城市用电量预测研究

阐述了混沌理论及其在城市用电量预测中的具体应用, 针对城市用电量时间序列的非线性特点,结合混沌理论和神经网络理论,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的城市用电量神经网络模型.并将该模型在H市用电量预测中进行了初步应用,结果表明,该方法需要的训练数据较少,预测结果整体误差的指标较好,容易确定输入节点个数,呈现较好的综合预测性能,在城市用电量预测中有广泛的实用价值.     

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。     

基于新陈代谢灰色马尔可夫模型的工业园区用电量预测

单一的灰色预测模型只能反映工业园区月用电量的总体变化情况,无法反映用电量随生产计划和季节变化的波动特点。为此,将灰色预测、新陈代谢法与马尔可夫理论三者的设计思想相融合,优化灰色模型的维数,引入马尔可夫修正系数,建立新的改进模型。通过案例的分析研究,新陈代谢灰色马尔可夫模型能够较好的提高预测的精度。     

智能优化灰色模型在中期用电量预测中的应用

传统GM(1,1)模型在参数a的绝对值较小的情况下近期用电量预测精度较高,中期用电量预测往往误差较大,一定程度上是由于GM(1,1)模型的背景值x(1)(k)取前后2个时刻的平均值造成的.引入向量θ得背景值序列的精确计算式,将GM(1,1)模型推广为GM(1,1,θ)模型.应用微粒群优化这一智能算法求解最优向量,从而构建GM(1,1,θ)模型,并将该模型应用于山东省中期用电量预测.实例分析表明,与传统GM(1,1)预测模型相比,智能优化模型较好地得到了预测点的预测结果,更适用于中期用电量预测.     

基于Gauss插值的正交化预测方法在智能电网用电量预测中的应用研究

智能电网的一个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标。在此背景下,将高斯正交化插值方法与灰色GM(1,1)预测模型相结合,构造一类新的灰色正交化预测模型——NGGM（1,1）,并将此模型应用于智能电网用电量预测研究中。该模型可以有效地解决非等距序列的预测问题,较大程度提高模型的预测精度,优化数据质量,加强电网运行及调配的智能性,为智能电网的辅助决策提供更为符合实际的、可操作的科学参考。最后用所提出的方法对江苏省2008年工业用电量进行预测研究,其结果表明了所提方法的有效性。     

基于Gauss插值的正交化预测方法在智能电网用电量预测中的应用研究

智能电网的一个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.在此背景下,将高斯正交化插值方法与灰色GM(1,1)预测模型相结合,构造一类新的灰色正交化预测模型--NGGM(1,1),并将此模型应用于智能电网用电量预测研究中.该模型可以有效地解决非等距序列的预测问题,较大程度提高模型的预测精度,优化数据质量,加强电网运行及调配的智能性,为智能电网的辅助决策提供更为符合实际的、可操作的科学参考.最后用所提出的方法对江苏省2008年工业用电量进行预测研究,其结果表明了所提方法的有效性.     

基于改进灰色GM模型的用电量预测方法研究

季度用电量同时具有增长性和季节波动性二重趋势,而灰色GM(1,1)预测模型只能反映用电量的总体变化趋势,不能很好反映其季节性波动变化的具体特征。提出灰色GM(1．1)用电最预测模型的改进模型——灰色季节变动指数模型GSI(1,1)模型,将灰色预测方法与季节指数有机结合起来。算例表明,与灰色预测方法相比,GSI(1,1)模型具有更强的适应性和更高的预测精度,适用于季节性用电量预测。     

基于相似体合成算法的甘肃省用电量预测

根据甘肃省电力消费增长与经济增长关联的特性分析,宜采用相似体合成算法（AC算法）对甘肃未来电力消费进行预测。介绍了AC算法及其对甘肃省2009～2012年电力消费预测的应用。经检验,该方法预测结果的准确度较高。     

基于多维特征分析的链式电网短期用电量预测研究

针对链式电网短期用电量既具有波动性,又具有非线性特征,导致用电量预测精度低的问题,进行了基于多维特征分析的链式电网短期用电量预测研究。结合组织映射电网与实际环境,借助多维特征分析方法从非平稳随机序列中提取趋势变量和周期变量。通过计算用户多维特征评价结果,能够构建用户多维度用电特征集合,依据该集合分类多维用电特征集,分别为电模式特征和辅助用户特征,通过这些特征能够获取时间序列关键性信息,构建多维特征分析下用电量预测模型,获取整体数据流转情况,完成链式电网短期用电量预测。通过实验研究结果可知,该方法预测效果较好,相比于以往方法能显著提高预测精准度。     

用电量组合预测方法的研究

用电量预测是电力系统调度、实时控制、运行计划和发展规划的前提,是电力部门最基本的决策信息。文章综合考虑经济状况、气候条件等影响用电量的因素,以湖北省历年的数据（包括GDP、产业结构、人口数量、环境平均温度）为基础,采用主成份分析和神经网络相结合的组合方法对湖北省用电量进行预测,预测精度较单一方法更高,可为该地区电力系统提供参考。     

应用于月度用电量预测的小波分析法

月度用电量预测是中期负荷预测的主要内容,也是制定月度发电规划的基础。文中以美国亚利桑那州为例,采用小波分析法,首先使用小波变换获得若干个采样点减少一半的小波系数;然后分别对各系数插零、重构,恢复到原数据的长度;最后采用RBF神经网络对恢复长度的各系数进行预测。该方法将月度用电量的时间序列分解成趋势项和波动项,分别进行预测,提高了预测精度。