基于Kohonen聚类小波包分解和ELM的短期电力负荷预测

提出基于Kohonen聚类、小波包分解和极限学习机的短期电力负荷组合预测方法.考虑到电力负荷具有一定周期相似性,经过Kohonen神经网络的聚类分析能确定与待预测日具有类似特性的负荷相似日;利用双正交小波对负荷数据进行分解,得到不同的频率分量分别送入ELM网络进行预测;最后将所得的不同频带中的待预测负荷分量组合,即为最终负荷预测值.经仿真实验表明,较传统单一的神经网络算法,该方法在预测精度和运算时间等方面均颇有提升,具有一定的实用性.     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.     

一种适应大跨度电压变化的综合负荷静态模型

建立合理的综合负荷静态模型对电力系统静电压稳定性分析具有重要意义，在对感应电动机静态电压特性进行模实验和仿真分析的基础，以综合负荷的静态电压特性进行了较深入全面的研究，提出了一种综合负荷静态模型，所提出的模型能合理地描述综合负荷在低电压运行条件下的静态行国，具有全电压范围的适应性，对电力系统静态电压稳定性分析具有较大的理论和实用价值。     

基于DMD-NARX模型的短期电力负荷预测方法

提出了一种基于DMD-NARX模型的短期电力负荷预测方法,深入地探索了负荷变化趋势和历史数据之间的内在关联,同时在短期预测的精度上有所提高。首先通过自相关函数(Autocorrelation function, ACF)并结合短期负荷波动的时间规律特性,在已有历史相关数据的基础上推导出相应日期的输入特征集合;然后将输入特征集合归一化后通过Hankel矩阵完成由单变量输入特征序列向多维数据矩阵的转换,以动态模态分解(Dynamic mode decomposition, DMD)为手段完成对上一步所得多维数据矩阵的动态模态估计和特征分解,同时对电力负荷底层的多尺度动态情况有了更加深入的掌握;最后使用基于外部输入的非线性自回归(Nonlinear autoregressive with external inputs, NARX)神经网络模型,同时以上一步取得的动态模态估值作为计算相应预测日期内各时段负荷分布的基础,并推导出最终预测结果。最终的测试数据证明,此方法较好地改善了模型的预测精度。     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预测。采用了改进的ＢＰ学习算法,以提高训练的收敛速度,预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的。     

感应电动机及电力综合负荷模型结构的研究

感应电动机模型是电力系统运行与控制理论研究和工程仿真计算中最常用的负荷模型，其运行特性对电力系统的运行行为有重要影响，深入研究了感应电动机模型结构与其行为模式之间的，阐述并提出了既能描述负荷的功能恢复特性，又有描述负荷的低电压失稳特性的综合负荷模型结构相当满足的必要条件，提出了适合于电压稳定分析的综合负荷模型的基本结构形式，对电力系统综合负荷建模具有理论和实际指导意义。     

探测木星核能热气球的负荷能力

作者提出用核能热气球探测木星的设想.建立一简化模型,分析核能热气球的负荷能力及相关因素.研究表示,热气球在其它条件下,其负荷能力与背景温度的2.5次方成反比.     

太阳能采暖和热水组合系统的研究

在分析采暖负荷和生活热水负荷不同特性的基础上,研究了一套新型的太阳能采暖和热水组合系统,阐述了将采暖贮水箱和生活热水贮水箱嵌套组成套筒式贮水箱的诸多优点．对于太阳能采暖和热水组合系统的设计,提出了采暖负荷、生活热水负荷、太阳能集热器面积、集热系统循环泵的流量和扬程等系统主要参数的计算方法．     

基于灰色关联聚类的负荷特性分类

以变电站负荷构成比例为基本特征,以负荷特性之间的灰色关联度作为基本测度指标,把灰色理论应用于负荷特性分类;并定义负荷特性的均值化特征向量,构造灰色关联度矩阵,提出一种基于元件的变电站综合负荷特性的分类方法.对湖南省48个220 KV变电站的负荷特性分类结果表明,该算法简易、快速、有效,分类结果合理,具有广阔的应用前景.     

城市电网规划与负荷预测方法探讨

随着城市建设的迅猛发展,电力设施的建设日新月异。在城市建设中非常重要的一项工作就是城市电网的规划。对城市电网现状进行了分析,阐述了电网规划的作用,对城市电网规划的关键技术进行了深入的探讨。电网规划的一项重要内容是负荷的预测,因此,对城市电网负荷预测方法进行了探讨。     

十进制遗传算法在水电站负荷分配中的应用

针对水电站负荷分配问题,建立约束优化模型,并将十进制遗传算法应用到水电站负荷分配调度中．遗传算法是从多个初始点开始寻优,同时搜索解空间内的多个区域。具有潜在的并行性,且搜索使用评价函数启发,过程比较简单,容易与其它算法进行结合,具有很好的拓展性,是一种用于解决最优化问题的有效的随机启发式搜索算法．通过实际的水电站负荷分配问题的求解表明该算法能够获得较好的结果,具有高效性和通用性,适用于求解一般水电站负荷分配问题．     

基于功率谱小波分解的神经网络钻头磨损监测

在钻削过程中,钻削力功率谱与钻头磨损之间具有较强的相关性,被广泛用于钻头磨损监测,但是关于功率谱特征的提取和识别一直没有很好解决.文中采用小波变换对功率谱进行多层分解,提取低频分解系数作为功率谱的包络信息,从而实现对功率谱特征的提取和压缩,并利用BP神经网络对功率谱小波低频分解系数进行融合,实现钻削过程钻头磨损状态的智能识别.试验结果表明:该方法可有效实现功率谱特征提取,经训练的神经网络具有较高的识别精度和推广能力.     

浅谈基于气象因素的电网短期负荷预测系统

电网负荷预测是电网建设的基础,也是电网的建设和布局的依据,电网负荷预测结果的准确与否关系到电力投资的效益。短期负荷预测的时间较短,周期为一到五年,主要是为配电网规划服务的。本文介绍了气象因素对电网负荷预测的影响,阐述了基于气象因素的电网短期负荷预测系统功能的实现。     

田径训练短跑运动员生理机能评定及负荷诊断

运动员的身体机能评定是合理制定训练计划、确定训练指标、安排训练负荷的依据,是运动员创造运动成绩的生理基础.准确地掌握运动员的身体机能状态,是为了更好地完成训练任务.负荷是由负荷量和负荷强度所组成,反映训练的数量和质量的特征.     

濮阳市马颊河流域工业废水污染物排放特征分析

本文以2018年濮阳市环境统计数据为基础,采用等标污染负荷法和单位产值等标污染负荷法,对濮阳市马颊河流域工业废水污染物排放特征进行分析,以期为濮阳市马颊河流域污染治理和环境管理提供科学依据。结果表明,化学需氧量为濮阳市马颊河流域的首要污染物,开发区为首要污染区域,造纸和纸制品业为首要污染行业。     

基于相似日的神经网络短期负荷预测方法

对于受不确定因素影响的短期电力负荷,提出了一种基于相似日的神经网络预测方法。设计了一个规范化的相关因素映射数据表,应用聚类分析方法描述由于相关因素的不同而导致的待预测日与历史日之间的差异程度,选用日特征量相同或相近的历史负荷数据作为神经网络的输入元素进行预测。用该方法选取相似日可以较多的考虑各种因素,因此,具有较高的预测精度。     

关于母线负荷预测的实用算法

随着科学技术的不断发展,调度自动化系统和母线负荷预测装置也在不断的完善。作为制定电网运行方式的基础与前提,母线负荷在预测上的准确度对电网输送能力的计算运行方式的安排和后续安全校核的分析结果都产生着直接性的影响。     

电力系统电压稳定与电压崩溃及负荷稳定的关系

电力系统的电压失稳、电压崩主负荷失稳是电压稳定问题中最基本的最要概念,它们发即相互联系又有本质区别,正确和客观地认识它们之间的相互关系,对深入研究电压稳定问题的机理具有重要意义,负荷稳定必理电力系统电压稳定性的最主要和最关键的方面,分析了负荷对静肪电压稳定性的影响时,负荷特性应当采用准静态功率一电压特性。     

电力负荷预测的模糊时序模型

提出一种负荷预测的新方法，以负荷历史数据为依据建立模糊时序模型，考虑季节性演变和季节性变动因子，即可作年负荷和逐月负荷预测，引入标准拟合度和模糊度两个互不相容的参数分析负荷的增长趋势。这种带有可能范围的模糊时序模型不仅可以成功地预测负荷，且可以给出预测值的准确程序。     

短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型. 该模型具有神经网络的强有力学习能力. 由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响. 实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.