共查询到20条相似文献,搜索用时 62 毫秒
1.
电力系统负荷记录混沌特性成因的探讨 总被引:22,自引:2,他引:22
研究负荷记录混沌的成因,对于提高短期负荷预报的准确率是必要的。通过对某地全年负荷记录时间序列及其差分序列的3 d时间窗口上的最大李雅普诺夫指数λ1的计算,发现全年各处都存在混沌特性。天气成因,即“实际天气对人们期望天气的差异”,只能有效解释夏季等λ1的增大,而不能有效解释全年各处都存在混沌。于是,通过对负荷可预报性的理论分析,发现“用户可以自由地用电一段时间”,即有记忆的随机行为,是负荷混沌的最基本成因。通过AR(10)可以精确预报负荷,也定量证实了这种成因。综合负荷模型中的非线性因素,对于负荷记录中连续功率谱的出现会有一定的贡献。 相似文献
3.
4.
5.
一种简单易行的超短期负荷预报方法 总被引:1,自引:0,他引:1
负荷预报一直是电力的一个重要课题,从电网运行的角度,提出并论证了用插值方法进行超短期负荷预测的理论,该方法不像传统方法大量历史数据,从而避免了因数据不准造成的误差。由于这种方法可以在线机上实时进行,因而对实时调度及电网的经济运行具有很大的实用价值。 相似文献
6.
利用广义误差反向传播算法生成了一种应用于电力系统短期负荷预报的神经网络模型,用以克服传统BP网络所存在的易陷入局部极小点和对初值要求较高的缺陷,模型同时考虑了影响短期负荷预报的若干重要因素,从而增强了模型的精确性和适用性。 相似文献
7.
电力系统短期负荷预测方法的研究 总被引:1,自引:0,他引:1
采用混沌理论进行电力系统短期负荷预测,对利用Lyapunov指数法进行负荷预测作了介绍,包括用混沌理论实现相空间的重构,以及通过计算关联维得到最优嵌入维数的方法、计算Lyapunov指数的方法和利用Lyapunov指数得到预测负荷数值的过程,并给出了算法的简单实现步骤。实例预测结果。证明了算法的有效性。揭示了采用混沌理论进行短期负荷预测的优越性。 相似文献
8.
用时间序列的李雅普诺夫指数计算预报电力系统中的某些失稳现象 总被引:2,自引:0,他引:2
电力系统存在非线性失稳现象,分叉现象(特别是不稳定极限集导致的分叉现象)是导致非线性失稳的原因之一。该文提出了直接利用对实际系统采样得到的时间序列窗口上Lyapunov指数的计算,来预报与不稳定极限集分叉有关或类似的失稳现象。因为用方程研究分叉时,所采用的方程、初值和和等对实际系统存在一定的误差,而分叉现象又对方程、初值和参数极为敏感。该文所建议的方法可弥补用方程研究分叉时会隐含的失误。 相似文献
9.
采用混沌理论进行电力系统短期负荷预测 ,对利用Lyapunov指数算法进行负荷预测作了介绍 ,包括用混沌理论实现相空间的重构 ,以及通过计算关联维得到最优嵌入维数的方法、计算Lya punov指数的方法和利用Lyapunov指数得到预测负荷数值的过程 ,并给出了算法的简单实现步骤。实例预测结果 ,证明了算法的有效性 ,揭示了采用混沌理论进行短期负荷预测的优越性 相似文献
10.
介绍一种自适应神经网络短期负荷预报系统,详述该系统的实践经验。实践结果表明,该系统与统计方法相比,其鲁棒性更强,预报更加准确,对气候突变也有更好的适应能力。该系统便于携带,稍加改进即可适合其它电力公司的要求。 相似文献
11.
电力系统短期负荷预测的非线性混沌改进模型 总被引:37,自引:4,他引:37
改进了文「1」中负荷数据序列的Lyapunov指数计算方法,提高了Lyapunov指数的计算精度并增强了可靠性,这种建立在非线性混沌改进模型基础上的预测方法不仅对小数据组可靠,而且计算量小,相对容易操作,通过对华东某电网实际负荷数据进行的预测,精度明显优于文「1」中的方法,且具有较强的自适应能力和通用性。 相似文献
12.
地区电网短期负荷预测系统的研究 总被引:4,自引:0,他引:4
本文根据吉林市电网的实际情况,研究开发了一个地区电网短期负荷预测系统。该系统包括多种负荷预测方法,可以使运行人员根据负荷变化的具体情况选择预测方法或采用几种方法的组合进行加权预测。文中对各种方法的预测结果进行了分析与对比,并在此基础上分析了影响负荷影响精度的主要原因。软件包具有良好的人机界面,实用性强,已在吉林市供电公司运行较长时间,为运行人员的负荷预测工作提供了有力的支持。 相似文献
13.
基于因素影响的电力系统短期负荷预报方法的研究 总被引:27,自引:4,他引:27
文章深入研究了天气和特别事件因素对电网负荷的影响;建立了因素影响的负荷预报模型;确定了有效的算法;形成了实用化应用软件;并应用取华北地区京津唐电网。实际应用中,该方法提高了短期负荷预报精度,短期负荷预报软件达到真正的实用化水平。 相似文献
14.
15.
基于输入空间压缩的短期负荷预测 总被引:16,自引:5,他引:11
由于影响负荷预测的因素复杂,并且实际获取的历史数据有限,传统的智能预测方法往往达不到工程应用的精度要求。为解决该问题,文中提出一种准确预测电力系统短期负荷的新思路:首先建立负荷输入特征选择模型,其搜索方法采用浮动搜索算法,在去除影响负荷预测的冗余特征之后,利用有限样本学习的统计学习理论(支持向量机)构造负荷预测回归模型,充分发挥其在解决有限样本、非线性中体现出的优势,较好地提高了评估结果的精度和泛化能力。在EUNITE网络中的应用结果证明了该方法对电力系统负荷预测的有效性。 相似文献
16.
17.
18.
电力系统短期负荷预测的高木-关野模型研究 总被引:4,自引:4,他引:4
电力系统短期负荷预测在电力系统的运行设计中有重要的意义,利用模糊神经网络的方法进行电力负荷预测是国际上近年来很热门的一个方向。本文在传统的BP神经网络基础上,提出了一种短期负荷预测的模糊神经网络模型一高木一关野模型,以某供电局2000年的负荷实测值建立模型,进行了负荷预测,与实际值进行比较分析表明,这一模型应用于短期负荷预测能获得较高的预测精度,具有一定的研究价值。 相似文献
19.
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