共查询到20条相似文献,搜索用时 515 毫秒
1.
2.
3.
针对电力系统中长期负荷预测的特点,分别应用灰色系统理论及回归分析方法对中长期负荷进行了预测研究。然后基于D-S证据理论对两种负荷预测方法进行了组合预测,提出了一种新的电力负荷组合预测方法。并通过与两种预测方法的仿真验证对比,证明了本方法具备较高的精度及较强的可操作性,可为电网中长期规划提供有效的借鉴指导。 相似文献
4.
首先建立负荷预测的灰色模型,用3种不同阶数的灰色模型对负荷进行预测,针对灰色模型预测存在误差较大且误差变化剧烈的缺点,提出利用证据理论对负荷预测结果进行融合。通过分析3种灰色模型的预测误差,用Dempster合成法则融合预测结果的误差,并将融合后的结果重新用于负荷预测。结果表明,经过证据理论Dempster合成法则融合后的预测结果具有更高的预测精度。 相似文献
5.
为了提高需求侧电力负荷预测精度,针对需求侧自身特点,提出了基于负荷特性的改进短期负荷预测方法。依据需求侧负荷特性与属性聚类算法结合的方法完成两级需求侧负荷分类,并使用优化改进粒子群优化径向基神经网络(MPSO-RBF)和最小二乘支持向量机回归模型(LS-SVM)等算法建立短期预测模型进行负荷预测。利用该方法对某工业园区用电负荷进行预测,并与实际用电负荷数据和利用传统预测模型以及单一模型预测方法进行了比较分析。预测结果平均相对误差表明,基于负荷特性的改进短期负荷预测方法是有效和实用的,既能得到准确的负荷预测结果,方便需求侧用户就地进行各类负荷针对性调控,又方便管理者宏观掌控需求侧用户负荷情况,有效推动能源互联网的发展。 相似文献
6.
中长期负荷预测是配电网规划的必要前提,对于电力系统经济效益和社会效益的提升具有重要意义。针对传统灰色预测模型预测精度低,适用性不强的缺陷,提出了一种基于改进灰色理论的电力系统中长期负荷预测方法。该方法在经典灰色预测GM(1,1)模型的基础上,首先利用三点平滑法对历史数据进行预处理,然后再构建基于等维新息矩阵的GM(1,1)模型,最后利用残差处理方法对预测结果进行修正。基于四川某地区售电量负荷预测的实际算例的仿真结果表明,相比于传统灰色预测模型,本文提出的改进灰色预测方法在预测精度和适用性方面都具有显著优势。 相似文献
7.
8.
9.
小波分析方法在电力系统短期负荷预测中的应用 总被引:31,自引:3,他引:31
本文将对目前基于小波分析方法的电力系统短期负荷预测的一些理论与存在的问题进行初步的探讨,提出使用小波分析对基于不同频段的负荷进行分类,然后对分类后的不同频段的负荷使用人工神经网络进行训练预测的一种改进负荷预测方法,并尝试提出小波理论在短期负荷预测方向应用的建议。 相似文献
10.
为了使大波动地区的短期负荷预测精度得到改善,将大波动地区的负荷划分为基础负荷、冲击性负荷和小水电负荷,对波动大的的冲击性负荷和小水电负荷作出预测,并将限幅小波的理论引用到负荷预测模型中去。找出影响冲击负荷和小水电负荷相关的若干因素。由于用于预测的信号随机波动大,因此先运用改进熵值法对历史数据进行筛选,再运用规则性系数选取适合的小波基对信号进行小波分解,然后对低频信号进行限幅滤波,对极大模值做异常处理和以低通滤波的方式去噪,再选用线性神经网络模型和改进的差分自回归-滑动平均模型(ARIMA)进行预测,对预测结果进行比较和分析。实验证明对于波动大的冲击性负荷和小水电负荷,基于单层限幅小波分析的负荷模型预测效果较单层小波分析的负荷预测效果好。改进的熵值法和限幅小波分析理论对提高冲击负荷和小水电负荷的短期预测结果精度有较好的实用价值。 相似文献
11.
短期电力负荷预报间隔采样混沌模型 总被引:5,自引:3,他引:5
现有研究工作表明电力系统负荷数据具有弱混沌性。在负荷预测混沌建模方法中,Lvapunov指数预报模式具有理论基础强、模型简单、预测精度高等优点,但预测时限受负荷吸引子最大Lyapunov指数限制。针对Lyapunov指数预报模式的不足,提出了k-△t间隔采样混沌模型,首先将原始负荷序列分解为多个不相交的了序列,然后对各个子序列分别建立Lyapunov指数预报模型。改进了求解最大 Lyapunov指数的方法,探讨了原始负荷序列最大可分解子序列数目的确定依据。数值实验结果表明文中提出的模型能有效地提高负荷预测精度、增加预测时限。 相似文献
12.
基于最小二乘支持向量机的短期负荷预测 总被引:9,自引:4,他引:5
提出了结合粗糙集(rough sets,RS)理论和遗传算法(genetic algorithm,GA)的最小二乘支持向量机(least squares support vector machines,LS-SVM)短期负荷预测模型和算法。由于影响负荷预测精度的因素众多, 该模型采用RS理论进行历史数据的预处理,对各条件属性进行约简分析。属性约简采用GA进行寻优,以确定与负荷密切相关的因素,作为LS-SVM的有效输入变量。在预测过程中,通过GA对LS-SVM的模型参数进行自适应寻优,从而提高负荷预测精度,避免LS-SVM对经验的依赖以及预测过程中对模型参数的盲目选择。采用上述方法对山东电网负荷进行了预测分析,结果证明了该方法的有效性。 相似文献
13.
14.
为了提高电力负荷预测的精度,提出基于提升小波和改进PSO-Elman神经网络的短期负荷预测模型。首先,针对负荷的波动性和趋势性,将提升小波算法用于分解原始负荷数据并提取其主要特征,然后,在蚁群算法改进粒子群算法(GPSO)中,采用混沌理论,对部分适应度值较差的粒子进行混沌扰动,提出CGPSO算法,改善细致搜索的准确性,并提高全局搜索能力,将CGPSO算法用于Elman神经网络初始参数优化,最后建立负荷预测模型。本文采用我国北方某地区的实际数据进行仿真,实验结果表明,该方法的预测精度相比于传统ENN方法提高了2.3626%。 相似文献
15.
16.
17.
18.
基于最大信息熵原理的短期负荷预测综合模型 总被引:8,自引:1,他引:8
引入了信息理论来研究和处理负荷变化的不确定性,提出了基于最大信息熵原理的短期负荷预测综合模型,该模型将各种单一预测模型的预测结果以及历史预测误差分布作为约束信息,利用最大熵原理得到预测结果的分布。文中阐述了新模型的应用背景、思路和理论,给出了具体的实现方案和算法,并在实际电网中得到了应用。针对实际电网的算例研究表明,对于随机性较大的电网负荷,传统综合预测模型存在明显的过拟合现象,而新模型则有效地提高了预测精度。 相似文献
19.