首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 109 毫秒
1.
江鸿  车利 《科技信息》2008,(3):581-584
提出了基于广义回归神经网络(GRNN)模型的电力系统短期负荷预测的方法,根据电力系统短期负荷变化的特性建立了反映电力系统负荷连续性、周期性及其负荷的变化趋势的模型,以此作为对GRNN进行训练的向量样本集.通过实例表明GRNN应用于电力系统短期负荷预测是可行并且有效的,其预报结果比多层前馈神经网络误差反向传播(BP)负荷预测方法更准确.  相似文献   

2.
人工神经网络在电力系统短期负荷预测中的应用   总被引:4,自引:2,他引:4  
根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤.对BP网络结构、样本空间、收敛性等作了有针对性的研究.结果表明:多层神经网络应用于电力系统短期负荷预测是可行和有效的.其预报结果比传统的负荷预测方法更准确、经济、效果更好.  相似文献   

3.
对于电力系统短期负荷的预测是进行电力调度开展与实施的一项重要内容,有利于实现电力设备的合理调度与维护安排,对于减少电力系统的发电运行成本以及实现电网安全稳定工作运行的保障等,都有具有积极作用和影响,同时,对于电力系统短期负荷的预测管理,也是实现电力企业管理衡量的重要标志。本文将在对于电力系统短期负荷预测的方法意义分析基础上,通过进行小水电地区短期负荷预测方法的分析,结合多小水电地区的负荷特性,通过建立基于负荷特性的多小水电地区短期预测分析模型,对其短期负荷的预测分析思路进行分析研究,以促进电力系统的管理提升与安全稳定运行保障,推动电力事业的建设和发展。  相似文献   

4.
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   

5.
本文针对电力系统短期负荷预测中特殊节假日负荷倾测的特殊性,提出一种基于模糊逻辑的预测方法,该方法合理运用了模糊逻辑对不确定问题的推理能力,克服了特殊节假日由于负荷特性的不同以及历史数据的缺乏所导致的预测困难,仿真结果验证了该方法的可行性。  相似文献   

6.
郑广勇 《科技信息》2011,(33):I0299-I0299,I0325
针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,提出了基于径向基(RBF)神经网络的短期电力负荷预测模型.采用免疫粒子群优化算法来训练网络的隐层节点、径向基函数的中心点和网络权值.综合考虑气象、天气等影响负荷因素进行短期负荷预测.仿真试验表明,该方法同传统RBF神经网络相比,具有较高的预测精度,同时具有较强的实用性.  相似文献   

7.
介绍了多层前馈神经网络在电力系统短期负荷预测中的应用,并对这些方法做了评价.在此基础上,对人工神经网络技术在短期负荷预测中的应用进行了展望.  相似文献   

8.
准确的电力负荷预测对现代电力系统的安全经济运行至关重要.电力负荷预测可以表述为一个具有一定潜在空间依赖性的多变量时序预测问题.然而,大多数现有的电力负荷预测工作未能探索这种空间依赖关系.基于此,本文提出了一种基于时空图注意网络的短期电力负荷预测方法.提出一种基于时空图注意网络模块,该模块使用图注意层实现自适应的捕捉各用户间的潜在空间依赖性,同时使用门控卷积注意力层对各用户用电量在时间维度上进行自适应拟合,以提高网络的预测精度.实际数据实验表明,本文提出的模型整体预测精度提高明显,特别是在一定程度上缓解了长程预测精度恶化的问题,验证了所提方法的有效性与可行性.  相似文献   

9.
针对机器学习方法在电力系统短期负荷预测领域的应用过程中,存在数据样本不 足、模型泛化能力差以及数据隐私保护要求较高等问题,以气象、日期以及历史负荷数据为输 入特征,构建基于长短期记忆(Long Short-Term Memory,LSTM)网络的短期负荷预测模型,提 出基于联邦学习(Federated Learning,FL)的短期负荷预测模型协同训练方法. 通过分散训练、 中心聚合的方式对模型参数进行迭代更新,实现各负荷运营商在保证数据隐私的情况下协同 构建预测模型. 在GEFCom2012比赛的多个地区负荷数据集上进行仿真验证,结果表明,所提 方法在保证各运营商数据隐私的同时,有效提升了短期负荷预测准确率,所训练出的模型在 多场景下具有优秀的泛化能力.  相似文献   

10.
为了提高短期电力负荷预测的精度,提出基于RBF-ARX模型的短期电力负荷循环预测法:将短期电力负荷预测看作非线性时间序列预测问题,并根据历史负荷数据建立电力负荷自回归预测模型(ARX模型),用RBF神经网络逼近ARX模型的参数,并用结构化非线性参数优化法(SNPOM)离线估计模型参数。用该方法对湖南某市电力负荷进行预测,将预测结果与实际负荷值进行比较,结果表明:基于RBF-ARX模型的短期电力负荷循环预测法精度高,可靠性强,具有很好的实用性。  相似文献   

11.
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   

12.
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   

13.
运用复杂系统理论分析电力系统.采用聚类方法对用电区域进行子系统划分,并通过改进的神经元网络算法和增加天气因素的预测方法进行短期负荷预测.通过算例和电力系统应用,证实了该算法的可行性,较显著地提高了负荷预测的准确率.  相似文献   

14.
电力系统短期负荷预测是电力生产部门的重要工作之一,本文利用径向基函数网络(RBF)进行负荷预测,针对RBF在负荷预测中隐含层节点数难求问题,提出了一种改进的最近邻聚类学习算法即可解决该难点,又可提高RBF神经网络收敛速度和负荷预测精度.根据某地区电网的实例进行研究,结果发现本文算法比改进前的算法预测的最小、最大相对误差分别减小0.14和1.12,证明了改进后算法有效性和可行性,为电力系统负荷预测提供了一种新途径.  相似文献   

15.
配电网改造和规划的主要任务是:在满足对用户供电质量和保证各种运行条件的前提下,制定可行的电网规划方案.配电网改造和规划主要内容包括电网现状分析、电力负荷预测、网架规划、配电自动化规划等.县城配电网改造和规划是通过对县城现状电网进行分析,采用总量和空间负荷预测方法预测县城近期和远期负荷,结合负荷预测结果进行变电站选址及容量确定,并提出变电站的中压线路改造和规划方案,在此基础上进行电气计算分析及工程量汇总,并对改造和规划方案进行了投资估算和经济效益分析.  相似文献   

16.
针对短期电力负荷预测易受气象因素影响的特点,提出基于相似日和灰色理论的短期电力负荷预测模型;首先通过对日类型的判断得到相同日类型的负荷数据,然后对气象数据序列进行模糊化聚类处理,并结合预测日的气象数据,采用灰色关联方法进行关联分析,选取与预测日关联度高的负荷数据作为相似日负荷数据,采用灰色预测方法对相似日负荷数据进行短期电力负荷预测;仿真结果表明,选取了相似日之后的预测结果比未选取相似日的预测结果精度要高。  相似文献   

17.
模糊神经网络在短期电力负荷预报中的应用   总被引:6,自引:0,他引:6  
提出了一种用于短期电力负荷预报的模糊神经网络方法,该方法可以直接由模糊信息预测出未来一天或一周的各小时负荷,文中通过实际算例验证了所提模型和方法的有效性。  相似文献   

18.
针对目前常用方法在解决负荷预测问题时,结果往往难以达到工程要求精度的现状,利用过程神经网络输入为时间函数以及预测精度高的特点,建立了基于过程神经网络的电力系统短期负荷预测模型;给出了模型的结构,基于函数正交基展开的离散数据拟合方法以及模型的学习算法.针对东北某地区电网的日负荷数据,进行了模型训练和负荷预测正确性的研究.结果表明,所建立的预测模型对负荷的预测准确率高,优于BP神经网络负荷预测模型的预测结果.  相似文献   

19.
介绍了一种简洁实用的基于模糊集的神经网络电力系统短期负荷预报方法,计及了天气和日期特征量.应用模糊集理论将天气和日期特征量模糊化后作为BP神经网络的一部分输入进行训练,同时考虑实际历史负荷数据构造了短期负荷预测模型,预测未来24h负荷.通过典型算例与普通BP方法预测结果相比,表明该方法是有效的并具有较高的预测精度.  相似文献   

20.
根据灰色神经网络的参数随机选择类似于粒子群算法中的粒子初始空间位置,采用改进粒子群算法代替梯度修正法,对网络参数进行了处理,并通过寻找粒子群算法中的最优个体,建立了基于改进粒子群算法的灰色神经网络,提高了预测模型的稳健性和精度.通过解决短期订货量问题,与反向传播(BP)神经网络、灰色神经网络、没有改进的粒子群灰色神经网络算法和基于遗传算法的灰色神经网络等方法进行了比较.分析结果表明,基于改进粒子群算法的灰色神经网络计算更为方便,并具有更好的逼近能力和预测精度.为优化网络模型参数提供了一种新方法,并拓展了预测模型的研究思路.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号