基于BP神经网络的电力系统负荷预测研究

通过对岳阳县地区电力负荷历史数据及特点的研究,分析了影响中期负荷预测准确性的多方面因素,利用日常负荷与气象条件的关系,建立神经网络中期负荷预测模型,研究了这一人工智能技术应用于电力系统负荷预测的可行性。提出了一种基于BP神经网络的综合预测方法,能够稳定和较准确地对电力负荷做出预测。在实际电力负荷预测中,该方法取得了比较高的的预测精度。     

电力负荷预测技术及其发展趋势

介绍了电力系统负荷预测方法的几种分类方法、神经网络负荷预测方法及其在短期负荷预测中的研究情况,也指出了负荷预测技术的发展趋势。     

冰蓄冷系统基于负荷预测和优化的实时控制

首先基于西安地区某办公楼空调季节的数据,进行了逐时温度和冷负荷的预测。然后,讨论了温度预测对负荷预测,负荷预测对离线优化的影响。结果表明,人工神经网络冷负荷预测的准确度不受异常天气情况的影响;而负荷预测的准确度直接影响非线性优化的结果;在线修正是至关重要的。最后,给出了实时控制中负荷预测及离线优化结果在线修正的实例。     

浅谈电力负荷预测技术

本文简述了电力系统负荷预测的概念和目的,介绍了负荷预测技术的分类和特点,综合分析了影响电力负荷预测准确率的重要因素,并比较了较为热门的电力系统负荷预测方法及其优缺点,最后对未来负荷预测技术做出了展望。     

简述海西电网负荷预测的原理和方法

引言电力市场是电力工业引入竞争机制后的必然发展趋势。青海西部电网结构简单,面积广阔,随着青藏直流联网工程投运,海西电网结构发生了很大的变化,也给电网负荷预测带来很大难度。负荷预测在电力系统运行中必不可少。负荷预测结果准确与否,对系统运行的经济性、安全性都有影响。根据国际、国内惯例,电力系统负荷预测按预测周期长短分为:超短期、短期、中期和长期负荷预测。其中超短期负荷预测可预测未来1～60min的负荷,主要用于负荷频率控制、安全监视、预防控制、紧急状态     

灰色模型在负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务。介绍了灰色理论的相关概念和原理,以及预测负荷的步骤,通过举例讨论了灰色模型在短期电力负荷预测中的应用,对平常日电力负荷进行预测,其结果令人满意,表明灰色模型是有效的负荷预测方法之一。灰色模型在日常负荷预测中广泛得到运用。     

城市电网系统电力负荷预测方法研究

分类负荷预测的目的是对各类小区负荷实行总量控制,是在小区负荷预测与修正时的一个重要考核因素。同样,各类负荷与系统总负荷间也可以相互校核以提高分类负荷的预测准确性。分类负荷的叠加应等于系统总负荷．这里的叠加是指考虑各类负荷峰值时间分散性后的按负荷曲线叠加。对于一个规划区域而言,总负荷发展的规律性一般要强于分类负荷发展的规律性。因此．采用适当的方法直接对总负荷进行预测的结果将可用于校核各类负荷的预测结果．     

冰蓄冷系统基于负荷预测和优化的实时控制

首先基于西安地区某办公楼空调季节的数据，进行了逐时温度和冷负荷的预测。然后,讨论了温度预测对负荷预测，负荷预测对离线优化的影响。结果表明，人工神经网络冷负荷预测的准确度不受异常天气情况的影响；而负荷预测的准确度直接影响非线性优化的结果；在线修正是至关重要的。最后，给出了实时控制中负荷预测及离线优化结果在线修正的实例。     

基于RBF-ARX模型的短期电力负荷预测

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。     

电动汽车充电站短期负荷预测

为了保证规模化电动汽车接入后的配电网的稳定性,文章对电动汽车充电负荷特性进行研究,建立了电动汽车充电负荷预测模型,考虑到适应复杂的天气变化情况下的电动汽车充电站负荷预测,采用基于GA-ANFIS-FFNN算法的电动汽车充电负荷预测方法,采用GA优化的ANFIS算法进行充电负荷预测,预测输出结果采用FFNN算法优化提升整体预测准确性,并采用多种算法对比验证本文所提算法在突变天气下的充电负荷预测的优越性。     

空调逐时负荷计算模型与逐时负荷计算

通过对空调逐时负荷计算房间模型的建立,为空调负荷逐时计算及负荷分析提供一个简单实用工具。     

基于趋势组合的知期电力负荷预测模型

在运用神经网络进行短期电力负荷预测中，天气是影响负荷的重要因素。为了更好地捕捉天气对负荷的影响，文中提出了一种基于神经网络的趋势组合短期负荷预测思想和模型，将短期负荷与天气变量的内在关系分解为3个不同的趋势分量，即周趋势分量、日趋势分量和小时趋势分量，每一个趋势分量分别用一个神经网络模型捕获，趋势分量的预测结果再用一个神经网络模型进行组合，从而得到最终的预测值，分别用改进的和传统的模型预测一周的小时负荷，结果表明，这种神经网络模型能取得更好的预测精度。     

日周期短期负荷自适应滤波预测模型

考虑到时负荷的日周期性,利用时间序列分析中的自适应滤波预测法,建立日周期自适应滤波模型,经河北南网实例验证,预测精度较高。     

基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究

 针对复杂非线性水文模型参数识别及不确定性分析问题,引入基于马尔可夫链蒙特卡罗思想的SCEM-UA算法,以岷江流域为研究实例,对降雨径流模型的参数优选问题进行了分析,并探讨了该算法在推求参数后验分布的搜索性能和效率。结果发现,SCEM-UA算法能快速有效地推求出参数后验概率分布。同时,开展基于SCEM-UA算法取样的参数全局敏感性分析,对比参数敏感性和后验分布,表明两者密切相关,敏感性强的参数其边缘后验概率密度分布存在明显峰值,相反,敏感性弱的参数其后验概率分布较为平坦且无规律可循,从而导致模型参数的不确定性大大增强。     

基于径向基神经网络的建筑物空调负荷预测模型

本文建立了一种基于径向基（RBF）神经网络的建筑物空调负荷预测模型。对广州市某办公楼在夏季不同月份的逐时冷负荷,分别用RBF神经网络模型和BP神经网络模型进行训练和预测计算,发现RBF神经网络模型预测的均方根误差ΔRMSE和平均相对误差ΔMRE都仅是BP神经网络方法的64％左右。仿真结果表明径向基（RBF）神经网络具有更高的预测精度及更好的泛化能力,是建筑物空调负荷预测的一种有效方法。     

应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。     

大苇莺卵壳的扫描电镜观察

在扫描电镜下观察大苇莺卵壳主要由壳膜层、乳锥层、柱状层和表层等超微结构构成。不同形态的壳膜纤维交错成网状,呈多层排列,其上有球状、茬状、火柴状芽突和纤维孔;有的纤维伸入壳内,可能参与气孔膜状内壁的形成。乳锥层由多角形锥体、锥突、锥核及锚连纤维构成,气孔开口于锥体间或锥突上,柱状层最厚,为壳功能的主体,含有大量气孔,气孔内有隔膜和球状塞,有助于控制气流和通气状况,保证胚胎发育过程气体交换的需要,开口于表层的气孔外口由钙结晶微球和护膜封闭,可保护胚胎免受细菌的侵袭,防止水分的丧失。     

α-蒎烯促进海洋真菌Aspergillus sp.产真菌毒素青霉酸的研究

 采自南海软珊瑚Sarcophyton tortuosum的内生真菌Aspergillus sp.在由葡萄糖10 g/L,蛋白胨5 g/L,酵母膏2 g/L,100％海水,pH为7.5的培养基（GPY）中能够产生真菌毒素青霉酸,产量为5.5 mg/L。在GPY培养基中添加200 mg/L的单萜α 蒎烯,能改变代谢产物的组成和含量,并显著促进该真菌产生青霉酸,产量可提高至29.15 mg/L。结果表明α 蒎烯在该菌的作用下主要得到系列氧化产物,并进一步发生氧化降解。单萜α 蒎烯可以作为一个有效的诱导子,引起微生物的氧化应激反应,改变膜上酶系的活性,使代谢活动得到调控,改变代谢产物组成或产量,在微生物发酵工业上有潜在应用。     

平面外腔半导体激光器的一种新的瞬态模型

视外腔半导体激光器的场为统一场,直接由内、外腔场的传播方程、边界条件出发,建立了平面外腔半导体激光器的瞬态模型。数值模拟的结果与实验结果的比较表明：无论对于强反馈、还是弱反馈,此模型基本上反映了平面外腔半导体激光器的瞬态特性     

分段竞价电力市场的模拟、分析和比较

以IEEE-RTS系统数据为例，对分段竞价的电力市场进行了模拟和分析。研究了负荷的分段方法和出清规则对市场竞价的影响，结果表明：负荷分段越多，市场的购电费用越低，市场效率越高，同时市场出清应采用必要的规则以保证发电计划的可行性和合理性。提出了水电机组在分段竞价中的竞价方式，水电机组按照库容优先调度，并按所带负荷段给予相应电价，既充分利用了水量又反映了不同运行方式对系统的贡执以典型日和典型周负荷为例，对分段竞价和分时竞价进行了比较，结果表明，分段竞价降低了市场购电费用，市场效率提高，市场出清价较分时竞价更加平稳。