城市燃气负荷的灰色预测

根据城市燃气中长期负荷预测的要求和存在的问题,利用灰色理论与灰色预测的原理,提出了动态等维灰数递补城市燃气负荷灰色预测模型,并进行了实际应用。     

基于BP神经网络城市燃气短期负荷预测

论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。     

长兴岛产业园区电力需求多时序预测技术研究

针对长兴岛海洋产业园区内主要典型用户负荷数据进行了负荷特征刻画,针对用户的用电负荷特性,提出了基于多时空的用电负荷预测模型,通过小波分解将负荷数据分为趋势分量、季节分量、周期分量和随机分量,对趋势分量利用线性回归的方法进行负荷预测,对季节分量和周期分量采用时间序列分析预测模型,对随机分量利用随机森林负荷预测模型,从而大大提高了负荷预测的精确度与泛用性。     

湿式储气罐水槽防冻热负荷的模拟计算

介绍了湿式储气罐水槽防冻过程静态热负荷的计算。分析了水槽加热（冷却）过程的动态特性，重点讨论了控制水槽防冻过程所需热负荷预测模型的选择与建立，并对预测模型应用的可行性进行了探讨。     

城市燃气负荷的特点与预测模型的特征

分析了城市燃气负荷的特点和影响因素,讨论了天然气负荷的特点,提出了燃气负荷预测模型应具备的特征。     

基于BP神经网络的地板辐射供暖系统逐时负荷预测

采用BP神经网络,可利用较少的输入参数建立地板辐射供暖系统热负荷预测模型,以大连市某超低能耗建筑为实测对象,根据实测的供暖期逐时热负荷数据建立了BP神经网络热负荷预测模型,并进行了改进.结果表明,采用基于多项式拟合改进的神经网络预测模型能够精确地预测一个单元未来24 h的逐时热负荷,预测误差为5％左右.     

城市燃气季节性负荷预测模型的建立及求解

根据城市燃气管网季节性负荷变化的特点。采用最优组合理论，将灰色GM（1，1）预测模型和人工神经网络模型的优点结合起来。建立了一个基于灰色神经网络的城市燃气管网季节性负荷预测模型，并提出了相应的求解方法，此模型能同时反映燃气负荷随时间的增长趋势和随不确定因素的波动特性。通过实例的计算结果表明：所建模型具有较高的收敛速度和预测精度，较强的适应性和灵活性，为城市燃气季节性用气负荷的预测提供理论分析依据。     

灰色理论在城市供热负荷预测中的应用

在分析城市供热负荷特征的基础上，阐述引入灰色系统方法预测负荷的可行性。根据长期负荷和短期负荷的变化特点，分别提出相应的预测模型。最后结合实例说明了两种预测模型的有效性。     

机理计算与机器学习结合的空调负荷预测

文章提出了一种机理计算与神经网络学习相结合的在线负荷预测方法。利用Python建立了统计学预测模型、支持向量机预测模型、随机森林预测模型。并通过将溧阳某一建筑实际空调负荷数据逐步输入模型之中模拟建筑的实时运行,对1年内和1年后的泛化能力进行分析。模拟结果表明,随着实际负荷数据的逐步增加,通过在线学习逐步完善性能,可以快速建立建筑的空调负荷预测模型。机器学习预测空调负荷的方式扩大了负荷预测的使用范围,提高了冷冻站智能化运行的水平。     

基于径向基神经网络的燃气日负荷预测

建立了径向基神经网络预测模型,进行了实例运算。这种预测方法满足预测需要,训练速度快。     

城市燃气短期负荷预测的研究

分析了城市燃气负荷的特点和影响因素,根据指数平滑预测法的原理,建立了城市燃气短期负荷预测线性模型和二次曲线模型。实际预测结果表明,平滑常数为0.3的直线模型具有较高的预测精度。     

基于信息熵的燃气年负荷多模型组合预测

对于城市燃气年负荷预测,多模型组合预测是提高预测精度的有效方法。应用信息论中的信息熵概念对各单一模型进行综合评价,计算其在组合预测模型中的权重。实例计算证明,多模型的组合预测能综合单一模型的特点,具有良好的应用效果。     

基于一次累加法的城市燃气年负荷预测

由于燃气负荷原始时间序列非线性随机变化,而一次累加法具有削弱时间序列随机性的特点,提出了一次累加法在城市燃气负荷预测中的应用方法。实例表明,一次累加法预测模型精度高,预测结果可靠,可用于城市燃气年负荷预测。     

A new prediction model of electricity load based on hybrid forecast engine

In this paper, a new prediction model is introduced based on hybrid forecast engine and new feature selection. In this model, the load signal is filtered by feature selection to filter out the best candidates. Then, the proposed forecast engine is predicted the output of feature selection. In this model, the weights of proposed forecast engine are optimised by an intelligent algorithm to increase its accuracy. Effectiveness of the proposed method is applied over real-world engineering test case and compared with other different well-known methods. Obtained results proof the validity of the proposed method.     

软土路基变形的时序建模及应用研究

鉴于高速公路施工的被动性,利用时间序列建立数学模型。对具有非平稳性的表面沉降进行一次差分(d=1)处理,使其转化为具有平稳性的沉降速率问题,即将非平稳性时间序列ARI MA(p, d, q)模型转化为平稳的ARMA(p, q)模型。建立了ARMA(1 ,1)模型来对公路施工填筑期间的沉降进行短期预测,进而对下一级加载的时间进行预测。结果表明,预测结果可靠,精度高,能够很好地反映填筑期间沉降的变形特性,适用于高速公路重点断面分析。     

基于气温的城市燃气小时负荷预测

燃气小时负荷随着气温的变化而波动,考虑气温变化的影响,利用Elman神经网络构建燃气小时负荷预测模型。通过对杭州市燃气小时负荷进行预测,结果表明预测和实际值有较好的一致性,所建立的模型收敛速度快,精度高,具有较好的工程应用前景。     

基于神经网络的城市燃气短期负荷预测

采用VC语言编写基于神经网络技术的城市燃气短期负荷预测模型,经实例验证可以较精确地预测出城市燃气短期负荷.预测模型在权值修正项中引入动量项以加速收敛,在数据输入时引入噪声,以提高网络的泛化推广能力.