基于RBF神经网络的短期负荷预测

电力系统短期负荷预测是电力部门的重要工作之一。在短期负荷预测中,电力负荷变化受多方面因素的影响。负荷曲线呈现出强烈的非线性。正确认识和分析影响负荷因素对负荷的影响一直是短期负荷预测的关键问题。采用径向基函数神经网络进行电力系统短期负荷预测可获得更高的预测精度。     

基于RBF神经网络的短期负荷预测

电力系统短期负荷预测是电力部门的重要工作之一.在短期负荷预测中,电力负荷变化受多方面因素的影响,负荷曲线呈现出强烈的非线性.正确认识和分析负荷影响因素对负荷的影响一直是短期负荷预测的关键问题.采用径向基函数神经网络进行电力系统短期负荷预测可获得更高的预测精度.文中研究了电力市场下基于径向基神经网络的短期负荷预测建模及其仿真.     

基于人工神经网络与主分量分析的短期电力负荷预测方法

电力系统短期负荷预测是保证电力系统安全经济运行和实现电网科学管理及调度的重要依据,目前的电力系统短期负荷预测方法存在着一些不足.提出了基于人工神经网络与主分量分析的短期负荷预测方法,在试验中分别采用该方法和单一的人工神经网络对辽宁省某电网的短期负荷进行了预测,试验结果表明本文提出的方法与单一的人工神经网络预测法相比,不...     

基于BP神经网络的电力系统短期负荷预测

电力系统短期负荷预测直接影响电力企业的经济效益。对此,选择预测日前一天的电力负荷和阴晴、温度、湿度等气象特征数据作为网络的输入,预测日当天的电力负荷作为输出,建立了电力系统短期负荷BP神经网络模型。用历史负荷数据作为训练样本,对BP神经网络预测模型进行训练,用训练好的神经网络进行电力系统短期负荷预测。用真实历史数据对新疆某地区进行了电力系统负荷短期预测,结果表明,预测结果与实际值比较接近,1 d96个采样点的负荷预测平均准确率为98.45%。     

基于Lyapunov指数的电力系统短期负荷预测

采用非线性系统理论对电力系统历史负荷数据序列进行了特征分析,计算出Ｌｙａｐｕｎｏｖ指数,并利用该Ｌｙａｐｕｎｏｖ指数模式进行短期负荷预测,进而提出短期负荷预测的时间尺度的概念,这种方法不复气候和气温等数据,只利用电力系统一维峰值负荷历史数据计算出过去的变动模式进行负荷预测,就可以得到较高的预测精度,对东北电网实际负荷数据进行了预测,结果令人满意,从而为电力系统短期负荷预测提供了一种新的预测方法。     

最小二乘支持向量机短期负荷预测研究

电力系统短期负荷预测是一项非常重要的工作,准确的短期负荷预测对于电力系统经济、安全、可靠的运行具有特别重要的意义.随着电力系统的日趋复杂化,特别是电力市场的逐步深入,短期负荷预测被赋予了更高的要求.提出了基于负荷日周期性进行前后向外推的数据预处理新方法,为短期负荷预测模型利用这些历史数据奠定了基础.最小二乘支持向量机是新一代机器学习方法,将其应用于电力系统短期负荷预测,在充分利用日周期性和同时刻负荷相近性的基础上,提出了基于最小二乘支持向量机回归算法(LSSVR)的短期负荷预测点模型.该模型通过采用不同天同时刻的负荷样本训练LSSVR来获取负荷的最优线性回归函数,实现了在最小化负荷样本点误差的同时,缩小模型泛化误差的上界,获取了较好的负荷预测性能.     

电力系统短期负荷预测方法的进展

短期负荷预测对于电力系统的安全稳定运行起着重要的作用,尤其是近年来随着电力市场竞争机制的引入,准确的负荷预测能给电力系统带来巨大的经济效益,因此短期负荷预测一直是电力科技工作者们研究的热点问题。本文对短期负荷预测的研究方法加以分类总结,评述了各种方法在电力系统短期负荷预测中所取得的研究成果和存在的不足之处。     

基于 Lyapunov 指数的电力系统短期负荷预测

采用非线性系统理论对电力系统历史负荷数据序列进行了特征分析,计算出Ｌｙａｐｕｎｏｖ指数,并利用该Ｌｙａ－ｐｕｎｏｖ指数模式进行短期负荷预测,进而提出短期负荷预测的时间尺度的概念。这种方法不利用气候和气温等数据,只利用电力系统一维峰值负荷历史数据计算出过去的变动模式进行负荷预测,就可以得到较高的预测精度。对东北电网实际负荷数据进行了预测,结果令人满意,从而为电力系统短期负荷预测提供了一种新的预测方法。     

基于局部均值分解与神经网络的短期负荷预测

短期负荷预测是电力系统调度和运行的基础,为了提高电力系统短期负荷预测的精度,提出了基于局部均值分解和人工神经网络的电力系统短期负荷预测方法。该方法首先对负荷序列进行局部均值分解,针对分解后具有不同特点的各PF分量设定具体的神经网络参数进行预测,将各分量的预测结果进行重构得到最终的预测结果。仿真实验表明,LMD-BP神经网络的预测方法与传统的EMD-BP神经网络方法相比具有更高的预测精度,同时也验证了该方法的实用性和有效性。     

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。     

山西电网年最大电力负荷和峰谷差的灰色预测及电网调峰的对策

本文应用灰色系统理论，建立了山西电网年最大电力负荷和峰谷差的灰色预测模型并计算出到2005年的年最大电力负荷和峰谷差的预测值。根据预测结果，针对解决电网调峰问题提出了相应的解决办法和措施。     

消纳风电预测偏差功率的电采暖负荷群运行调度策略

构建以新能源为主体的新型电力系统将面临尖锐的调节资源供需矛盾,电采暖负荷具有可时移特性,是优质的存量可调节资源。拟挖掘电采暖负荷调节功率作为电网辅助备用,针对风电功率预测偏差消纳问题,设计了负荷聚合商响应风电预测偏差功率的调度架构,构建了电采暖负荷群响应风电预测偏差功率的轮流调控响应策略以最大化消纳偏差功率,设计了电采暖负荷群-风电场算例系统,基于此对所提出的电采暖负荷群响应风电预测偏差调控方法的有效性进行了仿真验证,并分析了负荷群参与响应后的经济性。     

影响江西电网负荷预测准确率的因素分析

本文分析了影响江西电网用电负荷的诸多因素(如气象、小水电、大用户、节假日及特殊事件的影响),从加强对气象因素、负荷类型及历史数据的精细化分析入手,研究各种负荷预测方法,找到了适应江西电网目前状况的短期负荷预测方法,进而提出了提高江西电网负荷预测准确率的主要思路。     

Electric load evaluation and forecast based on the elliptic orbit algorithmic model

Electric load forecast analysis has become increasingly important for the industry. Climate factors are the ones of key factors influencing the load demand. The sun is vital for attributing climate change as the earth is moving (revolution, rotation) in its elliptical orbit around the sun. The paper introduces an elliptic orbit algorithmic model for yearly and daily electric load movement analysis. In the proposed model, electric load movement as a time series is mapped to the polar coordinates to build the algorithmic model that the angular coordinate represents time, and the radial coordinate donates its corresponding electric load. The built model with its elliptical orbit is used for load movement analysis. The proposed approach is applied to yearly load movement evaluation and forecast for State Gird Corporation of China (SG) and its five branches in 2006, and daily load movement evaluation and forecast for one daily load of Shanghai Grid. The experiments yield results agreeing well with their actual loads. The results indicate workability of the proposed.     

安徽省2020年电动汽车保有量及充电负荷预测探讨

年来电动汽车发展迅速,将成为电力负荷预测中不可忽视的重要组成部分。准确的电动汽车负荷数据是电力系统规划和运行的重要数据基础,因此对电动汽车负荷的预测具有重要意义。探索提出了利用政府规划目标推算法、千人保有量法和电动汽车产业调研等方法开展安徽省 2020年电动汽车保有量预测。并基于实用化方法预测了安徽省 2020年电动汽车保有量;提出不同情景条件下预测安徽省 2020年电动汽车充电负荷最大规模,并采用标准车折算法对电动汽车充电负荷预测结果进行了合理校核,相关算法应用可为电动汽车负荷预测工作的方法和流程提供参考。     

基于GM（1，1）校正模型的转折性电力负荷特性预测

电力负荷系统是典型的灰色系统，电力负荷特性指标的预测具有直接的经济意义．讨论了当预测对象系统存在转折性变化时，灰色预测校正模型在此方面的有效应用．该模型具有充分利用历史信息而且短期预测精度高的优点．     

几种灰色模型用于电力消费中期预测研究

根据三类产业与居民生活用电量在用电方式、用电增长趋势等方面的不同特点,对灰色ＧＭ（１,１）模型、改进的ＧＭ（１,３）模型以及关联多因子模型在地区用电量和最高用电负荷预测中的应用做了初步研究。以上海市１９９０～１９９８年的电力资料和经济资料为基础,应用几中灰色模型对三类产业用电量、居民生活用电量及最高用电负荷进行了预测,并将几种模型的预测 结果进行了比较。结果表明,不同模型适用于不同特点的电力消费预     

电力负荷预测方法在地区供电部门的应用

负荷预测是电力系统规划的基础，其准确度直接影响到电网建设。介绍电力系统负荷预测中常用的几种简单预测方法，用各方法对常德地区的负荷进行了预测，并分析了供电部门对负荷预测的基本要求。     

Neural network based short-term load forecasting using weathercompensation

This paper presents a novel technique for electric load forecasting based on neural weather compensation. Our proposed method is a nonlinear generalization of Box and Jenkins approach for nonstationary time-series prediction. A weather compensation neural network is implemented for one-day ahead electric load forecasting. Our weather compensation neural network can accurately predict the change of actual electric load consumption from the previous day. The results, based on Hong Kong Island historical load demand, indicate that this methodology is capable of providing a more accurate load forecast with a 0.9% reduction in forecast error     

电力系统负荷预测方法研究与分析

负荷预测是电力系统规划和运行研究的重要内容,负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性,其是保证电力系统可靠供电和经济运行的前提,是电力系统规划建设的依据,基于此分析了基于BP网络的短期负荷预测方法与基于灰色预测的中长期负荷预测方法。