多变量时间序列的短期负荷预测模型及其方法研究

电力系统负荷预测是日常生活中电力系统调度部门的一项重要工作,预测精度的高低直接影响到电力系统的安全性、经济性和供电质量.混沌理论中,负荷预测模型的建立通常由单变量时间序列的相空间重构来实现,但实际过程中往往难以确定是否包含了重构动力系统的全部信息,特别是在有限时间序列存在噪声时.因此,将单变量时间序列方法拓展到多变量时间序列中,进行多变量时间序列的相空间重构,计算了各时间序列的延迟时间和嵌入维数,建立了预测模型.研究结果表明多变量时间序列的预测效果有较大提高.     

参考作物腾发量预报的傅立叶级数模型

以傅立叶级数和表示多年日平均参考作物腾发量在年内的变化过程,结合天气类型修正系数,提出了一种新的参考作物腾发量预报模型,即傅立叶级数模型.将模型应用于陡山灌区的参考作物腾发量实时预报;结果表明,该模型的预测精度比原有的指数模型(亦称逐日均值修正模型)的预测精度高.这种模型简单,可方便地嵌入灌溉预报系统,适应性强.     

在交通预测中应用TRIPS软件对交通小区问题的处理研究

分析了在进行公路网规划的交通需求预测时,以行政区为单位的小区划分方法在交通量预分配与核查线调查流量存在较大偏差的原因.结合传统四阶段交通预测法提出二级分区的交通小区划分方法.给出根据此划分方法并应用TRIPS软件进行公路交通量预测的总体流程图,以及所需建立的两个主要模块,即交通分布模块和分配模块.还总结了建立抽象路网时如何合理选择小区中心点位置,以及建立小区中心联线时应该避免的几种不当方法.结合济南市干线公路网规划项目,给出一个交通小区抽象路网例图.     

茂金属催化剂及其聚合物的进展

茂金属催化剂是近年出现的新型催化剂，技术进步很快。应用此催化剂生产的聚烯烃产量快速增加，正逐渐挤占非茂金属聚烯烃市场，而国内还没有茂金属聚烯烃的生产，产业前景广阔。推介了国外发展该技术及其产业的一些做法。     

城市人口预测和分析中几个值得注意的问题

讨论了城市规划人口资料分析中的统计口径一致性、可靠资料的选取、充分利用已有资料以及恰当选择模型和确定参数等问题,提出了自己的看法。     

蚁群算法分配权重的燃气日负荷组合预测模型

为适应城镇燃气日负荷随机性和多变性的特点,克服特定时刻单一负荷预测模型存在实际应用局限性的问题,将5种评价准则用于组合预测前剔除冗余模型,提出了一种建立变全重组合预测模型的方法,通过蚁群算法确定分配权重的组合预测模型,使得在一个时段上的燃气日负荷预测精度好于各单一模型.首先对包含诸多随机和模糊等不确定因素的城镇燃气日负荷时变系统和各预测模型特点进行分析;然后确定岭回归分析(Ridge)、差分自回归积分滑动平均模型(ARIMA)、支持向量机回归(SVR)、极端梯度提升树(XGB)共4类单项日负荷预测模型,结合城镇燃气日负荷和模型的特点,分别给出每个模型各项参数的设置和模型的输入向量;用平均相对误差、均方根误差、灰色关联度、相关系数、Theil不等系数为评价准则计算出的综合评价指标剔除冗余模型,最后建立了蚁群算法权重分配的组合预测模型.预测实例表明,蚁群算法分配权重的燃气日负荷组合预测模型长期的综合预测效果要优于任意单项模型,相比于单一模型而言,组合预测模型的稳定性和容错率更高,具备较强的泛化能力.     

基于门控循环单元与误差修正的短期负荷预测

针对负荷预测模型迭代训练过程中存在误差积累的问题,提出结合叠式双向门控循环单元（SBiGRU）、完整自适应噪声集成经验模态分解（CEEMDAN）和误差修正的组合预测模型. 建立SBiGRU模型学习在气温、日期类型影响下负荷序列的时序特征,误差特征体现在SBiGRU模型预测产生的误差序列中;使用CEEMDAN算法将误差序列分解为数个本征模态函数（IMF）分量与趋势分量,对每项分量再次建立SBiGRU模型进行学习与预测,并对各分量的预测值进行序列重构,得到误差的预测结果;对预测结果进行求和以修正误差. 模型评估结果表明,组合模型的预测准确精度为98.86%,与SBiGRU、BiRNN、支持向量回归等方法相比,该模型具有更好的精度.     

区域视角下我国老龄化人口的组合预测模型

为提高预测老龄人口的精度,以残差修正GM(1,1)模型、灰色-BP神经网络模型和Logistic预测模型作为单项模型,建立了一种基于相关系数的诱导有序加权平均(IOWA)算子组合预测模型.利用该模型对2000—2020年我国东部、中部、西部和东北部地区及全国老龄(≥65岁)人口数量进行预测显示,该组合预测模型的预测效果显著优于上述3个单项预测模型,表明该模型能够有效地提高老龄人口的预测精度.利用该组合预测模型对未来10年我国东部、中部、西部和东北部地区及全国老龄人口数进行预测显示:我国老龄人口数总体呈现逐步增长态势,同时区域间的老龄化进程差异也不断增大,其中东部地区老龄人口增长得相对较快,中部地区则增长得相对较慢.该预测结果可为我国老龄人口政策的制定提供参考.     

A neural-net based short term load forecasting using moving window procedure

An improved neural-net approach based on a combined unsupervised/supervised learning concept is proposed. A ‘moving window’ procedure is applied to the most recent load and weather information for creating training set data base. A forecasting lead time that varies from 16 hours to 88 hours is introduced to produce the short term electric load forecasting that meets requirements of real electric utility operating practice. The unsupervised learning (UL) is used to identify days with similar daily load patterns. A feed forward three-layer neural net is designed to predict 24-hour loads within the supervised learning (SL) phase. The effectiveness of proposed methods is demonstrated by comparison of forecasted hourly loads in every single day during 1991 with data realized in the same period in the Electric Power Utility of Serbia (EPS). A better choice of input features and more appropriate training set selection procedure allow significant improvement in forecasting results comparing with our previous UL/SL concept characterized by a fixed neural-net structure and absence of re-training procedure. The improvement is illustrated by reduction of average error in daily energy forecasting for 0.83% and reduction of 90th percentile of 2.04%.     

模拟在财务预测、决策中的应用

阐述了模拟在财务预算、决策中的应用及其优越性，结合模拟软件进行了案例分析。