排序方式: 共有56条查询结果,搜索用时 0 毫秒
51.
在目前的"新常态"经济模式下,居民电力消费量已经成为中国电力消费增长的主要驱动力。然而其预测精度容易受到社会、经济、环境等多种外部因素的影响,这样会导致预测难度的加大。因此,如何提取这些外部因素中有价值的信息,是预测居民电力消费量成功的关键。针对这个问题,提出了一种基于套索算法和高斯过程回归的中长期居民用电量概率预测模型。首先利用套索算法选取有用的影响因素,从而实现数据降维。其次将被选取的特征当作预测变量,建立了基于高斯过程回归的居民电力消费量概率预测模型。最后以中国居民电力消费量作为算例。结果表明,(1)套索算法可以识别出预测问题中重要的特征,从而能够有效地处理预测问题中的高维数据;(2)高斯过程回归模型可以提高预测精确度,为居民电力消费量的概率预测提供了一种可行思路。 相似文献
52.
53.
分析电力事故风险,对电力企业管理者规避风险、提高安全管理水平尤为重要.传统的风险评估中大多是凭借专家的主观经验来定性分析或者应用概率统计法、指标体系等方法来定量分析,但是,传统的风险评估方法并不完全适用于电力事故风险评估定量指标样本量小、不能完全精确反映总风险的特点.改进的信息扩散模型满足电力事故风险评估的特点,应用此方法对2007-2011年的电力事故风险进行分析,得到各风险水平下的概率和估计值.对计算结果进行分析,提出要重视电力事故安全管理、特别是要提高电力建设事故安全水平的结论,从而为管理者提供风险评估参考依据,并为其制定安全管理措施指引了方向. 相似文献
54.
55.
为了提高电力系统短期负荷预测的精度,本文在分析传统的负荷预测模型在实际应用中存在问题的基础上,提出了一种新的预测模型:基于聚类分析和粒子群优化的BP神经网络模型。由于负荷具有波动性大、日周期性强等特点,对初始负荷数据进行预处理,按时段对数据空间进行划分,对每个子空间的数据分别建模,可以大幅度的提高神经网络的预测精度和泛化能力,同时利用惯性权重线性微分递减的粒子群算法优化神经网络的连接权值和阀值,可以提高神经网络的全局搜索能力和收敛速度。以某市公布的全网负荷数据进行预测验证,证明了此方法所建立的模型的合理性和有效性。 相似文献
56.