ANN在电力系统中期负荷预测中的应用

本文提出了ANN在电力系统中期负荷预测中的应用。基于优化理论，采用改进型BP算法，该算法学习精度高，收敛速度快。通过仿真算例证明了该算法的优点，并将训练结果应用到了配网规划的实例中，验证了ANN在中期负荷预测中的可行性。     

证据理论在短期负荷预测相似日选择中的应用

合理选择预测相似日是提高综合负荷预测模型预测效果的有效途径.依据人工经验选相似日的传统方法并不具备最好的预测效果.选择相似日问题可以归结为一个判决问题,即选择与待预测日气象等因素最相似的一天.影响电力系统短期负荷的因素有很多,且常常难以定量表达,针对电力系统短期负荷预测中存在的不确定性问题,将证据理论应用于短期负荷预测中的相似日选择上来.用广西某地方电网的实际数据验证表明,将证据理论应用于相似日的选取,能较准确选择相似日从而提高了预测精度.     

证据理论在短期负荷预测相似日选择中的应用

合理选择预测相似日是提高综合负荷预测模型预测效果的有效途径。依据人工经验选相似日的传统方法并不具备最好的预测效果。选择相似日问题可以归结为一个判决问题,即选择与待预测日气象等因素最相似的一天。影响电力系统短期负荷的因素有很多,且常常难以定量表达,针对电力系统短期负荷预测中存在的不确定性问题,将证据理论应用于短期负荷预测中的相似日选择上来。用广西某地方电网的实际数据验证表明,将证据理论应用于相似日的选取,能较准确选择相似日从而提高了预测精度。     

模糊理论在中长期负荷预测中的应用

本文先介绍三种用模糊理论进行中长期负荷预测的方法的数学模型，即模糊指数平滑法，模糊线性回归法和模糊聚类预测法，然后以邢台地区实际预测为例，给出预测结果，并对三种方法进行了比较和误差分析，实践证明了这三种方法具有比传统方法预测精度高、预测误差小的优点，应予推广使用。     

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.     

证据理论及其应用

在讨论了证据理论的特点之后，给出辨识框架、基本概率指派函数(BPA)、似然函数( Pl)、信任函数(Bel)和Dempster合成法则的定义，并介绍了利用证据理论解决不确定性 问题的具体步骤。 通过对证据理论已有的实用成果的介绍，指出了证据理论在电力系统中 的应用前景。     

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     

灰色理论在负荷预测中的应用与分析

根据各种应用实例分析原始数据量及原始数据的累积加次数对ＧＭ（１,１）,模型的影响,针对ＧＭ（１,１）模型在电力负荷预测中存在的问题,提出利用ＧＭ（１,１）,模型残差信息建模来缩小预测误差的方法,并指出依据原始数据的不同特点来选择不同的预测模型以期获得更佳的预测结果。     

混沌理论在中长期电力负荷预测中的应用

本文针对传统的非线性回归模型很难求出精确解并且趋势外推发散快、误差大的缺点,提出了一种将非线性回归和混沌预测相结合的中长期负荷预测方法,混沌理论适合描述确定性非线性系统的内在随机性,具有对初始条件敏感、遍历性、规律性等特点,作为确定论和概率论的桥梁,其特性符合电力系统负荷预测的内在要求,并通过与灰色预测方法的比较和详细的算例分析,说明了该方法的有效性。     

回归直线在电力中期负荷预测中的应用

电力负荷预报,是为电网规划、电网拓展、电源合理增长、最佳投资时间等提供决策依据,以获得最大的社会和经济效益。在社会主义市场经济条件下,配合回归直线对中期负荷预报提供了一种预测方法。     

证据理论Dempster法则融合神经网络的短期负荷预测

针对传统神经网络收敛速度较慢且实时性较差的缺点,在考虑气候因素的情况下,分别用改进BP网络、径向基函数网络和Elman网络算法对某地区的负荷进行预测.通过对预测误差的分析,用证据理论的Dempster合成法则对算法进行融合,通过选取待预测日之前几天的数据作为融合样本,规定相应的基本信度函数,得到融合后的信度分配,从而决定相应时刻的预测模型.仿真结果表明,经过证据理论融合后选择的负荷预测算法具有较高的预测精度.     

基于证据理论Dempster合成法则的灰色负荷预测模型融合

首先建立负荷预测的灰色模型,用3种不同阶数的灰色模型对负荷进行预测,针对灰色模型预测存在误差较大且误差变化剧烈的缺点,提出利用证据理论对负荷预测结果进行融合。通过分析3种灰色模型的预测误差,用Dempster合成法则融合预测结果的误差,并将融合后的结果重新用于负荷预测。结果表明,经过证据理论Dempster合成法则融合后的预测结果具有更高的预测精度。     

基于改进的D-S证据理论的中长期负荷预测方法

提出一种基于改进的证据理论的中长期负荷预测方法。该方法采用证据理论中Dempster合成法则和Yager组合规则,融合多种基础预测方法的预测结果,并将基于D-S证据理论的预测模型与专家经验进行无缝结合,使得改进后的预测方法更具实际意义。以某省级电力系统为例进行了负荷预测的分析和对比,结果证明了本文方法的有效性。     

基于证据理论的多模型组合电价预测

传统的组合预测方法主要依靠历史预测误差确定组合权值,预测结果受历史预测误差影响较大,没有考虑预测时点的外界影响因素。利用支持向量机,神经网络和时间序列等多种不同的预测方法,从不同侧面对电价进行预测。利用神经网络等模型对预测的历史误差和预测时点的外界影响因素进行分析建模,建立每个模型的可信度评价模型。采用DS(Dempster-Shafe)证据理论对每个模型的可信度进行分析评价和合成,确立最终的模型组合预测权值。通过该权值对相应的预测结果进行加权求和得到最终的预测结果。以加州电力市场为例,证明了该方法的有效性。     

间接预测法在母线负荷预测中的应用

为避免220kV母线供电区域内负荷转供、停电以及小电源等因素对母线负荷预测的不利影响,提出了一种间接预测母线负荷的方法。首先把母线下网负荷转换成该母线供电区域内的理想用电负荷,再将该理想用电负荷作为历史负荷数据采用系统负荷预测的算法进行预测得到初步预测结果,同时获取待预测日各种影响因素的值,初步预测结果剔除各种影响因素...     

电力负荷预测系统的管理应用

为了加强计划用电管理工作,使电网的安全稳定运行和电力有序供应,通过对负荷预测、负荷考核、限电管理的应用,提高了电能的利用效率,缓解日趋严重的供用电矛盾,在对数据进行统计挖掘的基础上进行综合分析,为电网的调度管理和规划建设提供辅助性决策依据。     

灰色模型在负荷预测中的应用

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。讨论了灰色模型在短期电力负荷预测中的应用,对平常日电力负荷进行预测,其结果令人满意。     

热指数指标在电力负荷短期预测中的应用

就电力负荷短期预测工作引入了热指数指标,它来源于生物气象学的统计结果,是人体感受气温和空气相对湿度综合作用的一组统计数据,推导出热指数在工程应用中的拟合函数,并应用于电力负荷短期预测工作中。热指数能更好地体现电力负荷和气象条件之间的关系,因此提高了电力负荷短期预测的准确度。     

电力系统负荷预测技术

负荷预测是电力系统规划、供电、调度等部门的重要的基础工作,讨论了负荷预测的特点、分类及各种成熟的负荷预测技术,研究了现代负荷预测技术的发展动态,并指出未来主要的研究方向。     

基于混沌理论及小波理论的短期负荷预测

分析了多种负荷预测的方法,着重分析了负荷的混沌特性与小波特性,同时分析了小波变换能够反应负荷的变化趋势与随机因素。利用Matlab工具,建立了基于小波理论与混沌理论相结合的负荷预测模型,并利用该模型对四川某地区短期电力负荷进行了有效的预测。