基于自适应神经模糊推理系统（ANFIS）的电力系统短期负荷预测

采用ANFIS（Adaptive Neuro-Fuzzy Interference System）进行电力系统短期负荷预测。ANFIS将模糊理论与神经网络融合，利用神经网络来实现系统的模糊逻辑推理，采用混合学习算法调整前提参数和结论参数，自动产生模糊规则。利用某局网负荷数据对网络进行训练和检测，所得结果表明利用ANFIS预测负荷有效。     

电力系统短期负荷离线预测研究

针对某电网负荷预测问题，提出了对灰色预测法和单指数平滑法的有效改进，并将改进后的方法以及两种方 法的组合预测应用于实际负荷预测问题中，获得了满意效果。文中通过一个计算实例，比较了改进前后这几 种方法的预测精度，并列出了采用这几种方法进行负荷预测的满意结果。     

灰色理论在电力系统负荷预测中的应用

结合一个实例，提出了用灰色理论模型来预测电力系统负荷的方法。     

应用函数联接网络预测电力系统短期负荷

采用函数联接的神经网络进行电力系统的短期负荷预测。将输入模式映射到维数更高的模式 空间，使在原空间中不可分的问题，在更高的空间中成为可分，从而只须采用无隐含层的平 面网络即可进行电力系统负荷预测。实测结果表明该方法可行。     

基于系统动力学的电力系统中长期负荷预测

将系统动力学应用于电力负荷的中长期预测。首先根据历史用电情况分析建立模型结构图，然后进行方程式设计，最后通过仿真和参数敏感度测试证明模型的合理性和实用性。电力系统负荷中长期变化是一个受政策、经济等多方面不定因素综合影响的动态过程，采用系统动力学的方法进行预测可以充分利用专家的经验，并且在模型使用中不断积累经验，提高了预测精度。     

受天气因素影响的电力系统短期负荷预测综述

1概述电力系统负荷预测[1,2]按照预测期限的不同,可以分为长期预测、中期预测、短期预测、超短期预测。短期负荷预测是指提前预报未来几小时、1天至几天的电力负荷,主要用于安排日开停机计划和发电计划。对一个电力企业而言,提高运行的安全性和经济性,提高发电设备的利用率和经     

基于点模式匹配的电力系统短期负荷预测

输电网短期负荷预测是电力调度的基本依据。文中基于点模式策略，并借助模拟退火算法，提出了一种短期负荷预测的新方法。从模式的角度看，负荷的变动也可以看成是模式的转换。该方法首先通过相关性分析找出输入输出数据关系以及各输入数据所占的权重；然后由点模式匹配法求得各输入数据的变换值；最后由变换值、输入数据及其权重得到短期负荷预测的结果。将该方法用于一个实际系统，预测结果表明该方法预测效果较好。     

中长期日负荷曲线预测的研究

针对我国电力部门所积累的基础数据，提出了一种基于用电结构分析的日负荷曲线预测方法 ，在建模时引进了灰色系统的思想，对原始数据作了生成处理，所建立的数学模型物理意义 明确、表达方式简捷，并针对其特点提出了有效的求解方法，通过实例计算表明算法的有效 性。     

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。     

基于灰色系统理论的电力负荷预测研究

利用灰色系统理论建立电力负荷预测模型,并将其加以改进,应用结果表明改进的灰色预测模型具备较高的精确性和可靠性.     

水文自动测报系统测站的供电设计

大多数水文自动测报系统的测站应用太阳能电池浮充蓄电池的自动供电方式，所用的蓄电池容量和太阳能电池功率要按照测站设备的耗电量和当地的太阳辐射数据进行设计计算。介绍了一种计算方法，可以由此了解测站供电系统的设计过程。     

基于预测误差分布特性统计分析的概率性短期负荷预测

现有短期负荷预测方法一般只能给出确定性负荷预测结果，难以满足电力市场中不确定性风险分析决策的要求。文中提出了一种基于负荷预测误差特性的统计分析的概率性预测方法。该方法首先从时段与负荷水平2个联合维度上建立了对预测误差分布规律进行统计分析的模型，并提出了检验该统计规律有效性的原则和方法;将验证后的预测误差统计分布规律与确定性的负荷预测结果相结合，即可得到概率性的负荷预测结果。基于该结果，还能求取某一置信水平下的预测负荷曲线的包络线。结合实际电网数据验证了所提出方法的有效性和实用性，为概率性短期负荷预测提供了一条可行的新思路。     

电力短期负荷预测相似日选取算法

短期负荷预测是电力系统安全经济运行的基础，相似日选取的准确与否直接影响到短期负荷预测算法的精度。针对短期负荷预测的特点，提出一种能便于考虑各种因素影响的新算法。分析了气象、日类型等因素对负荷影响的常见规律，便于识别主导负荷变化的因素，建立了在短期负荷预测中选取相似日的新方法。理论和实例均表明，该方法适应性较强，能够通过历史数据分析从历史日中选取最合适的相似日，对提高短期负荷预测的精度具有较大价值。     

短期负荷预测的Ensemble混沌预测方法

负荷记录中的噪声以及预测方法中矩阵数值计算的奇异性，使得一次预测得到的结果具有较大的误差。为了降低初值中噪声的不利影响，将数值天气预报中的Ensemble方法移植到短期负荷预测中。在混沌相空间重构预测中，在参考矢量上叠加一定强度的正态分布噪声，形成多个扰动后的参考矢量，分别预测后得到多个预测结果，再由这些预测结果合成概率化的预测结果。采用这种Ensemble技术，不仅可以提高预测准确率，还可以得到概率化的预测结果。     

EMS中负荷预测不良数据的辨识与修正

分析了实际电力系统中负荷异常数据的主要成因，并针对2类主要的坏数据各自的特点，分别使用不同的方法处理负荷预测样本数据。针对自动化系统故障造成的坏数据，提出了具有负荷预测应用特点的总加值动态多源处理技术，从而能够充分利用采集设备或网络通道对负荷总加值而言的多重冗余配置；针对大负荷的突发性偶然波动造成的坏数据，采用对电网终端负荷的逐一扫描辨识，部分避免了对单一总加数据预处理的误判和漏判。     

多节点超短期负荷预测方法

对多节点有功和无功负荷变化规律的动态自适应超短期预测进行了深入的研究和分析，提出将负荷数据分层分区的处理方法，建立它们之间相互牵制和联系的表达，在由递推最小二乘支持向量机（RLS-SVM）算法实现顶层预测的基础上，建立输电系统多节点负荷动态行为特征的描述模型，构建了自适应动态模型的超短期负荷预测总体构架。以山东电网为例的现场测试效果验证了所述方法的可行性和有效性。     

基于标量场分析的远景负荷预测新方法

相近地域的负荷存在辐射效应。负荷的辐射效应主要体现在居民负荷与商业负荷之间,工业负荷的辐射作用相对不明显,随机性比较大。提出了一种考虑商业负荷和居民负荷辐射效应的新方法,应用于远景负荷预测。在依据负荷密度法对地块负荷进行饱和预测的基础上,借鉴标量场分析方法,考虑地块居民与商业负荷之间的辐射作用,对地块负荷预测结果进行调整,使之更符合负荷的实际分布规律。文中提出的方法已应用于中山电网远景负荷预测。算例表明采用所提出的方法能使负荷分布更合理。