基于系统论的负荷预测集成化方法

提出了一种基于系统论的负荷预测集成化方法，该方法将负荷预测视为一个系统，从系统出发得出“自顶而下”的全新预测思路，从而充分体现了负荷预测系统的整体性、相似性和层次性等特点。该方法集成多种负荷预测方法得出总量预测的结果，并将总量进行具体划分，得到负荷的地理时空分布信息。体现了整体与个体的不同，又体现了个体与个体之间的相似。通过实际工作中的应用，证明了整套方法是可行的和有效的。     

混沌时间序列预测在短期电力负荷预测中的应用

混沌吸引子具有空间的遍历性、总体的稳定性、吸引性和内部分形性，使得混沌预测成为可能。采用非线性系统理论对电力系统的历史数据进行分析，并基于改进的混沌吸引子模型对山西电网实际负荷数据进行短期预测，预测结果相对误差小、精度高，为电力系统短期负荷预测提供了一种新的预测方法。     

开放式SCADA/EMS系统支持的在线负荷预测系统

通过分析适用于负荷预测的数学方法，构成能在线实时运行的负荷预测系统。 为提高精度，采用自修改机制和加权组合方法。考虑了天气因素对电力负荷的 影响，并给出实际电网的计算结果。     

电力系统边际电价的混沌特性及预测

采用非线性系统理论对电力系统历史边际电价数据序列进行了特征分析，根据边际电价时间序列具有分数维D2及最大Lyapunov指数λ1大于零，发现电力系统边际电价具有混沌特性。按照本文给出的相空间近邻等距方法，对某电网实际电价数据进行了预测，结果与实际相符，为电力系统电价预测提供了一种新的预测方法。     

基于外部观测的电力系统暂态稳定性实时预测和控制方法

基于外部观测的思想，本提出了一种新的预测电力系统暂态稳定性的方法，在此基础上进一步提出了暂态稳定紧急控制的原理和算法。本所提出的方法简单，概念清楚，只需采集少量电磁功率，不需预先知道系统的网络结构和参数，能准确反映系统的真实运行情况。通过对两个实际系统的仿真结果表明，本方法的预测和控制结果准确有效。     

基于自动服务的智能径流预测系统

为提高径流预测精度，减轻径流预测工作强度，基于Windows服务和优化技术，采用面向对 象编程语言C#及ASP. NET开发工具，开发了扩展性好、移植性强的自动化、智能化径流预测系 统。文中叙述了该系统的开发目标、结构功能及特点、采用的关键技术。该系统已应用于多个流域 水电站，实际运行情况表明，系统运行稳定，效果良好。     

焊接裂纹预测及诊断专家系统

利用ＰＲＯＬＯＧ语言建立了一个焊接裂纹预测及诊断专家系统（ＷＣＰＤＥＳ）。该系统能预测产生焊接裂纹的可能性，诊断焊接裂纹的性质，制定焊接工艺和修复工艺，对于解决焊接裂纹问题具有实际意义。经工程实例评价表明，系统决策的结果与实际相符，基本上达到了焊接专家解决裂纹问题的水平。     

复杂系统可靠性上下限预测的一种简化方法

由于复杂系统可靠性上下限预测法具有如下主要优点：其一，不要求各单元之间相互独立：其二，既适用于各种储备系统，又适用于多种目标和阶段工作的系统；其三，还适用于难以建立精确数学模型的系统，因而获得了比较广泛的应用，其缺点是：为了获得精确的预测结果，必须进行多次逼近，并随着逼近次数的增多，计算也越来越复杂。本文给出了一种便于工程实际应用且计算简单、误差较小的公式。     

基于Internet/Intranet的负荷预测系统方案

基于Internet／Intranet的负荷预测系统代表了未来电力系统负荷预测技术的发展方向。文中介绍了实现此类系统的具体方案，讨论了其应用服务器、数据库服务器的结构功能配置和维护方式，并从实际运用角度出发对此系统总体结构和工作机制进行了描述，最后分析了所提出的系统方案的特点和应当注意的问题。     

电力系统短期负荷预测系统的实现

介绍了一个短期负荷预测系统。该系统采用多元线性回归、时间序列、指数平滑、均值等实 用模型加权组合预测，充分利用各模型的互补性，以满足实际运行精度的要求；并在数据准 备、初始化及预测过程中采用了多种有效的处理方法，从而能更好地反映负荷的变化，适应 我国国情。该系统已投入运行，具有较高的精度和实用性，是调度运行人员的有力工具。     

基于卡尔曼滤波的短期负荷预测方法的研究

负荷历史数据是负荷预测的基础。负荷历史数据由于测量、人为等因素而造成不准确，因而导致负荷预测也不准确。文中提出利用最小二乘法线性拟合建立负荷数据基本模型，用3次样条插值对卡尔曼滤波器的系统参数进行辨识，最终用卡尔曼滤波器对历史数据进行预处理，以纠正由于测量错误或人为改动的数据。对文中所提方法进行了验证。结果表明，后验误差在3％之内，效果很好。     

基于Softmax概率分类器的数据驱动空间负荷预测

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。     

多元数据融合的智能配电网负荷分析预测管理系统

针对多元大数据在智能配电网中的应用问题,为实现配电网的精益管理、科学预测和合理规划,文章开发了多元数据融合的智能配电网负荷分析预测管理系统。对软件系统的总体框架进行了设计;对软件系统的各功能模块进行开发和介绍;给出了软件系统的一个应用实例。该系统充分利用海量的历史负荷数据进行负荷特性分析,建立负荷特征库以及业扩信息库,通过对新接入用户进行信息匹配实现负荷管理及最大负荷预测。此外,该系统建立负荷预测方法模型库,可提供不同维度的负荷预测功能,从传统的地区负荷预测转变为馈线负荷预测,结合馈线现状以及业扩信息优化用户接入决策。总的来说,该系统具有功能模块数据链路互通、不同功能之间能提供信息支持、整体采用模块化设计思想等特点,可满足电网企业的日常应用需求。     

基于粗糙集理论和动态时序模型的日负荷曲线预测新方法

作者提出了一种短期日负荷曲线预测新方法.该方法首先采用日最小负荷对日负荷曲线进行规范化,再将日负荷曲线预测转化为对日最小负荷的预测和对日规范化负荷曲线的预测.对日最小负荷预测应用动态时序模型;对日规范负荷曲线应用专家系统进行推理预测,专家系统中的推理规则应用粗糙集理论从历史数据中获取.采用上海电网数据对该预测方法进行了测试,结果表明该方法便于对各种影响因素进行分析处理,能够更有效地利用历史数据所包含的信息.     

粗集理论在电力系统负荷预测中的应用

电力负荷预测的准确性对于电力系统的合理规划与建设意义重大.影响负荷预测准确性的最主要因素是原始数据的不确定性.文章应用粗集理论研究了历史数据不确定性影响下的电力系统中长期负荷预测问题.在结合具体实例的基础上,应用粗集理论给出了从负荷预测建模、缺失数据补齐、有效数据筛选到决策规则生成、最终得出负荷预测结果的一完整的预测过程.算例分析表明,应用粗集理论解决数据不确定性影响下的电力负荷预测是可行的.     

基于灰色模型的短期电力负荷预测系统设计

高精度的短期电力负荷预测在现代电力系统的安全和经济运行中起着重要作用。介绍了短期电力负荷预测系统的结构与数据库E-R图。给出了预测考核标准公式,该预测系统具有界面美观、简单适用等特点。实践证明,系统在减轻调度人员负担,实现调度自动化方面发挥了重要作用。     

基于自适应最优模糊逻辑系统的短期负荷预测方法

提出了一种基于自适应最优模糊逻辑系统的电力系统短期负荷预测方法。首先通过最近邻聚类算法对负荷历史数据进行分组,再将每一组数据（一个聚类）视为一个数据对,用最优模糊逻辑系统来进行预测系统的建模。实验结果表明,这种预测方法具有简单、实用等特点,且能达到较高的精度。     

运用决策支持对象实现短期电力负荷预测

运用微软通用的决策支持对象(DSO),结合区域电网气象负荷数据库设计了决策树形式的数据挖掘模型并实现了日负荷预测系统.在描述了DSO分层结构特性之后,分析研究了日负荷预测的决策树数据挖掘模型构造过程并给出了程序化实现方法,进一步实现了通过决策树算法的负荷预测过程.实际使用的效果统计分析结果表明本系统达到并超过实用标准,具有智能自适应、自学习和全过程自动化,通用可靠以及准确率高等特性,是值得推广的方便实用型负荷预测工具.     

基于改进长短期记忆神经网络的短期负荷预测

精确的负荷预测是电力系统规划、设计的有力支撑,是电网安全经济运行提供重要保障。实际应用中,存在由于数据采集设备故障、系统突发事件导致相关数据资料不准确从而影响短期负荷预测结果的情况。本文提出基于小波变换的长短期记忆神经网络负荷短期负荷方法WT-LSTM(wavelet transform -long short-term memory),利用小波变换的时频特性对负荷数据的伸缩变换进行细化,实现高频系数量化处理;结合长短期记忆神经网络的梯度计算,提高负荷预测的准确性和可靠性。通过变电站负荷数据以及区域办公楼实验,仿真结果表明本文方法能够有效处理负荷原始数据中的噪声,从而提高负荷预测精度和鲁棒性。     

基于SD-SVM的负荷预测研究与应用

以临沂地区电网负荷预测系统开发为背景,以提高电网负荷预测精确度为目的,提出了基于相似日的支持向量机的(SD-SVM)负荷预测应用方案.介绍其实现的原理、业务功能及其在实例中的系统体系架构和实现技术.重点对系统采用的SD-SVM数据模型算法作了描述.该项应用研发,实现了对地区电网负荷的智能预测、自动分析、气象数据处理等功能,提升了调度人员对电网负荷变化趋势的预见性、掌控的即时性.SD-SVM法的负荷预测结果对气象因素变化较大时有明显的精度优势,具有很好的适应性.实用结果证明这一研发的实时性和预测精度优于基于传统SVM理论的预测方法,能够满足地区电网负荷预测实用性、有效性、智能化的要求.