基于线性回归和MLP神经网络的招标采购预测模型

针对线性回归和多层感知器(multi-layer perceptron,MLP)神经网络的理论与运用方法进行研究,利用SPSS软件搭建线性回归模型和MLP神经网络预测模型,通过招标采购实际预测算例,引入平均相对误差和标准误差两种指标对模型的预测精度进行比对.结果表明,对于产品价格和原材料价格大致呈线性关系的变电设备,两...     

基于云理论和元胞自动机理论的城市配电网空间负荷预测

针对城市电网规划中电力负荷空间分布和时间动态演化预测难题,提出一种采用元胞自动机(cellular automata,CA)模拟城市土地利用的逐年发展过程进而进行城市配电网空间负荷预测方法。该方法基于云模型的知识,将影响因素的定性概念所具有的模糊性、随机性有机地结合在一起,构成定性和定量间的相互映射。综合考虑多种影响负荷发展的因素,运用云理论训练CA转换规则,制定多种转换规则来预测规划区域地块的发展程度。通过应用所提模型和方法对某规划小区负荷发展进行预测及实际对比,验证了其有效性。     

基于IAHP和TOPSIS方法的负荷密度指标计算

针对配电网空间负荷预测过程中负荷密度指标难以选取的问题,在层次分析法的基础上,提出了基于区间层次分析(IAHP)法和逼近理想解排序(TOPSIS)法的负荷密度指标选取方法。该方法通过用区间数代替点值,对传统的层次分析法进行改进,并将IAHP法和TOPSIS法有效融合,将专家经验和定量计算相结合,处理决策因素的不确定性和专家判断的模糊性,增强了对负荷密度指标预测结果的可信度。采用类内相似度方法进行负荷密度修正,进一步提高了预测结果的精度。实例计算表明,所提出的方法预测结果更优、误差更小。