自适应神经网络短期负荷预报系统的实践经验

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。     

函数联接神经网络在电力系统短期在线负荷预报中的应用

提出了 2个新的用于实时在线短期负荷预报的函数联接神经网络 (FLN)模型 .2个模型都把负荷与气象参数结合起来构成非线性ARMA过程 ,并应用FLN的函数逼近能力获得了 2个模型的参数 .测试与在线操作表明2个模型的预测效果是令人满意的 ,2 4h向前负荷预报的平均绝对百分误差 (MAPE)对HFLN来说几乎都在 3%以下 ,而对DFLN来说几乎都在 5%以下 .     

电力系统负荷预报和母线负荷预报

EMS系统中包含有二类负荷预报:系统负荷预报和母线负荷预报。 系统负荷预报是用历史负荷数据预报未来某一时间段内的系统负荷。系统负荷预报有长期(年、月)和短期(周、日、小时)。我们现在研究的是日(24小时)负荷预报。 母线负荷预报是由系统负荷预报结果求出某一时刻的母线负荷。     

电力系统短期负荷预报的小波-神经网络-PARIMA方法

针对电力系统负荷具有拟周期性，非平稳性，非线性等特点，提出一种小波－神经网络－PARIMA模型并研究它在电力系统短期负荷预报中的应用：利用小波变换提取和分离负荷的各种隐周期和非线性，把小波分解的特性和分解数据随尺度倍增而倍减的规律用于感知机神经网络（MLP）和周期自回归移动模型（PARIMA）的建模，各尺度小波分解用MLP进行建模和预报，最大尺度上的尺度分解用PARIMA进行建模和预报。最后，利用径向基函数网络（RBF）将各尺度域的预报结果组合成为负荷最终预报，实例说明，该方法能够揭示负荷的拟周期性，非平稳性，非线性在电力系统短期负荷预报中的应用是成功的和有效的。     

电力系统负荷预报的神经网络LBP算法

本文提出了一种能够反映工作日电力负荷波动性并可同时进行假日负荷预报的神经网络算法。该算法在一个神经网络中构造多个相互关联的子网络,将一周７日根据负荷特点分为四类特征日期,通过解码器根据输入的日期特征量激活对应的子网络,对基训练并作出预报。通过对实际系统的实验表明,该算法具有较高的预报精度。     

电力系统负荷预报方法综述

评述了电力系统负荷预报传统方法和近代方法 ,指出了传统负荷预报方法存在的问题 ,介绍了负荷预报方法发展的趋势。     

广义BP网用于电力系统短期负荷预报

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。     

电力系统短期负荷预报研究近况

介绍了国内外电力系统短期负荷预报研究进展情况 ,并对其发展提出了一些看法     

电力系统负荷预报软件包的研制和应用

本介绍了在东北电网和华北电网在线运行的电力系统负荷预报软件包的功能特点和运行情况，以及该软件包的系统设计、算法研究过程及用户界面。该软件包操作方便，实用性强，预测结果准确，具有广泛的应用前景。     

华中电网在线负荷预报

根据华中电网负荷变化情况和ＳＣＡＤＡ系统每日统计的实际历史系统负荷，建立了华中电网在线负荷预报模型。模型中设有人工、气象修正因子，并考虑了负荷频率特性对负荷预报精度的影响和各历史日负荷在负荷预报中所起作用的大小。预报结果可信，相对误差绝大部分在３％以内。     

自适应神经网络短期负荷预报系统的实践经验

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。     

电力系统短期负荷预报的几种改进手段

采用时间序列法(ARMA)对电力系统进行短期负荷预报，着重研究了负荷样本伪数据的处理以 及如何建立从自动搜索定阶到节假日预报一整套的程序化模型，所编制程序在HP486 PC机上 获得通过。采用负荷数据为上海某供电局1995年5月份小时负荷报表，预报结果的日平均误 差为1%～3%，最大误差不超过5%。     

基于神经网络的电力系统控制器的在线自学习研究

分析了现有的基于人工神经网络的电力系统实时控制器设计与训练中存 在的问题,在此基础上提出了一种 新的具有训练样本在线自动生成能力的电力系统实时控制 器设计方案。从理论上论证了该方案的可行性, 并依据这一方案实现了神经网络电力系 统 稳定器的设计。在线训练与控制的仿真结果均充分显示出该方案 的优越性。     

利用神经网络PRPE算法进行短期负荷预报

本文根据神经网络的并行递推预估误差训练理论,建立了一种负荷预报的新算法——PRPE预报算法。该算法属利用多层前传网进行负荷预报的范畴,由于该算法有效的权重训练方式,使其收敛速度大大高于传统的BP算法。尽管该算法的训练过程比较复杂,但对于时段负荷预报这类单输出系统,总体训练时间较BP算法成倍减少,且预报精度较高。可用于在线短期负荷预报。     

基于因素影响的电力系统短期负荷预报方法的研究

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。     

神经网络短期负荷预报模糊化改进

提出了一种简洁实用的基于模糊集的神经网络电力系统短期负荷预报方法 ,计及了天气和日期特征量 ,具有较高的预测精度。采用两种学习算法 ,用实际数据对ANN进行了训练 ,通过比较得出了优化模型。计算实例表明用该方法是可行的、有效的     

能量管理系统(EMS)第4讲 电力系统负荷预报

介绍了能量管理系统（ＥＭＳ）中，电力系统负荷预报的内容，作用，概述了超短期，短期，中期，长期及母线负荷预报的模型和实现方法，说明了负荷预报应用软件的设计。     

电力系统的递推自适应超短期负荷预报

针对超短期负荷预报的特点 ,引入控制理论中的相关理论原理 ,将时间序列方法作了改进 ,并用简单有效的算法实现了实时超短期负荷预报 ,经过对某地区电网实际数据的计算证明了方法的正确性