共查询到20条相似文献,搜索用时 46 毫秒
1.
基于减法聚类及自适应模糊神经网络的短期电价预测 总被引:3,自引:2,他引:1
提出了基于Takagi-Sugeno模型的自适应模糊神经网络的短期电价预测方法。首先采用减法聚类方法确定自适应模糊神经网络的结构,然后利用混合学习算法训练该网络的前件参数和结论参数,最后将影响未来日电价的相关因素输入到训练好的自适应模糊神经网络中进行电价预测。以美国加州电力市场公布的1999年负荷与电价数据进行模型训练和预测,结果表明采用该方法所建立的预测模型具有较高的预测精度。 相似文献
2.
基于小脑模型关节控制器神经网络的短期电价预测 总被引:14,自引:6,他引:14
电价预测是电力市场决策的基础。文中介绍了采用小脑模型关节控制器(CMAC)神经网络建立预测提前1天不同时段的电力市场短期电价的预测模型。并以美国加州电力市场的数据作为计算实例,分别采用CMAC神经网络和反向传播算法(BP)神经网络进行短期电价预测。两种预测结果对比表明,CMAC神经网络具有所需训练样本少、输出稳定性好、计算速度快和预测精度高等优点,比较适用于短期电价预测。 相似文献
3.
4.
基于模糊聚类的神经网络短期负荷预测方法 总被引:10,自引:12,他引:10
针对电力负荷的特点,综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,提出了一种新的短期负荷预测方法。通过模糊聚类选取学习样本,采用反向传播算法,对24点每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线性问题的能力,提高了学习效能,在负荷平稳的季节和负荷波动较大的季节都具有较好的预测精度。 相似文献
5.
6.
7.
基于聚类和Bayesian推断的市场出清电价离散概率分布预测 总被引:2,自引:0,他引:2
电力市场中,市场出清电价(market clearing price, MCP)受到众多因素的共同作用,具有较强的随机性和不确定性,常规的MCP单值预测模型未充分利用历史数据反映的不确定性信息,预测结果无法体现MCP的随机变化特性,预测精度也有限。该文提出一种基于免疫遗传机制的聚类方法,用以实现历史数据输入输出映射关系的划分,并结合贝叶斯概率法则建立MCP离散概率分布的预测模型。对美国PJM市场数据的仿真结果显示,该文的预测模型能较好地反映MCP的不确定性特点,且具有较高的预测精度。 相似文献
8.
模糊聚类预测法在电网负荷预测中的应用 总被引:1,自引:0,他引:1
介绍一种模糊数学方法应用于负荷预测,该方法首先根据模糊聚类分析的方法对电力负荷及其相关因素的历史样本进行归纳分类,然后采用合适的模糊数及模糊集描述各类样本中负荷变化的模式及环境的特征。最后,由未来环境状态判定未来负荷变化属于哪种模式,从而预测出未来的电力负荷。 相似文献
9.
10.
11.
12.
Mohammed Al-Shakhs 《电力部件与系统》2015,43(5):588-593
Successful bidding and operational strategies of electric power generators (GENCO) depend highly on the availability of accurate and timely load and price forecasts. Several techniques have been proposed and applied over the past few years to predict the marginal price of electricity in deregulated markets. To improve accuracy, these techniques apply time-consuming, complex, and hybrid methods requiring multiple inputs and large databases. This article introduces the first application of the method of “innovations” and a single artificial neural network to provide accurate forecasting results with mean absolute percentage error comparable to more complex and hybrid artificial neural network forecasting methods. The proposed model is applied to data of two seasons of Spain's power market operator (OMEL) marginal price data. The technique provided average accuracy improvement of 26% with overall mean absolute percentage error of 6.5%, which is reasonable considering the number of inputs and the simplicity of this model compared to other proposed models. 相似文献
13.
14.
基于遗传算法和径向基函数神经网络的短期边际电价预测 总被引:8,自引:4,他引:8
文章分析了影响电价的主要因素及电价的变化特点,讨论了电价预测模型中必需引入的影响电价的因素。在比较常用的几种电价预测方法的优缺点后,作者采用径向基函数神经网络(radial basis function neural networks,RBF)建立短期边际电价预测模型,用递阶遗传算法(HGA)同时训练RBF网络结构和参数。并以美国New England ISO公布的2002年历史电价数据进行训练和测试,与传统的BP网络预测模型相比较, 测试结果证明该模型的预测精确度是令人满意的。 相似文献
15.
16.
17.
小波神经网络预测电价的新改进 总被引:1,自引:0,他引:1
预测市场边际电价对于电力市场的参与者有十分重要的意义.该文首先分析了BP神经网络在电价预测方面的优劣势,然后基于小波分析,即用母小波取代Sigmoid函数建立了小波神经网络的电价预测模型,并用遗传算法优化神经网络的拓扑结构和各权重系数,从而避免BP神经网络的预测电价陷入局部极小值.实际计算表明,改进后的预测模型有效地提... 相似文献
18.
19.
由于日前24点电价特性差异较大,采用单一模型很难描述,提出了一种基于相似点的日前电价预测新方法.将数据空间按时点划分成子24个子空间,并定量考虑对电价造成影响的相关因素,利用改进决策树技术对子空间的历史数据进行自动聚类,再通过粒子群算法训练各相关因素的最优权值,大大增加了选择相似点的可信度,仿真结果表明该方法能有效提高预测精度. 相似文献
20.
以美国加州电力市场为背景,在分析了市场清算电价(MCP)的影响因素的基础上,采用了一种基于反向传播(BP)网络预测下一日市场清算电价的方法。该方法考虑了系统供求关系、历史负荷、历史电价等对未来时段电价的影响,建立了一个单隐层的神经网络结构。预测模型融合了模糊理论,利用隶属函数对温度(最高温度、平均温度、最低温度)进行了模糊处理,将这些因素作为神经网络的输入量。在负荷高峰时段,往往存在市场外机组的调度和参与者的策略性投标等问题,这些因素共同作用容易造成电价尖峰。建立一个节假日模型来预测节假日的电价。采用美国加州电力市场的历史数据进行了训练和预测分析,结果表明该模型具有良好的预测效果。 相似文献