ANN电力系统短期负荷预测

采用了优化计算的神经网络结构,可变的学习率η和动量α,选取了能充分反映负荷变化规律的特征量。实例计算表明,方法有效,预测精度比常规方法高,收敛性好,运算速度快。     

ANN 电力系统短期负荷预测

采用了优化计算的神经网络结构、可变的学习率η和动量α,选取了能充分反映负荷变化规律的特征量．实例计算表明,方法有效,预测精度比常规方法高,收敛性好,运算速度快     

基于运行模式的电力系统负荷预报方法

针对负荷预报业度问题了一种基于运行模式的电力系统负荷预报方法,实践证明,该方法能够消除包含平均处理数据样本预报方法所产生的缓陡问题,具有精度高和便于合理利用原始特点。     

电力系统中期负荷电力预计

电力系统中期负荷电力预计是电力系统规划和设计工作的基础。本文利用加权多重回归分析的方法预计负荷必然分量,利用概率法预计负荷随机分量,并且深入地研究了加权系数对负荷预计的影响规律。本文还提出了最优选配回归方程和最优预计的判别准则以及预计风险度的概念。     

基于人工神经元网络的电力系统短期负荷预报的实用计算

本针对贵州电力系统日负荷的特点，提出了一种利用人工神经网络的ＢＰ模型进行电力系统提前２４小时的短期负荷预报的实用计算方法。     

趋势外推法在电力负荷预测中的应用

研究了电力系统负荷预测的趋势外推预测技术，采用二次指数平滑技术和二阶自适应系数法进行发电量预测，并运用C语言编程，通过实际算例进行了比较分析．     

电力系统中长期负荷预测的灰色动态模型研究

建立了电力系统月负荷及年负荷预测的灰色动态模型，并验证了其准确性，为电网调度自动化和经济发展规划提供了较可靠的依据。     

电力系统负荷预测的周期性可调灰色模型

本文针对电力系统负荷变化的不可控性和周期性,通过采用Census Ⅱ分解方法分析季节因子,与历史负荷相比较,得到一系列长期趋势项,然后用可调灰色模型对分离出的长期趋势项进行预测,并用二分法调整u,v的取值,使得误差最小.将预测出的季节因子与长期趋势项重新组合,就得到日用电量的预测结果,实例表明,本系统对于呈周期性变化的电力负荷具有较好的预测效果.     

电力系统负荷建模与预测的新方法

对电力系统辨识及参数预测中新兴方法的应用作了介绍，重点探讨了前向BP神经元网络在电力系统辨识及负荷预测中的应用。主要对电力系统动态负荷建模及中、短期负荷预测中所取得的国内外成果进行探讨。同时，对灰色理论模型进行电力系统长期预测的结果与传统方法进行对比分析。从而归纳出电力系统动态负荷及中期、短期、长期负荷预测的较理想方法。     

趋势外推法在电力负荷预测中的应用

研究了电力系统负荷预测的趋势外推预测技术,采用二次指数平滑技术和二阶自适应系数法进行发电量预测, 并运用 C 语言编程,通过实际算例进行了比较分析．     

趋势外推法在电力负荷预测中的应用

研究了电力系统负荷预测的趋势外推预测技术,采用二次指数平滑技术和二阶自适应系数法进行发电量预测,并运用C语言编程,通过实际算例进行了比较分析.     

电力系统短期负荷预测系统的实现

考虑近期我国电力市场需求,开发了电力系统短期负荷预测软件系统.该系统分为原始数据维护、负荷预测和预测结果处理3个相互独立模块.在数据库设计中,采取定期转储的办法控制数据量.系统提供了丰富的模型库,各模型可单独预测,也可选择几种模型进行综合预测.河南省某县级电力系统的负荷预测结果表明,该系统能够取得满意的预测效果.     

基于时间序列和神经网络的电力系统负荷预测

针对采用时间序列对电力系统负荷进行预测时，无法考虑温度变化等因素的影响，利用神经网络的非线性拟合能力，提出了一种基于时间序列和神经网络组合的电力系统负荷预测方法。在时间序列法中，通过大量的历史数据随机序列对负荷进行预测，对于其结果再通过神经网络进行修正，算例表明所提方法是可行而有效的。     

基于小波-单神经元组合模型的电力系统负荷预测

小波分析是一种新兴的数学工具,它能任意地提取负荷序列的细节.通过使用小波分析,可以在任何水平上分析负荷序列,它对信息成分采取逐渐精细的时域与频域处理,尤其对突发与短时的信息分析具有明显的优势.为了将小波分析用于负荷预测,提出了一种基于小波分解和单神经元的电力系统负荷预测方法.通过小波变换把负荷序列分解为不同频段的子序列...     

浅论电力系统短期负荷预测的研究现状

短期电力负荷预测是电力系统运行调度中一项非常重要的内容,它是保证电力系统安全经济运行和实现电网科学管理及调度的重要方面,是能量管理系统(EMS)的组成部分,也是今后进行电网商业化运营所必需的基本内容.     

基于GA-RBF神经网络的电力系统短期负荷预测

针对短期负荷预测问题,提出了一种遗传算法-径向基函数(GA-RBF)神经网络负荷预测方法,解决传统径向基函数(RBF)神经网络预测中难以确定最佳隐藏层数问题,以提高预测的准确性。首先分析了GA算法模型和RBF神经网络模型;然后利用GA算法与RBF模型结合得到GA-RBF负荷预测模型;最后利用仿真工具对所建模型进行训练和预测。结果表明,与传统方法相比,其平均绝对百分误差值降低了4. 7%,证明了该方法的精确性和有效性。     

基于电能量分析的新息方法电力系统短期负荷预报

本文提出一种用电能量分析方法提取稳定部分并采用新息法处理随机项的短期负荷预报算法,此算法在精度、存储需求和运算时间诸方面均有一定优越性。     

基于模糊集的电力系统神经网络负荷预报研究

提出了电力系统短期负荷预报基于模糊集的神经网络方法 .该方法计及了天气和日期特征量 ,具有训练时间短预测精度高的特点 .采用两种学习算法 ,依据模糊集概念用某地区电网实际数据建立样本集后 ,对ANN进行了训练 ,通过分析比较得出了优化模型 .计算事例表明用该方法是可行和有效的