基于乘积季节ARIMA模型的供热负荷预报

针对传统的供热调度缺乏对未来供热量进行有效估计这一问题,提出一种基于乘积季节ARIMA模型的供热负荷预报方法.将乘积季节ARIMA模型引入供热负荷预报,通过分析供热负荷数据其固有的趋势和周期性,建立适宜的季节性ARIMA模型,预测未来24小时的供热负荷.采用大庆地区某热力站的供热数据进行建模和仿真预测,其结果的最大误差为3.14%,日预报平均误差为1.45%.实验结果表明,给出的预报结果真实可靠,能够满足供热工程的实际需求,其预报值将成为供热负荷调度和节能的重要依据.     

基于BP网络的空调负荷预报建模方法的研究

对用ＢＰ网络进行逐时空调节负荷的建模方法进行了研究。提出了两种类型负荷预报模型,基于建筑模型辩识的负荷预报法和基于时间序列的负荷预报法。并分四种具体情况进行了分析,了一种较为适合的负荷预报方法,这对于蓄冷空调系统优化控制的实施具有重要的意义。     

工业区管网扩供节能模拟研究

根据工业区供热管网具有白天与夜间热负荷不同的特点,研究管网扩建后供热节能运行方案,利用MATLAB语言编制了水力工况模拟程序,通过模拟分析的方法研究利用现有供热管网实现全部建筑供热的可及性,同时提出采取有效的节能运行措施实现全部建筑的正常供热.本文对具体工业区供热管网进行研究,得出适合工业管网扩供运行的节能方案.     

一种基于最大熵法的高分辨率GPS多路径信号延迟估计方法

在对相关延迟估计方法分析的基础上,给出了一种基于最大熵法的高分辨率延迟估计方法,用来对GPS多路径信号延迟进行高分辨估计。首先利用互功率谱计算法把时域的延迟变换到频域的频移,然后把求得的功率谱等效为一个时间序列,再对该时间序列求最大熵功率谱。最大熵功率谱是一种最大限度地保留截断后丢失的＂窗口＂以外信号信息的估计方法,它使估计谱的熵最大,具有高频率分辨率,从而可以实现对延迟时间的高分辨率估计。仿真结果说明：该方法可对2倍采样周期的延迟进行正确估计,比相关延迟估计方法有较大提高。     

自回归谱Marple算法的计算机模拟与分析

用Marple算法建模而进行的自回归谱估计具有分辩率高、数据可以短、抗干扰力强以及计算效率高等优点。本文用Marple算法分别在短数据和强噪声的情况下进行了计算机模拟研究,并和最小二乘法、Yule-Walker法、最大熵谱法和新最大熵谱法等的谱估计作了比较分析,并对滚齿机分度传动链误差的实测数据作了分析,获得了一些具有工程实用价值的意见。另外,还通过Marple算法与FFT算法的性能比较,说明了自回归谱估计的优越性。     

Burg算法最大熵谱估计的VC++仿真分析

介绍了现代功率谱估计中的Burg算法最大熵谱估计的基本原理,并采用VC++语言对功率谱密度(PSD)进行了仿真.同时比较了Burg算法和经典谱估计中Bartlett周期图法,针对Burg算法中的模型阶次的选择进行了分析,提出了最佳模型阶次采用最终预报误差(FPE)为准则的结论.     

一种快速自适应谱估计算法

通过对梯度格型快速自适应算法的研究,结合最大熵谱外推目前存在的缺点,将梯度格型算法应用于最大熵谱外推中,并将其与伯格算法进行了比较。     

基于电能量分析的新息方法电力系统短期负荷预报

本文提出一种用电能量分析方法提取稳定部分并采用新息法处理随机项的短期负荷预报算法,此算法在精度、存储需求和运算时间诸方面均有一定优越性。     

基于MIMO-SVR的供热负荷日预报方法

针对城市集中供热系统中提前24小时的日负荷预报方法具有较大误差问题,提出了一种基于多输入多输出支持向量回归（MIMO-SVR）的供热负荷日预报方法.该方法利用MIMO-SVR的多输出特性通过一步预报直接获得24小时的日负荷预报.通过对某热力站实际供热负荷数据进行仿真研究,结果表明,MIMO SVR日预报的平均相对误差为2.47%,较多输入单输出支持向量回归（MISO-SVR）预报精度高,能够满足供热工程的应用需要.     

最大熵谱谱峰的计算

基于最大熵谱计算的快速算法中,计算精度与计算速度之间的矛盾,本文导出直接计算最大熵谱谱峰值的算法,提高了计算精度和速度。     

时间序列自适应短期负荷预测

提出了一种应用时间序列的日负荷预测自适应算法,把电力系统的负荷变化看成由确定部分和平稳随机部分两个分量组成。计算结果表明,提出的短期负荷预测方法是简单、快速并精确的,可在个人计算机上实现。     

石化企业供热供汽系统优化调度

针对石化企业供热供汽系统,建立了锅炉的变工况性能模型,在所需蒸汽量一定的条件下,以燃料的消耗量最小为目标,用非线性数学规划的方法建立了锅炉机组的优化模型,应用于实际的过程工业中,取得了良好的节能效果。     

DMC modified algorithm based on time series prediction principle

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｕｔｏｍａｔｉｃｃｏｎｔｒｏｌｏｆｄｉｓｔｒｉｃｔｈｅａｔｉｎｇｓｙｓｔｅｍｏｆｔｈｅｃｉｔｙｆａｃｅｓｔｗｏｐｒｏｂｌｅｍｓ .Ｏｎｅｉｓｔｈａｔｔｈｅｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｉｓｔｒｅｍｅｎｄｏｕｓ ,ａｎｄｅｎｅｒｇｙｓａｖｉｎｇｉｓｎｅｅｄｅｄ.Ａｎｏｔｈｅｒｉｓｔｈａｔｈｅａｔｉｎｇｏｂｊｅｃｔｈａｓｔｈｅｆｅａ ｔｕｒｅｓｓｕｃｈａｓｌａｒｇｅｔｉｍｅｄｅｌａｙ ,ｔｉｍｅｖａｒｙｉｎｇ ,ｕｎｃｅｒ ｔａｉｎｔｙａｎｄｎｏｎ ｌｉｎｅａｒｉｔｙ ,ａｎｄａ…     

插值新息实时预报方法的极大熵特性

讨论了测量序列插值新息实时预报方法的极大熵特性。理论分析和计算机仿真结果表明，插值新息实时预报方法是一种最优预报方法。     

基于组合电力负荷预测模型的电力经济调度研究

根据武汉地区近10 a电力负荷使用情况对武汉供电公司电力负荷预测进行研究,以此为经济调度及负荷管理提供依据.选用基于GM(1,1)模型和一元线性回归法的组合负荷预测模型.对武汉地区每月最大负荷进行预测;算例证明组合预测模型有效提高了电力系统负荷预测能力,且证明了该组合电力预测模型对发电量预测同样具有可行性.     

基于时间序列分解技术的电力负荷预测乘积模型

电力负荷预测是电力系统安全经济运行的重要保障,其关键是预测方法及预测精度等问题。考虑到电力负荷受到长期趋势、季节变化、周期变动及不规则变动等诸多因素的影响,本文运用时间序列分解方法,建立电力负荷预测的乘积模型,并通过全社会用电量进行预测与检验,结果表明了方法的有效性。     

基于RWT-SVM的台区配电网日前负荷预测研究

日前负荷预测对于制定合理的调度计划,保证电力系统安全可靠具有重要意义.电力负荷时间序列通常存在随机误差,而基于智能算法的预测模型为了充分提取负荷信息,结构复杂、计算量大.为此,本文利用台区配电网的历史电力负荷时间序列,提出一种基于重复小波变换-支持向量机（RWT-SVM）混合模型的日前电力负荷预测方法.该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列;利用平均绝对误差（MAE）计算每个子序列的预报误差贡献度;对MAE最大的序列进一步分解,从而提升模型的预测能力,得到精度更高的预测结果.仿真结果表明,RWT-SVM混合模型的预测精度高于三种对比方法.     

基于模糊聚类理论的水量短期预测方法

为提高城市供水系统水量负荷的预测精度,提出一种基于模糊聚类理论的城市管网水量短期负荷预测的新方法.该方法通过对负荷历史数据进行聚类、隶属度分析,利用模糊聚类参数来描述负荷与影响因素之间的关系,并应用这种确定的相关关系进行负荷预测.应用MATLAB语言进行预测仿真得到基于模糊聚类的模糊训练结果、最终预测结果和预测误差.实践表明该方法较多地考虑各种影响因素,结构简单,预测精度高.