基于多尺度分析的电力月负荷预测

介绍了小波分析原理及多尺度分析法。根据月度负荷的增长和波动趋势，利用多尺度分析法将月度负荷序列进行分解，采用灰色理论法和神经网络法对序列进行预测，建立了优化预测模型，该模型优于只考虑单一发展趋势的负荷预测模型。计算结果表明，该方法可以明显提高月度负荷预测的精度。     

基于神经网络和支持向量机的电力系统负荷预测方法

提高电力系统负荷预测的精确度是当前负荷预测工作的难点。考虑到神经网络可以逼近任意的非线性关系，而支持向量机能够将约束问题转化，容易地找到全局极小。本文提出了一种基于神经网络和支持向量机的混合负荷预测方法，此方法能通过支持向量机消除了神经网络的总和较小，但单点误差较大的不利现象，而神经网络消除了支持向量机对于模型的简单化问题。最后，负荷预测结果表明本文的方法非常有效。     

小波去噪和神经网络在电力负荷预测中的应用研究

为了降低历史负荷数据噪声对负荷预测的影响,提高电力负荷的预测精度,提出了一种基于小波去噪和BP神经网络的电力负荷预测方法。首先,对所得电力负荷数据进行了小波变换去噪处理,有效去除了噪声,然后利用BP神经网络在非线性处理中的优异特性,对小波去噪后的电力负荷进行了BP神经网络建模训练及仿真。实验结果表明:相比于其他电力负荷模型,该方法可以有效提高电力负荷的预测精度,是一种有效的电力负荷预测方法。     

电力系统负荷预测方法分析及应用

电力系统负荷预测对于促进电力行业发展有着积极影响,负荷预测结果可以直接用于电力系统运行管理,从而提高系统运行的稳定性、安全性以及积极性。本文首先对电力系统负荷预测的概念和意义,对现有的负荷预测方法进行分类,并结合实例分析了其具体应用。     

基于QPSO-WNN和模糊理论的电力系统短期负荷预测方法

电力系统的短期负荷预测是电力系统管理的一项重要方法,准确的负荷预测可以保证用户得到安全、经济的供电。针对负荷预测方法的多样性,在小波神经网络用于负荷预测的基础上,提出基于量子粒子群优化算法（QPSO）优化神经网络权值,并运用模糊理论进行修正。某电网负荷的拟合数据表明QPSO优化算法训练的神经网络不仅收敛速度明显加快,而且其预报精度也比较高。     

基于ARMA模型的电力系统负荷预测方法研究

采用加权最小二乘法参数估计方法，得到应用于电力系统日负荷预测和月负荷预测的ARMA模型，实验预测结果表明，用ARMA模型进行电力负荷预测是非常有铲的。尤其是采用加权最小二乘估计的ARMA模型，预测精度更高。     

基于QPSO-WNN和模糊理论的电力系统短期负荷预测方法

电力系统的短期负荷预测是电力系统管理的一项重要方法,准确的负荷预测可以保证用户得到安全、经济的供电.针对负荷预测方法的多样性,在小波神经网络用于负荷预测的基础上,提出基于量子粒子群优化算法( QPSO)优化神经网络权值,并运用模糊理论进行修正.某电网负荷的拟合数据表明QPSO优化算法训练的神经网络不仅收敛速度明显加快,...     

配电网空间负荷预测方法分析

空间负荷预测不仅能够预测未来负荷的发展,而且可以揭示负荷的空间分布,因而可以有效适应配电网规划工作日益精细化的要求。本文分析了空间负荷预测方法的种类、流程,还结合实例阐明了负荷密度指标法、用地仿真法的应用效果。     

变参数QPSO算法优化神经网络的短期电力负荷预测

为了提高电力负荷预测精度,提出了一种变参数量子粒子群(VPQPSO)算法优化RBF神经网络的短期负荷预测模型(VPQPSO-RBFNN)。首先利用电力负荷的混沌性,对短期负荷时间序列进行相空间重构;然后采用变参数QPSO算法优化RBF神经网络参数对重构后的短期负荷时间序列进行学习,建立短期电力负荷最优预测模型;最后采用对某地区短期电力负荷进行预测。VPQPSO-RBFNN可以准确描述复杂多变的电力负荷变化趋势,提高了电力负荷的预测精度,仿真结果验证了VPQPSO-RBFNN可以用于电力系统负荷预测。     

基于ARIMA模型的区域用电量预测方法

传统区域用电量预测方法存在预测能力差的问题，为此，提出基于ARIMA模型的区域用电量预测方法。获取区域的历年用电量数据进行预处理，获取统一的用电量数据；再利用ARIMA模型对用电量时间序列进行平稳性检测，利用最小二乘估计方法估值用电量参数；最后结合线性神经网络构建区域用电量预测模型，将统一的用电量数据放入模型中进行计算，以此完成区域用电量的预测。实验结果表明，所提方法可以有效检测出电量负荷及电量同比增速，预测能力强、预测精度高。     

Formulation and analysis of a rule-based short-term loadforecasting algorithm

The formulation of rules for the rule base and the application of such rules are discussed. The classification of the load forecast parameters into weather-sensitive and nonweather-sensitive categories is described. The rationale underlying the development of rules for both the one-day and seven-day forecast is presented. This exercise leads to the identification and estimation of parameters relating load, weather variables, day types, and seasons. Sample rules that are the product of identifiable statistical relationships and expert knowledge are examined. A self-learning process is described which shows how rules governing the electric utility load can be updated. Results from both the one-day and seven-day forecast algorithms are presented, where the seven-day forecast is generated using both accurate and predicted weather information. The monthly average load forecast errors range between 2.97% and 10.71% for the seven-day forecasts. For the one-day forecasts, the average seasonal errors range between 1.03% and 1.53%     

组合预测方法在电力系统负荷预测中的应用研究

本文阐述了组合预测方法与电力系统符合预测概念和组合预测方法的应用原则、模式和基本形式,并通过对组合预测在电力系统负荷预测中的作用及意义,就对组合预测方法在电力系统负荷预测中的应用研究进行了分析。     

Linear and neural dynamic models: shared benefits between the industrial customer and the ESCo from the energy services' perspective

In this corrspondence, we investigate the application of linear and neurodynamic models to solve the critical problem of obtaining the most cost-effective electrical load forecast for an industrial site. This is done from the perspective of an energy service company (ESCo). The ESCos' business model is based on the notion of making money by providing a means to enable their commercial customers to lower their electric bills. This in turn is based on the idea that the energy supplier's cost of doing business is reduced if its commercial customers can provide a reliable load forecast. A portion of that cost savings is passed on to the user as a discount in the selling price. Since it is not cost effective for the customer to install extensive monitoring instrumentation, the load forecast must be made on the basis of a model that is determined by applying systems identification techniques to the user's consumption pattern. By a single-point observation of the electrical energy consumption in a dairy plant at quarter-hour intervals over a two-year period, we were able to identify a model and use it to devise a straightforward strategy for nontrivial cost savings to the user and a profitable line of service for the ESCo. The performance of several models is compared. The results for the weekly-based models are reported and the effective cost reduction along with the implementation time to set up the service package are quantified and verified in the proposed final business plan. The project produces overall revenues of roughly /spl euro/13 600 over a five-year contracting period.     

基于季节指数趋势法预测10086话务量

研究了季节指数趋势法预测10086月平均话务量,以某省10086的历史话务数据为基础进行预测,并对比分析了预测结果与实际话务量。     

基于ART算法的电力负荷预测

为了有效支持用电管理决策及负荷预测,在分析用电管理及智能辅助决策支持技术发展现状的基础上,提出了一种基于自动回归树(ART)算法的电力负荷预测方法.利用该预测方法对电力远程自动抄表系统所采集的历史数据进行了处理分析.针对实际系统应用,验证了该方法适用于短期负荷预测,也适用于时未来电力负荷的准确快速预测.因此它是一种行之有效的方法.     

应用混沌优化方法的月用电量预测

利用混沌运动的初值敏感性、遍历性、随机性等特点。通过对混沌优化搜索过程的分析，提出了基于混沌优化方法的月用电量预测模型。在此基础上，应用混沌优化方法确定月用电量预测模型参数，给出了具体实现步骤。实际月用电量预测的结果表明：此模型能够更为快速、准确地预测月用电量。     

Spatial electric load forecasting: A tutorial review

A spatial load forecast is a forecast of the future locations and magnitudes of electric load within a utility's service territory. Such forecasts are a necessary part of power delivery system planning. This paper presents a comprehensive review of spatial load forecasting techniques. A discussion of planning needs, uncertainty, spatial growth character, and forecasting error focuses attention on the essential qualities of a spatial forecast. The various approaches to forecasting are then reviewed, compared, and evaluated on a uniform basis. Emphasis is on the use of two-dimensional signal theory as a uniform framework for analysis of load, growth, error, and forecast model behavior.     

用矩阵形式的电路方程分析多层特斯拉线圈

论文引介一种用解析几何原理分析有载二端口网络主要电气量与负载关系的方法。根据二端口网络解析表达式和复变函数映射原理，在复平面绘制一张几何图形。当负载阻抗等参数改变时，会引起该图形某些线段与圆弧的变化，从而直观地观察二端口网络主要电气量的联动变化趋势。该方法具有直观、全局和动态的特点，可以促进解析几何与复变函数在电路分析中的应用。     

小波变换和BP神经网络在电力负荷预测中的应用

介绍了小波变换和BP神经网络理论,根据分析所用负荷数据的特点,采用两种理论结合的方法,对电力系统中长期负荷进行预测.通过仿真验证了该方法的有效性.