趋势外推法在电力负荷预测中的应用

研究了电力系统负荷预测的趋势外推预测技术，采用二次指数平滑技术和二阶自适应系数法进行发电量预测，并运用C语言编程，通过实际算例进行了比较分析．     

趋势外推法在电力负荷预测中的应用

研究了电力系统负荷预测的趋势外推预测技术,采用二次指数平滑技术和二阶自适应系数法进行发电量预测,并运用C语言编程,通过实际算例进行了比较分析.     

优化灰色模型在中长期电力负荷预测中的应用

论述了用优化灰色理论进行电力系统中长期负荷预测的建模过程。通过对原始负荷数据的预处理,把有起伏特性的原始数据序列,变成性强的序列,再利用改进的ＧＭ（１,１）模型进行预测,可以大大提高预测精度和灰色方法的适应范围,而且简捷实用。经实验算例校核证明,该方法可以作为中长期电力经实际算例校核证明,该方法可以作为中长期电力负荷预测的理想工具。     

神经网络在短期电力负荷预测中的应用

给出了改进的BP网络和RBF网络的构造过程和训练方法.在改进的BP网络中不仅加入了动量项和变步长法，而且在模型中合理地考虑了影响负荷变化的主要气象因素，使其能够适应天气的变化.在RBF网络中，为了克服传统K均值聚类法局部寻优的缺陷，采用了正交最小二乘法选取RBF中心.利用改进的BP网络和RBF网络进行了短期电力负荷预测，并对训练的收敛速度和预测精度进行了分析.比较两种模型，RBF网络比BP网络更具有实用性和可开发性.     

基于进化规划的电力负荷预测

讨论了模拟进化优化方法中的进化规划（ＥＰ）在电力负荷预测中的应用问题，在基因编码，适合度函数和变异量取值方面进行了研究，引入了优化组合预测模型，进一步拓展了经规划在电力系统中的应用前景，经实例计算表明，该方法不仅克服了梯度寻优可能陷于局部最优解或在接近最优解时难以收敛的缺点，上去了常规方法大量、复杂、繁琐的计算，具有全局寻优，并行处理特性、通过性好、稳定性强等优点，因而是行之有效的。     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ，辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类和正交化法，利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＲＢＦ网络用于负荷预测的有效性。     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（ＲａｄｉａＢａｓｉｓＦｕｎｃｔｉｏ．辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类法和正文化法。利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＡＢＦ网络用于负荷预测的有效性。     

灰色预测模型在电力负荷预测中的应用

方法的选择对电力负荷预测结果至关重要,本文通过对x（1）（1）增加干扰因素β,实现对初始值的优化,较已有研究文献使用x（1）（n）＋β方法更加便于理解,保持运算前后一致,同时,改进背景值的设置。通过实例验证,此方法可以在负荷预测上得到很好的应用,提高预测精度。     

灰色模型在电力负荷预测中的应用

应用灰色系统理论分析了某电力系统电力负荷的动态变化趋势。并用灰色预测理论对该系统现有的年用电量时间数据序列进行处理，进而建立了GM（1，1）预测数学模型，最后提供了预测实例。     

灰色理论在中长期电力负荷预测中的应用研究

提出了基于灰色预测理论的电力系统中长期负荷预测的实用新方法，对于中长期电力负荷预测这样复杂问题，其简捷实用，预测精度高，经实际算例核证明该方法可以做为中长期电力负荷预测的理想工具之一。     

回归分析法在年用电量预测中的应用

针对年用电量的预测，研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系，以某地区为例，求出该地区1990年至2000年的用电量回归方程，再用该回归方程求得的年用电量与实际值加以比较．误差满足实际要求且方法简单易行，证明了一元线性回归可以有效的应用于年用电量预测．     

回归分析法在年用电量预测中的应用

针对年用电量的预测,研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系, 以某地区为例,求出该地区1990年至2000年的用电量回归方程,再用该回归方程求得的年用电量与实际值加以比较,误差满足实际要求且方法简单易行,证明了一元线性回归可以有效的应用于年用电量预测．     

灰色GM(1.1)模型及其在电力负荷预测中的优化应用

针对传统灰色模型的建模机理和存在的局限性,提出了改进方法,建立了新的电力负荷预测模型.通过实例计算表明,该模型具有良好的适用性和预性精度.     

灰色GM(1，1)模型在电力系统负荷预测中的应用

研究了灰色 GM(1,1)模型及其在电力系统负荷预测中的应用,以实际算例为基础,对预测结果作了分析,得出结论：灰色 GM(1,1)模型精度较高,但也存在一定的局限性．     

基于QPSO-RBFNN和模糊理论的电力系统短期负荷预测方法

在基于径向基函数神经网络（RBFNN）的电力系统短期负荷预测的基础上,采用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预测模型,提出基于QPSO—RBFNN和模糊理论的电力系统短期负荷预测方法．仿真实例计算结果表明该方法收敛速度快、预报精度高,具有工程应用前景．     

合肥地区短期负荷预测及误差分析

电力系统规划和运行调度都应以对未来电力负荷的预测为依据.电力的生产和消费是同时进行的,任意时刻都必须保持二者之间的平衡.负荷预测偏低会引起电力供应紧张,电能频率下降,供电可靠性下降;负荷预测过高将会导致发电过剩,系统频率上升,并造成发输电设备不能充分利用,影响系统的经济性能.因此,电力系统负荷预测是电力系统规划和运行调度的重要组成部分.     

基于决策树和专家系统的短期电力负荷预测系统

提出决策树与专家系统相结合的负荷预测系统。利用决策树建立预测模型,对待测日负荷进行初步预测,再结合专家系统中的修正模型对初步结果进行修正,得到最终预测结果。建立决策树时,根据最大信息增益原则选择测试属性,降低决策树的复杂度,减少计算时间。提出开放的专家系统,专家模型应处于不断完善之中。并应用天津2003年的负荷数据和气象资料进行了建模和预测计算,统计分析结果表明该方法可提高预测的精度,具有实用性和有效性。     

基于GMDH的中长期电力负荷组合预测模型

组合负荷预测模型能够充分利用数据信息,有效降低预测风险、改善预测效果,在中长期负荷预测中获得了广泛应用。而目前的组合预测模型实质大都为单一预测模型的加权平均,没有能够充分发挥综合预测的优势.应用数据分组处理方法（GMDH）进行组合预测,在充分考虑各单一模型特点和预测效果的基础上,形成多元非线性组合预测模型,自动从数据中挖掘出重要信息,克服了传统组合预测模型建模中的主观因素影响,可以改善预测精度。并将该预测模型应用于实际电网,计算结果表明该模型有效提高了预测精度,适用于中长期负荷预测.     

基于神经网络校正的电力负荷灰色预测

针对电力负荷预测残差序列具有复杂的非线性状态的特点,运用神经网络模型,对电力负荷的灰色预测残差进行校正;同时对神经网络隐含层的神经元个数进行调整,使得网络模型结构优化,模型参数确定更为合理,进一步提高了预测精度。