小波模糊神经网络在电力系统短期负荷预测中的应用

该文研究了基于小波模糊神经网络的电力系统短期负荷预测新方法。根据小波变换自适应可调时频窗的特点，利用小波分析对负荷样本做序列分解，对高尺度负荷分量采用常规预测方法，其他负荷分量则采用模糊神经网络处理技术，最后通过序列重构，得到完整的负荷预测结果。算例计算表明，新方法具有较高的预测精度和适应能力。     

模糊理论在中长期负荷预测中的应用

本文先介绍三种用模糊理论进行中长期负荷预测的方法的数学模型，即模糊指数平滑法，模糊线性回归法和模糊聚类预测法，然后以邢台地区实际预测为例，给出预测结果，并对三种方法进行了比较和误差分析，实践证明了这三种方法具有比传统方法预测精度高、预测误差小的优点，应予推广使用。     

模糊综合评价在负荷最优组合预测中的应用

本文针对实际负荷预测工作的复杂性,提出了运用模糊语言评价对最优组合预测中各模型权重确定的新方法。文中考察了预测模型的多个评价因素,利用模糊语言进行二级综合评优,并对各预测模型的评优结果进行了比较,分析了模型之间的优势关系,进而确定各模型的权重,最后,文中利用该方法对江苏盐城市2002年负荷水平进行了预测,得出了令人满意的结果。     

模糊聚类预测法在电网负荷预测中的应用

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。     

基于自适应神经模糊系统的电力系统短期负荷预测

提出基于T-S模型（Takagi-Sugeno）的自适应神经模糊系统（ANFIs）。该系统采用减法聚类初始化模糊推理，把神经网络学习机制引入到逻辑推理中，并用混合学习算法调整前件参数和结论参数，自动产生模糊规则。应用武汉地区2005年夏季负荷数据对网络进行训练和检测，所得仿真结果表明此预测方法有效。     

模糊线性回归法在负荷预测中的应用

线性回归是电力系统中期负荷预测的常用方法。由于受众多不确定性因素的影响，历史数据和相关变量未来取值常常是不准确的，致使该方法的预测结果误差较大。为了提高电力负荷预测的精度，作者提出了一种改进的模糊线性回归预测方法，即加权模糊线性回归预测法，它将模糊线性回归法预测模型的求解归结为一个线性规划问题，并对该模型进行改进，按照回归变量的重要程度确定目标函数中各项的权重，并按照各历史数据的重要程度确定贴近度标准。文中提出的改进模型即加权模糊线性回归模型是可调的，能够灵活计及预测中的一些定性模糊因素。实际算例表明，文中的改进措施提高了模糊线性回归法的预测精度。     

模糊多项式拟合法在负荷预测中的应用

在分析模糊多项式拟合法建模机理的基础上，建立了改进模糊多项式拟合模型，通过适当减小拟合曲线在后段的拟合误差来提高预测精度。文中的改进方法为处理预测中的定性模糊因素提供了一种灵活的手段。实例验证了该改进模糊的可行性与优越性。     

混合模糊神经网络在短期负荷预测中的应用

为提高电力系统短期负荷预测精度,将模糊逻辑和神经网络的长处融合在一起,构建了混合模糊神经网络短期负荷预测模型,用于预测预报日的负荷。其中针对模糊神经元的权值更新问题,采用了一种新的权值更新算法——一步搜索寻优法,进一步减小了预测误差。实际算例证明了该模型的有效性。     

模糊自适应控制在电力系统中的应用初探

本文就模糊自适应控制在电力系统中的应用作了一些初探，并在此基础上采用了部分解耦控制，从而能实现有功，无功分别调节。对以上的研究，作者作了数字机模拟，其结果与设想基本吻合，并且证明了系统的抗干扰能力有所提高。     

电力系统短期负荷预测的模糊神经网络方法

针对电力系统短期负荷预测问题,考虑到气象因素对负荷的影响,提出了一种模糊神经网络的短期负荷预测方法,首先根据评价函数选取相似日学习样本,然后利用隶属函数对影响负荷的特征因素向量的分量进行模糊处理,采用反向传播算法,对24点每点建立一个预测模型,提高了学习效能,适合在短期负荷预测中使用,具有较好的预测精度。     

电力系统短期负荷预测的模糊神经网络方法

针对电力系统短期负荷预测问题，考虑到气象因素对负荷的影响，提出了一种模糊神经网络的短期负荷预测方法，首先根据评价函数选取相似日学习样本，然后利用隶属函数对影响负荷的特征因素向蜈的分量进行模糊处理，采用反向传播算法，对24点每点建立一个预测模型。提高了学习效能，本方法适合在短期负荷预测中使用，具有较好的预测精度。     

一种改进的电力系统短期负荷预测方法

为提高电力系统短期负荷预测精度,综合模糊逻辑和神经网络的长处构建了基于自适应模糊神经网络的短期负荷预测模型.将该模型和算法应用于地区电网的短期负荷预测,预测效果良好.     

基于自适应进化规划的电力系统负荷预测综合模型

电力系统负荷预测受很多不确定因素的影响,往往单一预测模型反映的只是某一个或某几个不确定因素,在几个单一模型的基础上建立综合预测模型是降低这些影响、提高预测精度的有效途径。提出了运用自适应进化规划方法建立电力系统负荷预测综合模型,并对进化规划的变异操作、适应度计算及竞争选择方案进行了研究。通过对某地的年用电量进行预测分析,并与传统的基于“直接搜索寻优”法建立的综合预测模型进行比较、分析。结果表明,该方法具有全局寻优、自适应性强、通用笥好等优点,预测精度也有了很大提高。     

人工神经网络在电力系统负荷预测中的应用

论述了人工神经网络预测电力系统负荷的方法和步骤,并以BP神经网络在石嘴山地区短期负荷预测中的应用为例,探讨负荷预测的重要性。     

人工神经网络在电力系统短期负荷预测中的应用

提出了基于多层前馈神经网络误差择向传播（BP）模型的电力系统短期负荷预测的方法,根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。通过实例表明ANN应用于电力系统短期负荷预测的是平行的,有效的,其预报结果比传统的负荷预测方法更准确。     

基于自适应成模糊逻辑系统的短期负荷预测方法

提出了一种基于自适应最优模糊逻辑系统的电力系统短期负荷预测方法。首先通过最近邻聚类算法对负荷历史数据进行分组,再将第一组数据（一个聚类）视为一个数据对,用最优模糊逻辑系统来进行预测系统的建模。实验结果表明,这种预测方法具有简单、实用等特点,且产高的精度。     

人工神经网络在电力系统短期负荷预测中的应用

为准确预测电力系统短期负荷，针对BP神经网络的固有缺陷，改进了基本BP算法，并采用遗传算法设计和优化神经网络结构参数，在此基础上建立了工作日负荷预报模型和假日负荷预报模型。负荷预测仿真表明，本文所提出的算法在预测精度和收敛速度方面均得到了改进。     

改进的优化组合预测方法在城网负荷预测中的应用

优化组合预测方法是一种能够综合各种负荷预测方法的有用信息,提高预测精度的方法,通过分析,指出其存在缺点,采用自适应递推算法进行改进,并在汕头电网规划负荷预测中进行应用,获得了很好的结果。     

电力系统负荷预测方法综述

电力系统负荷预测对电力系统的调度运行和生产计划有很大影响,准确的负荷预测有助于提高电力系统的安全性、稳定性、经济性,随着电力市场的建立与发展,负荷预测将发挥越来越重要的作用。简述了电力系统负荷预测的概念和意义,对现有的负荷预测方法进行分类,介绍了各种预测方法的原理,讨论了各种方法的优点与不足之处。最后,对电力系统负荷预测方法未来的发展方向做出了展望。