考虑市场力的短、中、长期电价预测

分别介绍了采用BP神经网络模型和线性回归模型进行电价预测的方法和结果。方法的突出特点是在预测模型中引入了一个衡量市场力的新指标——发电容量必须运行率(MRR)，从而充分考虑了市场力对电价的影响，提高了电价预测的精度，特别是增强了短期预测模型对最高限价的预测能力。文中对MRR指标进行了简单的介绍，并针对电价预测的不同特点，对预测模型和预测变量的选择进行了探讨，提出了自己的观点。基于浙江电力市场实际运营数据的初步预测结果表明，所建预测模型是适用的，选择的预测输入变量是恰当的，电价预测精度能够满足电力市场实际运营的需要。     

电力系统多级负荷预测及其协调问题:（一）研究框架

基于对传统负荷预测中总需求与各子需求预测结果的不均衡现象的深入分析，揭示了电力系统负荷预测问题所具有的“多维多级”特点。在此基础上，提出了电力系统中多级负荷预测协调的科学问题，阐明了多级负荷预测和多级负荷预测协调的新理念。进一步分析了负荷预测模型的“量测”特性，并将多级预测协调与状态估计进行了类比，阐明了多级预测协调的理论基础。文中还探讨了多级负荷预测协调问题的类别及其各自的特点，提出了基本协调和关联协调模式，由此建立了多级预测协调问题的理论研究框架。希望该研究能够丰富和发展负荷预测理论，为广大预测人员提供一些参考。     

基于改进相关向量机算法的短期电力负荷预测方法研究

由于短期电力负荷存在随机性强、影响因素多、预测精度低等问题,在充分考虑气温、日期、节假日等影响因素的基础上,深入研究预测模型,对单一预测模型进行了改进,提出一种将相关向量机与深度置信网络相结合的短期负荷预测方法。通过相关向量机对电力负荷周期变化的通用模型进行建立,在通过深度置信网络建立其误差补偿模型,使用误差补偿模型补偿通用模型的预测误差,提高电力预测的准确度。通过仿真对模型改进前后的有效性和准确性进行验证。研究结果表明,改进后的方法大大提高了短期负荷预测的准确性,无论是否计及气温,都可以实现高精度的预测。降低了负荷因素中一些随机噪声对电力负荷预测的影响,提高了模型的适用性和可靠性。该研究为我国电力负荷预测的发展提供了参考和借鉴。     

短期负荷预测方法的研究及在线应用

根据邯郸地区的负荷特点，将负荷预测分为正常日和节假日两种预测模型。在正常日预测中，采用基本负荷 加修正负荷的思想，修正负荷通过自组织人工神经网络训练得到；在节假日预测中，采用将历史负荷按“近大 远小”加权平均的思想。同时，应用最小二乘递推算法修正模型，进行在线预测。此外，还开发出相应的软件 包用于实际预测工作，并根据邯郸地区的实际情况，通过对MIS中公共数据库的访问，实现了负荷、气象数 据的自动获取和录入，减轻了运行人员的负担。     

改进的灰色预测模型及其在土坝沉降量预测中的应用

文章将灰色预测模型与马尔可夫链预测相结合，提出了改进的灰色-马尔可夫链模型预测方法。用该法对广西百色澄碧河水库心墙土坝沉降量进行了预测，并与灰色模型预测结果相比较，验证了该方法的可行性和优越性。     

Hyperbola-Logistic叠加模型预测地基沉降

针对Hyperbola模型和Logistic模型的优缺点,提出Hyperbola-Logistic叠加模型,该叠加模型综合了两种单项预测模型的优点,以期达到高精度的预测结果。结合发电厂地基沉降现场观测数据,利用Hyperbola-Logistic叠加模型预测地基沉降,并与单项沉降预测模型的拟合结果进行比较分析。结果表明:与两种单项预测模型的预测结果相比较,叠加模型减小了系统误差,提高了整体的预测精度,拟合结果可靠,适用于发电厂地基沉降量的预测。新模型具有一定的适用性,是一种分析预测地基沉降的有效方法。     

综合图形权值法在滑坡变形预测中的应用研究

为提高滑坡变形的预测精度,首先采用卡尔曼滤波对滑坡的变形数据进行去噪处理,分离出趋势项和误差项,再利用多种单项预测模型对趋势项进行预测,最后利用综合图形法确定组合权值,实现趋势项的组合预测;其次,利用神经网络模型对误差项进行预测,进而得到滑坡变形的预测值。结果表明:半参数卡尔曼滤波的效果最优,并通过组合预测有效地提高了预测精度,达到了对滑坡变形高精度及高稳定性预测的目的,验证了该预测模型的可行性和有效性。     

多元线性回归模型在城市用水量预测中的应用

应用多元回归的方法,对城市用水量进行预测。采取向前选择变量法进行优选,得到相对最优的回归预测模型。该模型拟合情况良好,可以用来预测城市用水量。     

最优加权组合模型在边坡变形预测中的应用

利用某岩质边坡2002年-2011年的变形监测资料,结合区域地质与气象背景,运用莱茵达准则选定有效的监测数据,分别建立了GM(1,1)模型和趋势曲线预测模型;最后,基于最优加权组合原理,建立了边坡变形的最优加权组合模型。运用组合模型对该岩质边坡的变形进行了拟合和变形预测,模拟变形趋势与实际变形趋势对比结果表明,组合模型的预测精度高于任何单一模型的拟合精度,证明该组合模型合理、可靠。     

中国内地分区年用水总量预测模型研究

为了完善中国内地大尺度区域用水量预测模型的研究,为水资源科学利用提供支撑,应用ARMA、灰色GM(1,1)及BP神经网络模型原理,建立省级行政区划、流域、地理大区3种尺度的年用水总量预测模型,对模型优选结果进行统计分析,并应用最优模型对2021-2025年各省级行政区用水总量进行预测。结果表明：对于内地省级行政区划尺度,9个行政区的年用水总量最优预测模型为ARMA模型,6个行政区的最优预测模型为灰色GM(1,1)模型,16个行政区的最优预测模型为BP神经网络模型;对于流域尺度,5个流域的年用水总量最优预测模型为ARMA模型,3个流域的最优预测模型为灰色GM(1,1)模型,长江流域的最优预测模型为BP神经网络模型;对于地理大区尺度,北方6区的年用水总量最优预测模型为BP神经网络模型,南方4区的最优预测模型为灰色GM(1,1)模型;2021-2025年内地各省级行政区的年用水总量总体保持稳定。研究结果可为中国内地用水总量的管理提供依据。     

大坝安全监测的组合预测模型

针对传统数学模型和神经网络预测模型在大坝安全监测应用中存在着预测精度较低的问题，分析了灰色预测模型、BP神经网络模型和统计预测模型的建立方法，并在此基础上提出了一种新的组合预测模型，结合实测数据对此组合预测模型进行了检验。结果表明：此组合模型不仅提高了预测精度，而且避免了预测模型选择的难度，在大坝安全监测中具有较好的实用性。     

径流预测的生命旋回——拓扑模型

针对传统径流预测模型无法反映径流序列随机性,或模拟收敛速度慢、模型参数难以确定等缺点,提出了一种新的径流预报模型——生命旋回——拓扑预测模型。该模型用生命旋回模型模拟预测径流量序列的趋势项,用拓扑模型来对径流残差序列进行修正。将生命旋回——拓扑模型用于黄河唐乃亥水文站径流预测中,平均预测精度达到96.28%,合格率为100%。表明该模型预测精度较高,模型实用可行。     

最优加权组合预测模型在大坝变形监测中的应用

探讨最优的大坝变形预测模型,为大坝安全运行提供依据。建立基于多元线性回归、时间序列、BP神经网络3个单项模型的一般组合及最优加权组合预测模型。并采用相关性系数、均方根误差对各模型预测精度进行检验。通过对水布垭面板堆石坝坝体沉降进行预测,其结果表明BP神经网络模型和最优加权组合模型的预测精度都比较高,均适用于该工程的变形预测,尤其是ARMA-BP加权组合预测模型,计算便捷,预测精度较高,可供同类工程借鉴使用。     

沈阳市供水系统优化调度宏观数学模拟

本文对不含蓄水池和加压泵的城市供水系统宏观优化调度问题作了详细的研究.主要内容包括供水系统短期负荷预测和确定系统最优调度方案.在预测部分,通过预测精度分析,确定了适用于供水负荷的预测模型,重点提出配水管网测点压力的组合预测法,并给出率合预测中变动权数的权重计算方法.对于确定系统最优调度方案问题,以耗电量最小为目标函数,以满足用户对水量、水压要求以及城市供水能力为约束条件,建立供水系统的宏观数学模型.利用增广乘子法求得各时段的最佳流量、扬程分配.根据水     

电力系统概率分析中的K均值聚类负荷模型

针对概率分析中目前普遍采用的两种负荷模型的不足之处，提出了基于K均值聚类分析的负 荷模型。该模型采用负荷比重加权和显著性水平检验，提高了分类的精度和效率；结合正态 相关抽样技术，统一解决了负荷建模的两大难题——相关性和预测不确定性问题。算例分析 验证了该模型的合理性和适用性，阐明了其应用价值。     

基于解释结构模型的城市电力负荷预测

影响城市电力负荷的不确定风险因素很多,各种风险因素之间相互影响,形成一个复杂的系统。研究风险系统的结构和相互关系,以及这些风险因素对城市电力负荷的影响,对于城市电网规划非常有意义。文中以影响城市电力负荷的风险因素为研究对象,运用解释结构模型（ISM）对影响城市电力负荷的风险因素进行了分析,并构建了该风险系统的阶层结构图及风险传递链。在此基础上,建立了基于ISM风险分析的城市电力负荷预测模型。通过北京市2001年—2008年全社会用电量算例检验,所提出的方法可以有效提高城市电力负荷预测水平,为城市电力负荷预测风险管理提供决策基础。     

实时洪水预报中的组合预测模型方法

通过分析最优加权组合预测模型的基本原理,提出了差分模型和衰减记忆最小二乘递推算法的组合预测模型,并将该模型应用到实时洪水预报中.结果表明:①最优组合预测模型比各单个预测模型精度高,稳定性较好;②提高单个预测模型的精度是提高组合预测模型精度的关键;③组合预测模型的实时洪水预报效果较好.     

网格化的电力系统短期负荷预测的MDRBR模型

针对大电网的短期负荷预测，建立了按地域划分的网格化电力系统短期负荷预测模型。各子网格根据自身的历史负荷和气象条件建立对网格更为有效的负荷预测模型，并采用了面向粗糙集的默认规则挖掘算法（MDRBR——mining default rules based on rough set）构造各单一预测模型，从而获得更加准确的预测结果。文中首先描述了MDRBR算法，然后分析研究了网格化的日负荷多层规则网络构造过程，并给出了基于MDRBR算法的日负荷预测过程以及对某地历史数据的负荷预测结果。分析结果表明，该网格化负荷预测模型能更加准确地得出预测结果，有效地减少噪声，计算简单，且规则搜索效率高。     

基于提升小波优化模型在大坝位移预测中的应用

针对传统建模主观性造成的精度影响以及预测数据的噪声干扰,提出了基于提升小波的系统优化GM(1,1)模型.该模型可有效剔除监测信息的噪声分量,减小预测误差,同时根据最小二乘原理提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,建立了优化GM(1,1)预测模型的最优初始值.对某大坝位移监测信息进行了计算,相对传统GM(1,1)模型而言,优化GM(1,1)模型可明显提高预测精度.     

基于灰色周期组合模型的电力月度负荷预测方法

传统的灰色预测模型只能反映用电负荷的总体变化趋势,不能反映用电负荷随季节的波动特征。基于月调节指数,提出了灰色周期组合预测模型,研究了同时考虑2种趋势复杂的月度负荷预测问题,算例表明,与传统的预测方法相比,组合预测方法较好地提高了预测的精度。