排序方式: 共有4条查询结果,搜索用时 171 毫秒
1
1.
2.
为获取足够精确的短期负荷预测值作为电力系统规划和运行的依据,提出一种加权多分位鲁棒极限学习机ELM(extreme learning machine)的短期负荷预测方法。首先融合分位回归与鲁棒ELM形成多分位鲁棒ELM基本预测模型,然后通过选取不同的分位值来模拟所有的可能性预测场景,以此得到不同分位场景下的预测值。最后按照"误差大、权值小;误差小、权值大"的误差反馈加权原则对上述不同分位下的预测值进行加权求和,以此得到最终的预测结果。实例证明该混合模型预测方法适用性强,且能取得较高的预测精度。 相似文献
3.
随着售电市场的放开,大量社会资本进入电力市场,售电公司数量急剧增加。在激烈的市场竞争下,如何保证自身收益的同时,提高用户的用电满意度,是售电公司亟待解决的问题。为此,构建了基于电力用户用电差异性的售电侧定价策略。首先,根据负荷曲线,分析不同用户用电行为的相似性和差异性,对用户进行细分;然后,为获得售电公司及其用户收益最大化的最优定价策略,构建定制化的分时电价模型;最后,通过电力用户的实际负荷数据,利用遗传算法和纵横交叉算法对模型进行求解,对比证明所提的电价决策模型的有效性。 相似文献
4.
1