基于灰色系统理论的中长期电力荷预测新方法

在进行中长期电力负荷预测课题研究中，运用灰色系统理论，研究并提出了新陈代谢局部残差灰色预测模型及相应的预测方法，经实际算例证明，该方法对于解决长期电力负荷预测问题，具有简捷实用，预测精度高的特点。     

基于改进灰色理论的主动配电网中长期负荷预测

中长期负荷预测是影响主动配电网规划和调度的重要方面。从柔性负荷、分布式电源及电动汽车等主动配电网中特殊负荷入手,分析提炼负荷长期发展的影响因素;将灰色理论引入主动配电网负荷预测,分析了多变量残差修正灰色模型在计及多因素影响作用和消除累积误差方面的作用。通过具体实例计算,证实了改进灰色方法在主动配电网中长期负荷预测中的有效性和实用性。     

基于灰色理论与BP神经网络的电力负荷预报

为了提高电力负荷预报的精确度和稳定性,基于灰色理论和BP神经网络,提出了电力负荷预报方法。该方法在预测精确度和稳定性方面都比单一的灰色理论预报方法有明显的提高。经实例预测表明,此方法的预报相对误差可以达到1．69％以内。     

灰色Verhulst与等维新息组合模型在中长期负荷预测中的研究

本文针对中长期电力负荷预测使用的历史数据较少且影响因素较多的特点,提出了一种线性灰色组合模型。该模型将灰色Verhulst模型与等维新息灰色理论线性组合,充分发挥了灰色Verhulst模型所需数据少、不受特定负荷数据以及等维新息灰色理论影响,保持数据原有维数、保证最优信息量和动态预测的优势。算例结果表明,该预测模型精度较高,具有实用性。     

基于灰色关联理论的长春市电力消费预测模型的研究

针对电力消费增长的趋势,做好预测是十分必要的。以长春市作为研究对象,在对该地区GDP、人口、居民消费价格指数等因素与电力消费之间关系定性分析的基础上,应用灰色关联理论,找出了导致用电消费水平增加的主要影响变量,并建立了电力消费与这些影响变量之间的灰色关联模型GM(1,n),确定这些影响因素与该地区电力消费的定量关系。该模型精度高,符合实用要求,为做好今后长春市电力消费的预测提供了理论依据。     

电力负荷非线性预测方法与研究方向探讨

进行精确的负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。传统的预测方法主要是运用经典的确定性理论,而电力需求受众多因素影响,具有复杂的非线性特征．运用经典的预测方法可能会抹杀负荷变化复杂性本质。为此,通过对影响电力负荷变化因素及电力市场非线性特征的分析．介绍了几种非线性预测方法的构成原理与特点,包括基于人工神经网络（ANN）、小波分析、模糊理论、灰色理论、分形理论和支持向量机的负荷预测,并对近年来各非线性预测方法及其组合预测的主要研究成果进行了总结与评述。同时根据国内外电力系统负荷预测的现状与经验。对未来的主要研究方向作了一些有益的探讨。     

基于预测可信度的多级协调空间负荷预测方法

提出了一种基于负荷预测可信度的多级协调SLF方法。该方法首先确定了元胞历史负荷数据的评价指标,并运用灰色关联度理论,计算出各元胞的负荷预测可信度。然后建立空间电力负荷多级协调模型,并将元胞负荷预测可信度应用到多级协调模型中,最后利用该模型调整元胞目标年的预测值。空间电力负荷多级协调模型以不同层级负荷之间的关系为基础,在一定程度上能够消除上下级电网的预测结果之间出现的不均衡、不协调的现象,从而提高了空间负荷预测结果的准确性,为进一步的电网规划打下了坚实的基础。选取了指数平滑作为预测方法,并对预测结果采用空间电力负荷多级协调模型进行优化调整,调整结果表明空间电力负荷多级协调模型具有实用性和有效性。     

基于灰色关联指标筛选的BP神经网络中长期电力负荷滚动预测马尔可夫残差修正模型研究

针对中长期电力负荷预测样本量小、多因素影响的特点,利用灰色关联度筛选影响因素,建立基于BP神经网络算法的负荷预测模型,通过多因素变量及历史负荷变量序列进行滚动预测,得到的预测值明显优于单一预测方法,并通过马尔可夫过程对预测残差进行修正,使预测精度得到较大提高,研究实证表明,这种预测方法具有进行推广应用的价值.     

基于灰色理论的电力负荷预测模型及其应用的研究

基于灰色理论提出了在电力市场运营模式下,县(区)级电力负荷的中长期预测模型,并对某供电局2000年到2003年的销售电量进行了预测,预测结果与各年度的实际售电量相比,最大误差小于0.7%。说明建立的预测模型完全适合于该供电系统的负荷预测,具有重要的理论和实际意义。     

基于物元模型的电力系统中长期负荷预测

在综合考虑电力负荷预测及物元理论特点的基础上,将两者结合,提出了一种基于物元理论(可拓工程学)的中长期负荷预测方法,对物元理论在电力系统中的实际运用进行了探讨.方法首先运用逐步回归与层次分析技术确定各种因素对电力负荷的影响权重,然后利用物元理论对选中的各影响因素与电力负荷及其增长率建立物元模型,再根据系统聚类分析的方法对电力负荷及其相关环境因素的历史样本进行归纳分类,最后采用合适的物元关联函数及灰色关联函数结合未来环境因素状态对未来负荷变化模式进行识别,从而预测出电力负荷的未来值.并以我国某地区的中期负荷预测为例,说明了其有效性.