基于人工神经网络的加权负荷预报

针对矿区电力负荷系统的特点，提出了基于人工神经网络的加权负荷预报．仿真结果表明，其预报精度符合要求．     

电力短期负荷预报模糊神经网络模型的研究

电力系统负荷预报模型因负荷构成及采用的关键技术不同而各异。本文介绍了几种短期负荷预报模糊网络模型的建模方法和特点,讨论模糊神经网络预报模型建模中的一些重要问题,供有关人员参考。     

基于人工神经网络的负荷预报模型

针对基于ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型．为了提高预测精度,对预报权值进行在线修正．实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度．     

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。     

以地下径流为主的洪水预报模型研究

研究了以地下径流为主的洪水预报模型，针对新安江模型的缺点提出了改进新安江模型，同时介绍了人工神经网络的原理并将其应用于洪水预报模型的研究。     

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     

人工神经网络在转炉建立准确预报模型中的应用

本文介绍了神经网络的并作原理、神经网络的训练算法及在转炉建立锰含量预报模型的模糊规则中的应用。     

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。     

基于聚类分析的人工神经网络洪水预报模型研究

应用模糊C均值(FCM)和自组织映射网络(SOM)两种方法将洪水流量过程线进行分解,并聚成不同的类别,结合多层前馈神经网络(MFN)建立了两个综合神经网络模型(FCMMFN和SOMMFN),进行洪水预报。在王家厂水库流域洪水预报的应用结果表明,两种聚类方法能够将流量过程分解为具有不同内在规律的若干过程,两种综合神经网络模型预报精度均优于单一的多层前馈网络模型,而且FCMMFN的精度高于SOMMFN。     

一种负荷预报动态建模及模糊补偿的新算法

本文提出了一种电力系统短期负荷预报的新算法，该算法首先利用模糊技术对历史负荷数据进行平滑处理，建立负荷变化的趋势项和波动项动态模型并作了预报，后利用模糊综合评判的理论对预报值进行调整。     

基于人工神经元网络的工厂电力负荷短期预报

讨论用人工神经元网络技术对工厂企业的电力负荷（用电量）峰值作为短期预报,分析负荷运动畸变对预报精度的影响,仿真预报算例证实,人工神经元ＢＰ学习预报算法对工厂企业电力负荷的预报能得令人满意的效果。     

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     

改进的人工神经网络水文预报模型及应用

在人工神经网络水文模型的研究中,往往加入前期径流以提高模型的预报精度.针对由此带来的问题,通过耦合总径流线性响应模型,建立一种基于人工神经网络的实时预报模型.通过引入总径流线性响应模型的模拟径流作为模型输入,模型的模拟模式能够提供较长的预见期,同时加入误差校正模型的实时预报模式也能够取得较高的模型精度.采用3个不同流域的流量资料对模型进行率定与校核.结果表明,模型能够取得较高的预报精度,显示了良好的适用性.     

神经网络在短期电力负荷预测中的应用

给出了改进的BP网络和RBF网络的构造过程和训练方法.在改进的BP网络中不仅加入了动量项和变步长法，而且在模型中合理地考虑了影响负荷变化的主要气象因素，使其能够适应天气的变化.在RBF网络中，为了克服传统K均值聚类法局部寻优的缺陷，采用了正交最小二乘法选取RBF中心.利用改进的BP网络和RBF网络进行了短期电力负荷预测，并对训练的收敛速度和预测精度进行了分析.比较两种模型，RBF网络比BP网络更具有实用性和可开发性.     

基于人工神经网络的自适应电力系统短期负荷预测

基于人工神经网络的自适应电力系统短期负荷预测梁志珊，陈建华，刘哲（电力科学研究所）１引言电力系统短期负荷预测是调度部门每日必须进行的重要工作之一。日负荷预测的精度越高，越可以降低系统备用容量，减少或避免计划外开停机组。因此，负荷预测的精度将直接影响电...     

基于AHP的人工神经网络模型的建立

针对神经网络的结构特性，提出将层次分析法（AHP）与BP神经网络相结合的思想，即利用层次分析法在筛选对因变量最有影响的因素（自变量）方面独特的性质，来决定BP神经网络的输入变量的个数。并在此思想上建立了AHP与BP相结合的网络模型，又设计了相应的算法。该模型不仅解决了输入待定的神经网络输入维数难确定的问题，而且加快了网络的收敛速度，增强了网络的适应能力。并将新建立的模型应用到经济预测中，得出了比常规经济学模型更优的效果。     

基于人工神经网络的鲁棒短期负荷预测方法

提出一种用神经网络设计提前一天的短期负荷预测系统的方法.在对神经网络进行训练前,先通过一种简单的方法对数据进行了预处理,以使设计的系统具有处理由于突发事件等因素引起负荷突然变化的能力.用山东省电网2003年的负荷数据进行试验,试验结果表明方法的适用性.     

基于人工神经网络的中期电力负荷预测研究

采用人工神经网络(ANN)进行电力负荷中期预测．阐述了人工神经网络的基本原理和反向传播算法(Back Propagation)．根据实际情况建立了人工神经网络的模型并利用Visual Basic编制了相应的计算程序．进行了实例计算，并验证了ANN适用于中期电力负荷预测．     

基于BP网络的空调负荷预报建模方法的研究

对用ＢＰ网络进行逐时空调节负荷的建模方法进行了研究。提出了两种类型负荷预报模型,基于建筑模型辩识的负荷预报法和基于时间序列的负荷预报法。并分四种具体情况进行了分析,了一种较为适合的负荷预报方法,这对于蓄冷空调系统优化控制的实施具有重要的意义。