基于BP神经网络灰色回归组合模型的年最大负荷预测

为克服单一电力负荷预测模型的局限性,改善预测结果,提出了一种基于BP神经网络灰色回归组合模型的年最大负荷预测方法。在BP神经网络预测模型中,采用Levenberg-Marquardt算法对参数迭代过程进行优化;在灰色预测模型中,采用加政策因子处理法对原始数列进行改造以强化数列的递增趋势;在回归预测模型中,采用逐步线性回归法剔除对因变量影响较小的自变量。最后利用方差-协方差法对三种预测模型进行加权组合。以广州市2007—2016年实际数据对组合预测模型进行验证,并对广州市2017—2019年的年最大负荷进行预测。结果表明:所提方法预测精度较高且误差在工程允许范围之内,具有一定的工程实用价值。     

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。     

基于GDP-电能消费耦合关系的中长期电量预测

建立了一种基于用电量和GDP之间耦合关系的中长期电量预测模型。首先利用协整检验和格兰杰（Granger）因果检验,剖析电能消费和经济发展之间的协整关系和因果关系,并建立中长期电量预测模型。然后采用误差修正方法对预测模型进行短期调节,以提高模型的鲁棒性以及预测精度。以某地区1991—2015年的用电量和GDP数据作为算例输入数据,结果表明：通过构建电能消费和经济发展之间的耦合关系,有助于提高预测模型的解释能力,同时含短期调节的中长期用电量预测模型具有更高的预测精度。     

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。     

基于ARMA-ARCH模型和BP模型的短期风速组合预测方法研究

随着风力发电的大规模并网,由风速的波动引起的网侧不稳定现象越来越显著。为了提高风电场风速预测的精度,首先建立了ARMA模型,利用拉格朗日乘数法检验ARMA模型残差的条件异方差效应,从而建立ARMA-ARCH模型;其次建立BP神经网络预测模型;最后分别以固定权和时变权方差-协方差（MV）法将ARMA-ARCH模型和BP模型进行优选组合预测。为验证模型的适应性,分别以西班牙某风电场2016年8月和2017年1月的风速数据进行建模仿真。仿真结果表明：组合预测模型的预测结果更优,且时变权组合预测精度更高;对于单一模型来说ARMA-ARCH模型的预测精度要高于BP模型,而ARMA模型的预测精度最低。     

基于最优权系数的风电功率组合预测方法

摘要： 风电功率的短期预测对于电力系统的安全稳定运行具有重要意义。提出了一种基于最优权系数的风电功率短期预测组合方法,该方法将ARIMA时间序列、BP神经网络、RBF神经网络和支持向量回归机这4种单一预测模型进行综合,并根据预测误差信息矩阵,以误差平方和最小为原则得到组合预测模型中的最优权系数,以此构成组合预测模型,该模型能够有效地综合各单一预测模型的优势,降低预测风险。仿真实例表明：所提组合预测模型预测精度高,能够方便快速地确定最优权重系数值,降低预测误差。     

基于灰色关联和协整理论的风功率组合预测研究

基于灰色关联和协整性理论,研究风电功率模型筛选与组合预测问题。分析6种单项预测方法与实际功率序列的灰关联度,并进行协整性检验,剔除冗余方法。算例分析结果表明,进行单项模型筛选能进一步提高组合预测模型的精度。然后,提出基于小世界优化的变权组合预测模型,并利用该模型对筛选后的方法进行组合预测。通过一个实例将小世界优化的变权组合预测模型与等权重平均组合预测法及协方差变权组合预测法进行仿真对比,该模型具有较高的预测精度和工作效率,可验证其在实际应用中的有效性和实用性。     

基于组合预测模型的交通碳排放量预测研究

为了构建交通碳排放量的预测模型与方法，以扬州交通碳排放量为研究对象，基于组合预测模型理论，通过赋予灰色Verhulst模型、Logistic模型、Gompertz模型不同权重系数建立最优组合预测模型。结果显示：组合预测模型的预测精度和可靠性明显高于单项预测模型，具有明显的优越性，能够较为准确地预测交通碳排放量。     

基于岭回归的电网调峰需求预测研究

电力需求和调峰需求的科学预测对构建新型电力系统意义重大.随着能源结构转型,社会经济发展出现新变化.本文提出基于S增长曲线的电力需求预测模型和基于岭回归的电网调峰需求预测模型.首先,通过历史数据回归分析得到重点行业负荷S增长曲线特征值,进而预测负荷需求及饱和时间;其次,应用岭回归技术预测电网调峰需求各因素的影响幅度;最后,以山东电网为例,测算了中长期全社会用电量及饱和时期、调峰需求.预计2025年山东全社会用电量为0.9万亿～1.0万亿kWh,全网最大用电负荷高达1.25亿～1.35亿kW,负荷峰谷差率将增加0.5～1个百分点,电网调峰需求为4100万～4500万kW,山东全省电力负荷总体将于2040年前后达到饱和.案例分析表明,所提方法具有合理性.     

基于非线性自回归神经网络的GHI预测

针对水平面总辐照度(global horizontal irradiation,GHI)短期预测问题,提出一种基于非线性自回归神经网络的短期水平面太阳总辐照度预测模型。首先,提出一种并联结构训练样本,以保证训练样本内部的时间耦合性。其次,通过对9项气象参数共511种组合作为输入的模型预测精度进行分析,确定模型最优输入组合。最后,利用4种典型气象条件下GHI时延神经网络预测模型,非线性自回归动态神经网络预测模型预测标准均方根误差均降低。     

基于熵值法的组合模型用电量预测方法研究

电力系统的中长期负荷预测是配电网规划的基础,对实现电网的安全经济运行起着重要作用。以年度用电量预测作为研究的对象,年度用电量预测采用4种主要方法,即分别按照年度、季度、月度和行业用电量预测得到对应年用电量预测值,在此基础上再按其发展序列预测结合起来,建立了一种线性组合预测模型。并采用熵值法对组合模型的权系数进行求解,实证分析表明该模型使预测精度得到了明显提高,具有良好的预测效果。     

熵权法并联组合建模在径流预测中的应用

针对径流预报的具体特征和相关问题,建立了多元时变灰色预测模型,并基于信息熵原理,用熵权法将多元时变灰色预测模型、非时变的免疫神经网络模型、最小二乘支持向量机模型三者进行并联组合集成建模,以充分发挥多种模型各自优点且相互补充,并将此组合模型应用于新疆伊犁河雅马渡水文站的年径流预测。结果表明,与三个单项模型的预测结果相比,并联组合预测模型更合理、普适和可靠。     

基于组合预测方法的风电场短期风速预测

基于持续法、人工神经网络法(ANN)和支持向量机(SVM)3种不同预测模型对内蒙古某风电场短期风速进行了预测研究,比较了不同单一预测模型的预测精度,并进行了4种不同预测模型的组合预测。计算结果表明,单一预测模型中支持向量机方法精度最高,而组合预测中3种方法组合的预测精度最高,并且组合预测精度均高于单一预测方法的精度。同时发现,当单一模型预测误差之间存在较强的负相关关系时,组合预测精度提高明显;而当单一模型预测误差之间存在较强的正相关关系时,则组合预测精度改进有限。     

国家能源局制定可再生能源开发利用指标

正近日国家能源局明确各省(市、区)能源消费总量中的可再生能源比重目标和全社会用电量中的非水电可再生能源电量比重指标。到2020年北京、天津、河北等地全社会用电量非水电可再生能源电力消纳量比重将达到10%,可再生能源资源丰富的内蒙古、新疆、甘肃等地区达到13%。     

基于K-L信息量法的安徽省工业用电量预测

针对区域工业用电量与经济指标的相关性,运用K-L信息量法,在月度尺度上筛选出能够指示区域工业用电量变化趋势的经济先行指标,并获得各先行指标的先行期数。以经济先行指标为自变量、区域工业用电量为被因变量建立多元回归模型,根据AIC准则和BIC准则选取最佳拟合方程,得到工业用电量预测模型。运用模型预测安徽省2014年5月-12月的月用电量,结果显示预测精度较高,预测方法可以用于工业用电量预测。     

基于GRA-BPNN时变权重的光伏短期出力组合预测

针对并网情况下光伏出力预测精度低和稳定性差问题,提出了一种基于灰色关联分析(GRA)结合BP神经网络(GRA-BPNN)的变权重系数组合预测模型。首先,利用3种单一预测模型对光伏出力分别进行预测,然后,利用GRA-BPNN模型对3个单一模型不同时刻的权重系数进行预测,最后,根据权重系数计算出预测结果。文章利用武汉某并网光伏电站的实测数据对GRA-BPNN变权重组合预测模型预测结果的准确性进行检验。分析结果表明:GRA-BPNN变权重组合预测模型的相对均方根误差和相对平均误差均低于单一模型和等权重组合模型;根据各预测模型的残差直方图可知,GRA-BPNN变权重组合预测模型预测结果中出现较大残差的概率很小,有效地解决了单一模型预测结果不稳定的问题。     

基于遗传算法优化神经网络的光伏电站短期功率预测

针对现有光伏发电预测的不足,基于遗传算法(GA)和神经网络(BP)算法构建光伏电站功率预测模型,并使用组合权重法遴选相似日对模型进行修正。采用新疆某光伏电站运行实例验证模型的有效性,并对比BP-GA模型与单一BP模型的预测误差。结果表明,BP-GA模型克服了传统单一BP模型的不足,具有较高的预测精度,可为光伏发电预测工程实践提供参考。     

基于能量预测的光伏微网储能系统控制策略

以光伏微网储能系统为研究对象,提出一种融入光伏发电与负荷预测技术的储能系统模糊控制策略。该方案考虑了光伏输出功率随天气条件变化的随机性,建立了光伏短期功率预测最小二乘支持向量机(LSSVM)模型;考虑电力负荷影响因素的多样性与不确定性,基于灰色关联度(GRA)建立了电力负荷LS-SVM预测模型;考虑建立在偏远地区的微网系统,因分布式电源上网造成电能质量下降和电能传输过程的浪费,建立储能系统模糊控制策略,以确定电能最优分配及就地消纳,以保证系统能源利用效率。根据算例分析表明,该控制方案不仅可准确预测光伏微网能量,而且可提高储能系统运行效率,降低电能传输过程中线路损耗以及对电网电能质量的影响。     

生活用水量组合预测模型及其应用

生活用水量是一个复杂的经济系统,采用单个预测模型很难准确地反映其实际情况,结合全国1998～2010年的生活用水量数据,分别采用自回归模型、指数平滑模型、改进的GM(1,1)模型预测全国生活用水量。通过冗余检验,自回归模型、指数平滑模型、改进的GM(1,1)模型均不是冗余方法,并对这三种预测模型采用极小化误差平方和的方法确定最优加权系数,建立了生活用水量的组合预测模型。结果表明,与单项预测模型相比,该组合预测模型具有更高的精度和更好的适应性,且预测结果更加可靠。     

基于组合模型的短期风速预测研究

风速具有较大的随机波动性,影响了电网的稳定性,风速预测对于风电并网问题至关重要。本研究采用灰色-马尔可夫链(GM-Markov)与最小二乘支持向量机(LSSVM)预测模型分别对风速进行预测,比较了各单一预测模型的精度;在此基础上研究了动态权重组合模型与0-1法组合预测模型。然后以国内某风电场的实测风速数据为例进行分析,结果表明,单一预测方法时好时坏,稳定性较差,组合预测模型总体效果较好,具有较大的实用价值。