共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
基于小波变换及最小二乘支持向量机的短期电力负荷预测 总被引:34,自引:7,他引:34
提出了采用小波变换和最小二乘支持向量机混合模型进行电力系统短期负荷预测的方法。首先基于小波多分辨率分析方法将负荷序列分解成具有不同频率特征的序列:然后根据分解后各分量的特点构造不同的支持向量机模型对各分量分别进行预测:最后对各分量预测信号进行重构得到最终预测结果。在构建支持向量机模型时考虑了气候因素的影响,并将其作为模型的一组输入点。实验结果表明基于该方法的负荷预测系统具有较高的预测精度。 相似文献
4.
5.
6.
7.
自适应卡尔曼滤波在电力系统短期负荷预测中的应用 总被引:11,自引:5,他引:11
将卡尔曼滤波原理运用于电力系统负荷预测通常是针对线性定常系统,并在定常噪声协方差的前提下进行,模型的灵敏度差和预报精度不高.作者考虑了电力系统负荷自身的变化特点,根据不同日期同一时刻的负荷历史数据建立了含有时变系数的负荷系统模型、观测模型和系统参数模型,采用两段自适应卡尔曼滤波方法,同时考虑噪声协方差对预测精度的影响,运用时变噪声统计估值器对噪声协方差进行自适应估计,用预测方程预测次日的负荷.结合实际电网数据进行的预测计算取得了较好的结果. 相似文献
8.
9.
10.
《电网技术》2021,45(11):4532-4539
短期电力负荷预测能准确评估地区整体电力负荷变化情况,为电力系统运行决策提供准确参考。电力负荷参数受多维因素影响,为充分挖掘电力负荷数据中的时序特征,提升电力负荷预测精度,该文提出一种基于特征筛选的卷积神经网络—双向长短期记忆网络组合模型的短期电力负荷预测方法。以真实电力负荷数据作为数据集,通过对多维输入参数的优化筛选,选取高相关性特征向量作为输入,构建预测模型。通过与添加注意力机制的组合模型对比验证了输入参数优化分析的可行性和优越性。最后利用实际算例将该方法与利用自动化模型构建工具构建的梯度增强基线模型及常用预测模型相比,该方法构建的组合模型可以提升多维电力负荷数据的短期预测精度。 相似文献
11.
基于模糊多目标遗传优化算法的节假日电力负荷预测 总被引:10,自引:1,他引:10
多目标遗传优化算法的一个优点就是可在一次迭代计算中寻找到问题的多个非劣最优解。该文应用多目标遗传算法和关联规则算法提出一个基于模糊规则的电力负荷模式分类系统。在此分类系统中采用多目标遗传优化算法从众多模糊分类规则中自动挑选出具有较好识别性能和可解释性的模糊规则,并利用模糊关联规则挖掘通过启发式规则选择改善遗传算法的搜索性能。经仿真试验表明此分类系统具有较好的分类性能,可为节假日负荷预测提供更为充分的历史数据,从而改善其负荷预测性能。 相似文献
12.
13.
14.
15.
基于改进决策树算法的日特征负荷预测研究 总被引:9,自引:1,他引:9
针对决策树ID3算法的缺陷,提出了属性-值对的两次信息增益优化算法,该算法是ID3的改进算法,它能克服ID3算法在选取属性进行扩展时易偏向属性值多的属性及ID3算法属性间相关性考虑较少的缺点;通过对熵阈值的设定,采用预剪枝技术,又能部分克服ID3算法对噪音敏感的不足.该算法可用以生成日特征负荷决策树预测模型.该模型结合预测日的气象、星期等信息,可进行日特征负荷的预测.采用等深直方图分析思想,可对负荷变化率数据离散化,将层次聚类和信息熵相结合,对气象数据离散化.数据预处理后,通过属性-值对的2次信息增益优化算法生成负荷预测决策树模型,在给出预测日气象及星期信息后可对特征负荷进行预测,预测结果能够满足并超过负荷预测实用化标准的要求并具有较高的预测精度.如果将日24点或96点负荷及相应影响因素数据均用该算法进行模型训练,形成24个或96个预测模型,则可进行日24点或96点负荷预测. 相似文献
16.
基于神经网络的负荷组合预测模型研究 总被引:43,自引:15,他引:43
给出了电力系统负荷的变权系数组合预测模型,即基于神经网络的组合预测模型。该模型利用多种方法的预测结果与实际负荷数据的非线性关系,建立相应的神经网络模型。该网络为单输出的三层网络,其中输入层为各种预测方法的预测值,输出层为实际负荷值。文中用变动量因子和变学习率的BP算法对其训练,训练后的网络便具有预测能力。同时,文中对基于遗传算法的固定权系数组合预测模型进行了简要的介绍。对几个实际系统的年、月、时负荷预测表明,该模型具有很高的预测精度。 相似文献
17.
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
18.
逐级均值聚类算法的RBFN模型在负荷预测中的应用 总被引:10,自引:3,他引:10
该文针对传统K均值聚类算法的不足,提出了一种新的聚类算法--逐级均值聚类算法,解决了传统聚类算法解的局部最优性问题和如何确定聚类数目的问题.在应用该算法确定RBF模型隐含层的中心向量时,同时确定了隐含层的节点数和RBF网络模型的结构.对于网络参数的确定,文中也提出了一种新的交互式的学习方案,将学习样本分为训练样本和测试样本,分别对网络进行权值确定和半径调节,得到了非常稳定的网络结构.运用文中所述模型及算法与传统的RBFN进行负荷预测比较,结果表明前者网络更稳定,预测精度更高. 相似文献
19.
20.
一科基于模糊规则和神经网络的负荷预测方法 总被引:12,自引:5,他引:7
考虑到每个小时发电成本各异,因此本文在训练用于负荷预测神经网络时采用了带动态的模糊化加权因子的加权完全平方法的训练方法,与传统的用于负荷预测的神经网络的训练相比,本文提出的方法更加符合实际而且经济效益更好,同时文中分别采用完全平方法(NNLS),固定加权因子的加权完全平方法(NNWLS)和带动态的模糊化加权因子的加权完全平方法(NNFWLS)进行网络训练并进行比较,仿真结果显示在整个预测周期中采用 相似文献