共查询到19条相似文献,搜索用时 76 毫秒
1.
一种基于模糊逻辑和神经网络的电力负荷预测方法 总被引:12,自引:2,他引:12
应用模糊理论、人工神经网络等智能技术,确定了有效的电力系统短期负荷预测方法,其中着重考虑了天气因素对电网负荷的影响,并开发了实用化的负荷在线预测软件,该软件是基于Windows的应用程序,具有开放式的结构和友好的人机接口,可用于每小时或每15min的负荷预测,测试结果表明,该方法具有良好的预测精度。 相似文献
2.
电力系统短期负荷组合预测 总被引:2,自引:0,他引:2
基于三种单一预测模型,给出了电力系统短期负荷组合预测模型。为求解固定权系数,引入智能优化算法求解。通过计算结果比较表明,组合预测法具有较强的实用性和优越性。 相似文献
3.
基于神经网络的短期电力负荷预测 总被引:2,自引:0,他引:2
采用神经网络方案来进行短期电力负荷预测,探讨了负荷模型分类模,对应用于实际的神经网络算法进行了具体处理,如数据的归一化问题,网络权值与阈值的初始值选定,训练样本的选择策略等。 相似文献
4.
电力负荷预测是电力规划及安全运行的基础,提高预测精度是电力负荷预测研究的重点,由于负荷预测的变化性和不确定性,单一的预测模型很难满足所有的预测情况;组合预测是将各个单项预测所得的结果选取适当的权系数进行加权平均的一种预测方法;采用灰色和时间序列作为单项预测模型,然后进行最优组合建立组合预测模型进行电力系统短期负荷预测;仿真实例表明:最优组合预测模型比单项预测模型具有更高的预测精度,具有一定的优越性。 相似文献
5.
基于数据挖掘技术的负荷预测模型 总被引:4,自引:0,他引:4
为有效选取预测变量和训练模式、提高预测精度,提出了一个基于数据挖掘技术的负荷预测模型.该模型首先利用粗集理论和遗传算法选取与负荷相关的预测变量,再选取与预测日相似的训练模式,最后用神经网络对负荷进行预测.实际运行结果表明将该模型应用于电力系统负荷预测是可行的,其与传统的神经网络预测模型相比具有更高的预测精度. 相似文献
6.
7.
提出了一种BP混合模拟退火(SA)的ANN短期负荷预测方法,该方法针对传统BP学习算法的缺点,将BP算法和模拟退火算法的优点相结合以提高网络的学习性能.ANN模型中考虑了温度和预测日类型,可进行工作日和节假日的预测,实例表明ANN模型实用有效、精度高. 相似文献
8.
电力负荷的混沌预测方法 总被引:9,自引:0,他引:9
借助混沌分析理论介绍了电力负荷时间序列的混沌性识别技术,给出了一种基于混沌负荷序列的预测方法-基于相空间轨迹演化模式的预报模型。该方法具有预测精度高、计算速度快的优点,在短期负荷预测中可获得相当满意的结果。 相似文献
9.
基于人工神经网络的实时短期负荷预测系统 总被引:2,自引:0,他引:2
应用人工神经网络设计短期电力负荷预测系统,利用广州电网的负荷数据进行仿真,分别作出提前1小时和未来24小时的整点负荷预测,获得了比较满意的预测精度,显示出人工神经网络应用于短期电力负荷预测的良好前景。由于建立小时模型,改进了训练样本集的选取办法及采用高效率的LM训练算法,使ANN的训练速度大大加快,形成可以实时训练和预测的ANN-STLF系统。 相似文献
10.
一种应用时间序列技术的短期电力负荷预测模型 总被引:2,自引:0,他引:2
提出一种时间序列算法和模糊逻辑技术相结合的电力系统短期负荷预测方法 .它包括一个具有非线性特性的传递函数模型 ,可以考虑气温等外界因素对负荷的非线性影响 ,能使预测及时跟上负荷变化的趋势 ,适用于由于天气等因素变化引起负荷突变的预测场合 .为了更好地处理影响电力系统负荷的不确定性因素 ,便于利用预报人员的丰富知识和经验 ,此文采用了具有较强结构性知识表达能力的模糊逻辑技术与时间序列相结合的方法进行负荷预测 .测试结果表明了该方法的有效性 相似文献
11.
基于神经元网络的短期电力负荷预测 总被引:7,自引:0,他引:7
基于多层感知器可任意精度逼近线性或非线性函数的基本原理,提出一种考虑气候影响因素的多层前馈神经网络的短期负荷预测方法,并给出相应的反向传播算法(BP)的构造过程和训练方法,研究结果表明,基于神经元网络的短期电力负荷预测方法具有精度高的特点,负荷预测结果的相对误差小于3.67%。 相似文献
12.
基于灰色系统和人工神经网络的中长期电力负荷预测 总被引:5,自引:0,他引:5
利用灰色预测需要样本数据量少、建模过程简单的特点,对中长期电力负荷进行前期预测,结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点,在考虑经济因素的前提下对输入数据进行了预处理,采用改进的BP算法最终得出了预测结果.文中的算例表明了该方法是可行且有效的. 相似文献
13.
电力系统短期负荷预测的多神经网络Boosting集成模型 总被引:4,自引:0,他引:4
提出了一种改进的多神经网络集成自适应Boosting回归算法.算法中采用相对误差模型代替绝对误差模型,可以更接近于回归预测问题的要求,并在Boosting迭代过程中,在对训练集采样得到新的训练子集的同时,也对校验集采样得到新的校验子集,保证了两者的一致性.进而采用美国加州电力市场的实际数据,建立了由多个神经网络集成的电力系统短期负荷预测模型.预测结果表明,与传统的单网络预测模型相比,Boosting集成预测模型能显著提高模型输出的稳定性,增强网络结构及模型选择的可靠性,获得更高的预测精度. 相似文献
14.
自适应神经网络在短期负荷预测中的应用 总被引:2,自引:0,他引:2
采用基于混沌算法的自适应预测模型,应用于电力系统短期负荷预测.选取重构相空间中的饱和嵌入维数作为神经网络的输入节点数,适当选择非线性反馈项,能使网络的动力学在权空间具有混沌行为.通过进化算法建立一种自适应机制,使得网络能够根据学习和训练的结果优化非线性反馈项.算例表明,该算法具有很强的自适应能力和鲁棒性,精度高. 相似文献
15.
人工神经网络进行电力系统短期负荷预报的几个问题的探讨 总被引:1,自引:0,他引:1
研究了利用人工神经网络进行电力系统短期负荷预报中常会遇到的几个问题,提出了考虑年负荷增长率、极端气候、节假日问题及历史负荷资料少带来的预报误差的一些极为新颖的斛办法。实例证明,这些办法明显地改善了预报结果,使人工神经网络进行电力负荷短期预报的应用更适应于实际的要求。 相似文献
16.
短期负荷预测模型及其影响因素 总被引:2,自引:0,他引:2
在分析电力负荷曲线特性的基础上,将日负荷分成工作日和非工作日,并着重考虑温度对负荷曲线特性的影响,将BP算法和模拟退火(SA)算法相结合,对某电网的日负荷数据进行实际计算,发现考虑预测日类型和温度等因素后,负荷预测精度有很大提高. 相似文献
17.
基于自组织特征映射神经网络的短期负荷预测 总被引:5,自引:0,他引:5
提出了一种基于自组织特征映射神经网络(Kohmonen网络)的短期负荷预测方法,根据Kohonen网络的聚类特性,样本在输入时就已分好类。输入既有与负荷曲线平滑性有关的数据又有反映负荷周期性变化的数据。在学习训练时,区别于普通的无监督竞争学习采用有监督竞争学习方式,缩短了学习时间,提高了学习精度。实例分析征明了该方法的有效性。 相似文献
18.
提出的基于MATLAB神经网络工具箱的短期负荷预报模型,不仅简洁实用,而且涉及了天气和日期特征量,因而具有较高的预测精度.采用两种学习算法,用实际数据对ANN进行了训练,通过比较得出了优化模型.计算实例表明用该方法是可行的、有效的. 相似文献
19.
电力系统短期负荷预报的动态神经网络方法 总被引:3,自引:0,他引:3
提出了一种用于电力系统短期负荷预报的动态神经网络模型。这种模型同时兼顾了时序法和相关法的特点,将日期特征量,气象特征量及一天的多个有功负荷水平作为神经网络的输入信息,通过对输入信息动态,灵活地处理,利用有监督的学习算法对神经网络进行训练,再预测下一天相应时间点的多个有功负荷,以提高有功日负荷的精度和方法的适应性,为电力系统经济负荷分配提供可靠的依据。 相似文献