电力系统短期负荷离线预测研究

针对某电网负荷预测问题，提出了对灰色预测法和单指数平滑法的有效改进，并将改进后的方法以及两种方 法的组合预测应用于实际负荷预测问题中，获得了满意效果。文中通过一个计算实例，比较了改进前后这几 种方法的预测精度，并列出了采用这几种方法进行负荷预测的满意结果。     

应用函数联接网络预测电力系统短期负荷

采用函数联接的神经网络进行电力系统的短期负荷预测。将输入模式映射到维数更高的模式 空间，使在原空间中不可分的问题，在更高的空间中成为可分，从而只须采用无隐含层的平 面网络即可进行电力系统负荷预测。实测结果表明该方法可行。     

基于点模式匹配的电力系统短期负荷预测

输电网短期负荷预测是电力调度的基本依据。文中基于点模式策略，并借助模拟退火算法，提出了一种短期负荷预测的新方法。从模式的角度看，负荷的变动也可以看成是模式的转换。该方法首先通过相关性分析找出输入输出数据关系以及各输入数据所占的权重；然后由点模式匹配法求得各输入数据的变换值；最后由变换值、输入数据及其权重得到短期负荷预测的结果。将该方法用于一个实际系统，预测结果表明该方法预测效果较好。     

受天气因素影响的电力系统短期负荷预测综述

1概述电力系统负荷预测[1,2]按照预测期限的不同,可以分为长期预测、中期预测、短期预测、超短期预测。短期负荷预测是指提前预报未来几小时、1天至几天的电力负荷,主要用于安排日开停机计划和发电计划。对一个电力企业而言,提高运行的安全性和经济性,提高发电设备的利用率和经     

基于自适应神经模糊推理系统（ANFIS）的电力系统短期负荷预测

采用ANFIS（Adaptive Neuro-Fuzzy Interference System）进行电力系统短期负荷预测。ANFIS将模糊理论与神经网络融合，利用神经网络来实现系统的模糊逻辑推理，采用混合学习算法调整前提参数和结论参数，自动产生模糊规则。利用某局网负荷数据对网络进行训练和检测，所得结果表明利用ANFIS预测负荷有效。     

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。     

灰色理论在电力系统负荷预测中的应用

结合一个实例，提出了用灰色理论模型来预测电力系统负荷的方法。     

电力系统精确仿真与负荷模型实用化

计算机技术、通信技术发展到今天，在电力系统中安装广域测量系统以记录系统固有的扰动数据是完全可能的。文中提出精确仿真的概念，就是要以这些实验数据作为修正模型和参数的依据，使电力系统动态仿真逐渐精确起来，从而把电力系统规划设计、运行和研究建立在真正定量的基础上。着重介绍了基于实测数据建立负荷模型的方法、发电机组稳定控制器与负荷模型的关系以及负荷模型如何实用化。     

基于系统动力学的电力系统中长期负荷预测

将系统动力学应用于电力负荷的中长期预测。首先根据历史用电情况分析建立模型结构图，然后进行方程式设计，最后通过仿真和参数敏感度测试证明模型的合理性和实用性。电力系统负荷中长期变化是一个受政策、经济等多方面不定因素综合影响的动态过程，采用系统动力学的方法进行预测可以充分利用专家的经验，并且在模型使用中不断积累经验，提高了预测精度。     

短期负荷预测的综合模型

进行实际短期负荷预测时，对某个固定地区，用不同预测方法可能得到不同的预测结果。文中基于对这些不同的预测结果的分析，提出了以得到一个唯一的综合预测曲线为目标的优化模型。根据模式识别的基本原理，这个新模型以待预测日与历史日之间相关因素的最佳匹配为原则。通过虚拟预测结果与实际负荷曲线数据的误差平方和的最小化，可以得到综合模型中各种单一预测结果所占的权重值大小。实际算例研究表明，综合模型的预测结果优于各种单一方法的预测结果。     

短期负荷预测的Ensemble混沌预测方法

负荷记录中的噪声以及预测方法中矩阵数值计算的奇异性，使得一次预测得到的结果具有较大的误差。为了降低初值中噪声的不利影响，将数值天气预报中的Ensemble方法移植到短期负荷预测中。在混沌相空间重构预测中，在参考矢量上叠加一定强度的正态分布噪声，形成多个扰动后的参考矢量，分别预测后得到多个预测结果，再由这些预测结果合成概率化的预测结果。采用这种Ensemble技术，不仅可以提高预测准确率，还可以得到概率化的预测结果。     

基于神经网络电力系统短期负荷预测的MATLAB实现

介于电力负荷预测在电力系统中的重要性,首先描述了电力负荷预测对电力系统的重要意义,分析了传统电力负荷预测方法的优缺点,在详细分析BP神经网络原理的基础上,设计了负荷分析方案,通过对某市负荷数据的分析,并且在充分考虑了日常负荷与天气因素的关系之后,建立了神经网络短期负荷预测模型,并进行短期预测,验证了其具有较高的精度,且具有很强的稳定性,适合多种不同的预测环境。     

灰色模型在短期电力负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务，根据不同的预测对象，常用的方法有概率统计法、时间序列分析及灰色系统等等。文章讨论了灰色模型GM(1，1)及其改进模型在短期电力负荷预测中的应用。采用ARIMA(p,d,q)模型与GM(1，1)改进模型对特殊日电力负荷进行组合预测，提出了适合电网特殊日电力负荷预测的数据处理方法。提高了预测的精度。准确度到了95%以上，解决了每日24点正点采样情况下预测精度较低的问题。     

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报的几种改进手段

采用时间序列法(ARMA)对电力系统进行短期负荷预报，着重研究了负荷样本伪数据的处理以 及如何建立从自动搜索定阶到节假日预报一整套的程序化模型，所编制程序在HP486 PC机上 获得通过。采用负荷数据为上海某供电局1995年5月份小时负荷报表，预报结果的日平均误 差为1%～3%，最大误差不超过5%。     

模糊集理论在电力系统短期负荷预测中的应用

由于模糊系统能够在任意精度上一致逼近任何定义在致密集上的非线性函数，具有从大量数据中提取相似性的强大能力，且能同时利用数据信息和语言信息，因此模糊集理论在电力系统短期负荷预测中得到了越来越广泛的应用。文中对模糊集理论应用于电力系统短期负荷预测中的研究现状进行了综述，包括模糊集理论分别与专家系统、传统的预测技术、人工神经网络相结合在短期负荷预测中的应用，以及模糊逻辑系统在短期负荷预测中的应用，并指出了这一技术的发展趋势及应用前景。     

短期负荷预测方法的研究及在线应用

根据邯郸地区的负荷特点，将负荷预测分为正常日和节假日两种预测模型。在正常日预测中，采用基本负荷 加修正负荷的思想，修正负荷通过自组织人工神经网络训练得到；在节假日预测中，采用将历史负荷按“近大 远小”加权平均的思想。同时，应用最小二乘递推算法修正模型，进行在线预测。此外，还开发出相应的软件 包用于实际预测工作，并根据邯郸地区的实际情况，通过对MIS中公共数据库的访问，实现了负荷、气象数 据的自动获取和录入，减轻了运行人员的负担。     

电力系统多级负荷预测及其协调问题:（一）研究框架

基于对传统负荷预测中总需求与各子需求预测结果的不均衡现象的深入分析，揭示了电力系统负荷预测问题所具有的“多维多级”特点。在此基础上，提出了电力系统中多级负荷预测协调的科学问题，阐明了多级负荷预测和多级负荷预测协调的新理念。进一步分析了负荷预测模型的“量测”特性，并将多级预测协调与状态估计进行了类比，阐明了多级预测协调的理论基础。文中还探讨了多级负荷预测协调问题的类别及其各自的特点，提出了基本协调和关联协调模式，由此建立了多级预测协调问题的理论研究框架。希望该研究能够丰富和发展负荷预测理论，为广大预测人员提供一些参考。