用时间序列法进行电力系统短期负荷预测

电力系统负荷预测是指从电力负荷自身的变化情况以及经济、气象等因素的影响规律出发,通过对历史数据的分析和研究,探索事物之间的内在联系和发展变化规律,以未来的经济、气象等因素的发展趋势为依据,对电力需求作出预先的估计和推测。本文通过使用经典的时间序列法进行短期负荷预测,以C++语言程序为计算手段,并将预测结果与实际值进行比较分析。同时类比其他各种预测的方法,对短期负荷预测的方法、过程、意义进行一些分析。     

基于混沌时间序列和神经网络的电力短期负荷预测

提出一种将混沌时间序列和神经网络相结合的短期负荷预测方法,利用混沌理论重构相空间的吸引子,然后用BP神经网络来拟合空间吸引子的演化,同时利用空间欧氏距离来选取神经网络的输入样本,实例预测结果表明所提出方法的有效性和可行性.     

计及温度影响的短期负荷预测时间序列模型

时间序列模型在国际和国内的短期电力负荷预测中得到了广泛应用.然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去.在此背景下,首先基于负荷和气温数据建立了负荷预测的回归模型,然后构造了回归模型残差累积式自回归一滑动平均模型并对回归模型进行修正.最后,用广东电力系统的实际负荷数据说明了所发展的...     

小波分析在短期销售预测中的应用

由于影响销售的因素很多，销售的变化显示出越来越多的不确定性，使得一般的预测方法难以奏效。该文提出一种基于小波分析的短期销售预测方法。通过小波分解，将原时间序列依尺度分解成不同层次，对各层分别进行建模预测，最后合成得到原时间序列的预测值。实例验证该方法是可行的。     

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。     

模糊时间序列模型在短期气候预测中的应用

将模糊时间序列模型引入短期气候预报,利用重庆34个地面气象观测站的逐日观测资料(1971—2007年)和重庆市旱涝灾害监测预警决策服务系统计算的干旱指数和洪涝指数等资料,运用模糊时间序列模型分别对2001—2007年重庆市城口县1月降水、1月平均气温的预报结果(年度预测)和重庆市春旱指数的预报结果(年度预测)进行了模糊时间序列分析,预测了2004—2007年的发展趋势,用2004—2007年实测值与预测结果进行了比较,并与加权集成、人工神经网络集成、数据挖掘集成等模型进行了精度比较和分析.结果表明:模糊时间序列模型各项精度评定指标优良,并且计算简单,具有一定的实用价值.     

基于混沌时间序列及神经网络的大同电网负荷短期预测研究

精确的负荷预测对电力定价、实时负荷调整起着十分重要的作用.提出利用径向基函数神经网络模型,通过采用混沌时间序列的方法,对大同地区的全网用电负荷数据进行了短期预测验证.通过数据预处理产生混沌序列,进而通过相空间参数完成了相空间重构.最后通过RBF网络预测得到了相应的预测值,并与实际值进行了对比.结果表明:得到的预测结果与实际结果几乎重合,证明了该方法的高度预测能力与适应能力.     

合肥地区短期负荷预测及误差分析

电力系统规划和运行调度都应以对未来电力负荷的预测为依据。电力的生产和消费是同时进行的，任意时刻都必须保持二者之间的平衡。负荷预测偏低会引起电力供应紧张，电能频率下降，供电可靠性下降；负荷预测过高将会导致发电过剩，系统频率上升，并造成发输电设备不能充分利用，影响系统的经济发展。因此，电力系统负荷预测是电力系统规划和运行调度的重要组成部分。     

RBF神经网络自适应模糊控制在短期负荷预测中的应用

为了能够及时准确地进行电力系统短期负荷的预测,采用RBF神经网络和自适应模糊控制相结合的预测方法,首先通过RBF神经网络进行负荷预测,然后利用自适应模糊控制对预测结果进行在线修正,实验结果证明了该方法的正确性与可行性。     

改进的BP算法在短期负荷预测中的应用

提出了一种改进的BP神经网络学习算法,并将其应用于短期电力负荷预测中,通过采用基于响应函数输出限幅和自适应调整学习率等措施,来提高神经网络本身的效率和精度,仿真结果验证了改进措施的有效性,取得了满意的预测结果.     

回归分析法在年用电量预测中的应用

针对年用电量的预测，研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系，以某地区为例，求出该地区1990年至2000年的用电量回归方程，再用该回归方程求得的年用电量与实际值加以比较．误差满足实际要求且方法简单易行，证明了一元线性回归可以有效的应用于年用电量预测．     

多变量时间序列CAR模型在短期光伏发电量预测中的应用

提出一种采用多变量自回归时间序列CAR(Controlled Auto-regressive)模型作为预测光伏电站发电量的方法。该方法利用灰色关联度分析影响光伏发电量的关键气象环境因子,结合光伏电站历史数据,基于CAR模型建立了短期光伏发电量预测模型。以华中科技大学电力电子研究中心18kWp并网光伏电站资料进行预测试验,并通过调整模型参数获得了适合的模型,结果验证了该方法的有效性。应用结果表明,天气良好时,预测精度较高,对光伏电站发电管理具有一定的参考价值。     

回归分析法在年用电量预测中的应用

针对年用电量的预测,研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系, 以某地区为例,求出该地区1990年至2000年的用电量回归方程,再用该回归方程求得的年用电量与实际值加以比较,误差满足实际要求且方法简单易行,证明了一元线性回归可以有效的应用于年用电量预测．     

基于陆基GNSS的电离层时间序列预报研究

为讨论不同时间序列模型对电离层垂直总电子含量(VTEC)的预报效果,在平静电离层条件下,采用载波相位平滑伪距法解算单站上空的电离层VTEC值,分别利用自回归积分滑动平均模型(ARIMA)与Holt-Winters指数平滑模型进行逐站建模,通过时长为9 d的样本序列实现3 d预报,并对预报值进行系统评估.结果表明,时间序...     

GIS技术在瓦斯区域预测中的应用

结合淮南矿业(集团)有限责任公司潘三矿瓦斯预测信息管理系统的实例,探讨了如何利用地理信息系统(GIS)技术、计算机技术实现瓦斯区域预测的科学化自动化管理,对基于ArcView的瓦斯预测信息管理系统的系统总体结构及系统功能进行了分析和设计,并对系统开发过程中的关键技术进行了详细分析.     

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．     

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．     

城市燃气管网日负荷预测的灰色神经网络模型

将灰色预测理论和人工神经网络理论结合起来,利用灰色静态预测模型来弱化数据的随机性并建立规律的累加数据,再利用神经网络模型来解决数据的非线性,建立了既反映其时间序列的周期性变化趋势,又包括天气、气温等影响因素的燃气日负荷预测灰色神经网络模型。对哈尔滨市燃气管网系统的日燃气用量进行了预测,表明模型不仅有较高的收敛速度和精度,同时也具有较强的适应性和灵活性。     

合肥地区短期负荷预测及误差分析

电力系统规划和运行调度都应以对未来电力负荷的预测为依据.电力的生产和消费是同时进行的,任意时刻都必须保持二者之间的平衡.负荷预测偏低会引起电力供应紧张,电能频率下降,供电可靠性下降;负荷预测过高将会导致发电过剩,系统频率上升,并造成发输电设备不能充分利用,影响系统的经济性能.因此,电力系统负荷预测是电力系统规划和运行调度的重要组成部分.     

混沌时序建模的理论在电力负荷预测中的应用

利用一种简洁实用的方法计算电力负荷最大Lyapunov指数,通过计算证明电力负荷数据存在混沌的特性.通过对负荷时序的相空间进行重构,对河北地区电力负荷的日负荷数据进行了分析,并根据混沌时序模型对其进行预测,结果表明预测精度小于3%,满足实际要求.