共查询到20条相似文献,搜索用时 109 毫秒
1.
基于偏最小二乘回归的年用电量预测研究 总被引:37,自引:4,他引:37
对年用电量的预测若采用一般最小二乘回归法建模,其估计参数存在着很大的误差且物理意义明显不足。而偏最小二乘回归方法则实现了多元线性回归、主成分分析和典型相关分析的综合、克服了自变量之间的多重相关性的问题,因而更具有先进性,其计算结果更为可靠,在实际系统中的可解释性也更强,且方法简单,计算快捷。该文将偏最小二乘回归模型(Partial Least Square Regression,PLS)应用于年用电量预测,并与基于最小二乘的多元线性回归模型预测成果进行对比,探讨了偏最小二乘法在电力负荷预测中的可行性和优势。通过四川省电网年用电量预测表明:偏最小二乘回归法比一般最小二乘法优,具有较强的实用性。 相似文献
2.
3.
在电力系统中,无论是正常运行时的调度工作还是故障修复时的孤岛划分,都需要准确的负荷数据,因此电力负荷准确的短期预测工作十分重要。本文运用最小二乘支持向量机进行预测:首先,对人工鱼群算法通过视野和步长自适应设定以及引入精英反向学习机制进行改进,使其计算更加具有优越性;其次,利用改进的人工鱼群算法对广泛应用于负荷预测的最小二乘支持向量机进行改进(主要针对其核宽度系数与正则化参数);最后,运用参数改进后的最小二乘支持向量机对IEEE 33节点系统进行短期负荷预测。实例表明了此方法的工程实用性。 相似文献
4.
5.
针对电力负荷具有非线性特征、预测精度不高的问题,提出一种基于集合经验模态分解和布谷鸟搜索算法优化最小二乘支持向量回归机的组合预测方法.首先,将历史负荷数据经集合经验模态分解为高频分量、随机分量和低频分量;其次,针对各分量特征采用具有不同核函数的最小二乘支持向量回归机预测模型进行电力负荷分量的预测,并且利用布谷鸟搜索优化最小二乘支持向量回归机预测模型的关键参数;最后,叠加各分量预测值,还原电力负荷预测结果.以河南某地区电力数据为例,通过与反向传播神经网络、差分整合移动平均自回归模型以及布谷鸟优化-最小二乘支持向量机方法对比,表明本文所提方法具有最高的预测精度,预测准确率达到98.5%. 相似文献
6.
在电网迎峰度夏和度冬时,空调负荷急剧变化,部分输电线路出现过载、越限等情况,严重时甚至造成主变压器过载,影响电网安全运行;因此,有必要对配电网线路的空调负荷进行预测,进而实现配电网线路短期负荷的精准预测。为此,调用水务公司的用水量数据和燃气公司的用气量数据,以供电台区为分析单元,利用大数据挖掘方法分析人口迁移变化情况,采用偏最小二乘回归分析方法研究配电网线路的空调负荷与水、气用量的关系,结合ARMA(自回归滑动平均)时间序列分析法综合预测配电网线路负荷。该方法极大地提升了负荷预测的准确性,对于电网的规划改造、安全运行以及提升供电服务质量都具有重要的意义。 相似文献
7.
8.
9.
10.
应用折扣最小二乘法进行负荷预测永康市供电局胡德源负荷预测是电网规划的基础。通过对现在和过去一段时阿负荷变化的数据分析,推测今后一段时期的发展趋势,以便为电网发展改造提供可靠的依据,使电网规划编制尽可能符合客观实际,这就是负荷预测的主要目的。负荷预测有... 相似文献
11.
风力发电作为一种技术成熟、规模较大的新能源发电形式,目前在世界各国得到了广泛应用和发展。风电具有不确定性的特点,必须对其进行准确的预测才能保证并网后电力系统的正常运行。针对风电预测的传统方法和新的研究趋势开展了综述。首先对物理方法、时间序列方法、人工智能方法和组合方法进行了总结,然后针对目前风电预测的几个重要的发展方向:空间相关性预测、集群预测、不确定性预测和爬坡预测的研究进展进行了重点阐述。对现有的风电功率预测方法进行综述后,进一步对这一领域的研究方向进行了展望。 相似文献
12.
电力系统超短期负荷预测技术的应用与发展 总被引:2,自引:0,他引:2
从电力系统超短期负荷预测的定义及作用出发,概述超短期负荷预测的特点及方法。按照传统预测方法、现代预测方法及综合预测方法分类,对各种超短期负荷预测方法的原理、应用范围、改进及发展方向进行了综述。指出各类超短期负荷预测方法都有特定的适用场合,在实际应用时要充分考虑预测系统的实际运行特点,才能最大限度地发挥各类方法的优势。 相似文献
13.
14.
基于预测误差分布特性统计分析的概率性短期负荷预测 总被引:10,自引:1,他引:9
现有短期负荷预测方法一般只能给出确定性负荷预测结果,难以满足电力市场中不确定性风险分析决策的要求。文中提出了一种基于负荷预测误差特性的统计分析的概率性预测方法。该方法首先从时段与负荷水平2个联合维度上建立了对预测误差分布规律进行统计分析的模型,并提出了检验该统计规律有效性的原则和方法;将验证后的预测误差统计分布规律与确定性的负荷预测结果相结合,即可得到概率性的负荷预测结果。基于该结果,还能求取某一置信水平下的预测负荷曲线的包络线。结合实际电网数据验证了所提出方法的有效性和实用性,为概率性短期负荷预测提供了一条可行的新思路。 相似文献
15.
Shinichirou Orita Yoshishige Kemmoku Tateki Sakakibara Shigeyasu Nakagawa 《Electrical Engineering in Japan》1998,125(4):26-33
A single-stage neural network has been proposed to forecast next day insolation. In this paper, a multi-stage neural network is developed to reduce forecasting error further. A first-stage neural network forecasts average atmospheric pressure for the next day from atmospheric pressure data of the previous day. A second-stage neural network forecasts insolation level for the next day from the average atmospheric pressure and weather data of the previous day. A third-stage neural network forecasts next day insolation from the insolation level and weather data of the previous day. Meteorological data of Omaezaki, Shizuoka at April 1994 were chosen as input data. The insolation values forecasted by the multi-stage and the single-stage neural networks are compared with the measurement values. The results show that the forecasting error is reduced to 24% (by the multi-stage) from 33% (by the single-stage). © 1998 Scripta Technica, Electr Eng Jpn, 125(4): 26–33, 1998 相似文献
16.
风电功率概率预测方法及展望 总被引:1,自引:0,他引:1
风电功率的概率预测能提供风电功率的预测区间或分布函数,国内相关的研究和应用尚处于起步阶段。文中对风电功率概率预测的基本框架、主要模式、难点和热点进行了综述。首先,明确了概率预测的概念及其适用问题。然后,对概率预测的建模方法提出了两种不同的分类方式:按照是否进行条件化假设或参数化假设进行分类,并介绍了概率预测中涉及的新型算法和概率预测的评价指标。最后,结合概率预测发展现状,针对误差分析不精细、概率预测与电力系统结合不充分等不足,总结了今后的发展方向和需要进一步探索的研究内容。 相似文献
17.
电力市场环境下,电价已日益成为市场参与者关注的焦点。准确的电价预测能为各参与者提供重要的参考。国内外对于电价预测的方法有很多。引用国内外相关理论对现有ARIMA预测模型进行了改进。在现有ARIMA电价预测模型的基础上,采用游程检验法判断电价序列的平稳性,采用AIC准则确定ARMA模型的阶数,在误差预测中,借助统计学的区间估计理论,给出了一种含置信区间的电价预测方法,更好地确定了电价序列的上下限,为发电商的竞价提供参考。 相似文献
18.
组合预测方法在电力系统负荷预测中的应用研究 总被引:2,自引:0,他引:2
组合预测方法是一种性能优越的预测方法。选择了电力负荷预测精度较高的两种单一预测模型——无偏灰色预测模型和时间序列预测模型,通过它们建立了三种不同的组合预测模型,对我国电力负荷进行了预测,验证了组合预测模型的优越性。最后,通过对三种组合预测模型的预测结果进行对比,选择一个最适合电力负荷历史数据的模型,通过该模型对我国社会用电量进行预测,获得了较好的预测效果。 相似文献
19.
20.
基于灰色预测和神经网络的电力系统负荷预测 总被引:38,自引:12,他引:26
负荷是电力系统运行和规划的依据,准确的负荷预测有利于提高电力系统运行的经济性和可靠性。章提出了一种基于灰色预测和神经网络组合的电力系统负荷预测方法。在灰色预测中通过对历史数据作不同的取舍并经累加生成后建立不同的模型;对于灰色预测的不同结果再使用人工神经网络进行组合。具体方法是:神经网络的输入为各种灰色模型(GM)的预测,神经网络的输出为组合预测的结果。学习样本选择与预测量量近的n个已知值,学习方法使用改进的BP算法。所提方法综合了GM预测所需原始数据少、方法简单、而神经网络具有非线性的拟合能力的特点,提高了预测精度。算例表明了所提方法是可行的和有效的。 相似文献