基于神经网络的电力系统短期负荷预测研究

电力系统负荷预测是电力生产部门的重要工作之一，作者利用BP神经网络进行电力系统短期负荷预测，在保证有足够的训练样本的前提下，对预测模型进行合理分类，构造了相应于不同季节的周预测，日预测模型，并对输入变量的选择，特别是温度的选取问题，进行了讨论，在神经网络训练的过程中，往往会出现过拟合的现象，给预测的结果带来不利的影响，为此在训练过程中，将样本随机地分离为训练集和测试集来防止这个问题，典型算例的计算表明，该方法是有效的。     

某市春节负荷特性分析及预测方法应用研究简

分析了江苏连云港地区春节期间特别是除夕负荷曲线的形状、走势和特点,综合考虑天气、重大事件、历史负荷等对春节期间负荷变化的影响,针对春节负荷应用一种自适应神经网络负荷预测方法。该方法通过选取人体舒适度相似的节假日、历年相似日、前一日的负荷数据预测当日负荷,以提高预测精度。算例表明,该方法有效地提高了春节负荷预测的精度,弥补了传统算法除夕负荷预测误差大的问题。     

基于周期波动及其影响分析的电力市场中长期电价预测

电力市场中的中长期电价受众多不确定因素影响,很难用传统的经验统计方法建模预测。现有的预测方法一般从系统模拟角度出发进行预测,需要较多的系统信息资料,难度很大。本文采用经验模式分解将电价分解成多个相对独立的分量,详细分析不同的因素对于这些分量的影响,从不同的时间尺度分析电价的影响因素。根据分量的特点有针对性地选择时间序列和支持向量机建模预测。实例研究表明该方法适合于分析和预测复杂的中长期电价。     

电力系统短期负荷预测的共轭梯度ANN方法

针对传统ＢＰ学习算法的缺陷,提出了基于共轭梯度优化技术的ＡＮＮ学习算法。ＡＮＮ模型中考虑了温度、天气情况的影响,可进行工作日、一般休息日和节假日的预测。计算表明,该ＡＮＮ模型和学习算法实用、有效。     

基于Softmax概率分类器的数据驱动空间负荷预测

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。     

残差灰色预测模型在电量预测中的应用

为提高电力负荷预测的准确性,在灰色预测的基础上,建立了残差灰色预测模型经对邯郸地区用电量的预测分析．该模型预测精度明显提高。     

一种基于混合模型的时间序列数据挖掘系统

时间序列数据挖掘是在从数据仓库中提取出有效历史数据的基础上，对其进行一定的处理，从而发现隐含、未知的有效信息．本阐述了一种新的基于灰色—回归—模糊神经网络混合模型的时间序列数据挖掘系统，重点讨论了灰色—回归—模糊神经网络混合模型的建立过程，并应用于浙江省可持续发展预测，取得了满意的结果．该混合模型融合多种智能计算方法优点于一体，为时序数据挖掘提供了一种新的实用方法．     

混凝土碳化深度的预测模型

根据前人在混凝土碳化方面的研究成果,选取混凝土强度等级、环境温度、环境相对湿度、二氧化碳浓度和碳化时间为主要影响混凝土碳化深度的因素,研究了诸因素与混凝土碳化速度的关系,建立了混凝土碳化深度的预测模型.经过理论和工程实践证明,该模型既具有一定的理论基础,又具有很好的实用性,基本上可以用于工程实际.     

结构振动状态输出的灰色预测主动反馈控制

针对主动即时控制中的时滞问题,提出了对结构振动状态（即输出）向量实施灰色预测即时主动控制,设计了结构的即时预测控制方案,推导了灰色预测方程,并用Mauab编程进行了仿真分析．将该方案应用于某房屋的抗震控制中,并将计算结果与理想的即时控制、不控制等工况的控制效果进行了比较,仿真结果显示采用灰色预测控制能有效减小时滞影响,控制效果较为理想．     

围岩失稳的灰色预报

结合非线性回归分析,用灰色系统理论分析围岩稳定性,提出了围岩失稳的必要条件和几种提高模型精度的方法,并对围岩的失稳进行灰色预报．初步检验结果表明该方法具有一定的精度和实用价值．