基于异构数据的电力短期负荷大数据预测方案

随着多种可再生能源电力的接入,电力系统正在向更智能、更灵活、交互性更高的系统过渡。负荷预测,特别是针对单个电力客户的短期负荷预测在未来电网规划和运行中发挥着越来越重要的作用。提出了一个基于异构数据的电力短期负荷大数据预测方案,该方案收集来自智能电表和天气预报的数据,预处理后将其加载到非关系型数据库中进行存储并做进一步的异构数据处理;设计并实现了一个长短期记忆递归神经网络模型,用于确定负荷分布并预测未来24 h的住宅小区用电量;最后利用一个住宅小区的智能电表数据集对提出的短期负荷预测框架进行了测试,并使用均方根误差和平均绝对百分比误差两个指标,对比了预测模型与两种经典算法的性能,验证了所提模型的有效性。     

基于改进人工鱼群-蛙跳算法优化LSSVM参数短期负荷预测

短期电力负荷预测在电力系统安全调度、经济运行方面起到关键作用。在用最小二乘支持向量机进行负荷预测时,参数选择将直接影响预测精度。为了提高LSSVM负荷预测精度,文中提出一种基于Levy变异自适应视野人工鱼群-蛙跳算法对LSSVM进行参数优化的方法。以某县负荷、天气等历史数据对LSSVM进行训练,建立LAVAFSA-SFLA-LSSVM、AFSA-LSSVM、LAFSA-SFLA-LSSVM共3种预测模型,对该地区某日24 h的电力负荷进行预测。算例结果表明,LAVAFSA-SFLA-LSSVM预测精度比AFSA-LSSVM和LAFSA-SFLA-LSSVM更高,预测误差更小。     

一种基于清洗关联规则的金融数据挖掘算法

充分研究新型的数据前期预处理及金融数据联系的一些时间变量的预处理方法,提出一种基于清洗关联规则的金融数据挖掘算法.引入关联规则的分析在一定支持度的约束下研究和金融紧密相关的一些因素,在应用过程中随着算法的开展,对重点部门与重点功能进行观测与预警.实验证明,该方法可以更加准确的进行金融数据状态的跟踪,挖掘效率更高.     

基于决策树技术的日前市场清算电价预测

以澳大利亚昆士兰州电力市场为背景,采用决策树技术,建立了提前日的电力市场清算电价预测模型。详细介绍了决策树技术的原理及其在电价预测中的实现方法,考虑了非电价因素对电价预测的影响。实际结果表明该方法具有良好的预测效果和直观性。     

基于经验模态分解和基因表达式程序设计的电力系统短期负荷预测

提出将经验模态分解（EMD）和基因表达式程序设计（GEP）算法相结合的EMD&GEP预测法应用于电力系统短期负荷预测中,消除负荷样本中的伪数据,并对负荷样本序列进行经验模态分解得到不同频段的本征模态分量（IMF）和负荷剩余分量。运用基因表达式程序设计算法的灵活表达能力,把分解得到的不同频段的各负荷本征模态分量及负荷剩余分量中所对应的不同日、同一时刻的负荷序列作为样本,进行分时预测。把各负荷本征模态分量和负荷剩余分量中相对应的预测结果进行重构,作为各时刻负荷的最终预测值。EMD克服了小波分析中小波基选取困难的不足,结果表明各负荷本征模态分量能较准确反映负荷特征,而且经比较,EMD&GEP预测法比小波分析和GEP算法相结合的预测方法具有更好的预测效果。     

Logistic模型的改进及在油藏可采储量预测中的应用

为了更准确地预测油气藏未来的经济可采储量，依据油气藏随开发必然要经历产量递减和生产收支平衡的实际。利用Logistic模型中技术可采储量、产量与时间的相互关系，经推导和改进后，再结合当前经济技术条件下的废弃产油量，预测油气藏的有效生产时间及其经济可呆储量。实践证实，改进后的Logistic模型预测结果更符合油气藏的生产实际，能为油气藏的储量管理提供可靠的依据。     

射孔完井出砂预测新模型及其在射孔优化中的应用

分析了射孔完井的油层出砂机理，以线弹性理论为基础，考虑变温应力和流体渗流作用的拖曳力影响，建立了一种新的射孔完井出砂预测模型。应用该模型研究射孔方位、射孔参数对油井出砂的影响，结果表明，深穿透射孔弹比大孔半径射孔弹能更好地避免孔道出砂，采用定向射孔能有效地减少油井出砂问题。其结果对砂岩油藏射孔优化设计具有一定指导意义。     

A New Material Balance Equation Model for Analyzing Dynamic Performance of C_2 Flooding

1. Introduction CO2 flooding is considered one of the most effective tertiary recovery processes in light/medium oil reservoirs and has been widely used in petroleum industry. However, the complicated displacement mechanisms involved CO2 injection have not been fully understood. Monitoring reservoir performance and obtaining accurate information regarding reservoir fluids and injected fluid by using actual field data will help to understand displacement mechanisms and manage the CO2 injectio…     

A Study on the Model of Forecasting System about the Actual Telephone Occupation in the Lead Development

ＡＳｔｕｄｙｏｎｔｈｅＭｏｄｅｌｏｆＦｏｒｅｃａｓｔｉｎｇＳｙｓｔｅｍａｂｏｕｔｔｈｅＡｃｔｕａｌＴｅｌｅｐｈｏｎｅＯｃｃｕｐａｔｉｏｎｉｎｔｈｅＬｅａｄＤｅｖｅｌｏｐｍｅｎｔ￥ＸｉｅＳｈｉｃｈａｎｇ；ａｎｄＸｉｅＸｕｅｍｅｉ（Ｄｅｐａｒｔｍｅｎｔｏ...     

Local models-based regression trees for very short-term wind speed prediction

This paper evaluates the performance of different types of Regression Trees (RTs) in a real problem of very short-term wind speed prediction from measuring data in wind farms. RT is a solidly established methodology that, contrary to other soft-computing approaches, has been under-explored in problems of wind speed prediction in wind farms. In this paper we comparatively evaluate eight different types of RTs algorithms, and we show that they are able obtain excellent results in real problems of very short-term wind speed prediction, improving existing classical and soft-computing approaches such as multi-linear regression approaches, different types of neural networks and support vector regression algorithms in this problem. We also show that RTs have a very small computation time, that allows the retraining of the algorithms whenever new wind speed data are collected from the measuring towers.