一种电力系统中长期负荷预测方法

提出了一种电力系统中长期负荷预测的方法－时间序列的指数平滑法。该方法适用范围广，具有较强的预测精度，并通过实例计算，结果表明预测精度满足要求，证实了这一方法用于系统中长期负荷预测的可行性。     

电力系统中长期负荷预测的改进决策树算法

以不完备数据分析(ROUSTIDA)补全算法为数据处理前导，将其与属性组合法相结合，提出应用于电力系统中长期负荷预测的改进决策树算法．算例的计算结果表明，该算法弥补了决策树算法的固有缺陷，具有计算速度快、预测精度高、预测误差变化小等优点．尤其在候选属性繁多，原始数据不完整或不准确时，改进算法更具优越性．     

中长期电力负荷的模糊回归预测

针对中长期电力负荷预测中观测数据及负荷变化规律的模糊性，提出了一种新的负荷预测方法－模糊回归预测。该方法通过建立具有模糊回归参数的回归模型，可以直接由模糊观测数据预测出未来负荷值。文中通过实际算例验证了所提方法的可行性。     

电力系统短期负荷预测的改进BP算法

提出了一种电力系统短期负荷预测的算法，通过增加势态项及采用步长自适应等方法的对传统的BP算法进行了改进，实例计算表明该算法可行。     

电力系统负荷预测

负荷预测在电力系统规划和运行方面能发挥重要的作用，产生明显的经济效益，负荷预测实质上时对电力市场需求的预测。本文系统介绍和分析了负荷预测的基本概念、种类、和预测方法。     

基于LTC-RNN模型的中长期电力负荷预测方法

针对中长期电力负荷预测受限于天气、温度、节假日等多重不确定性因素影响而精度不高的难题,本文采用一种基于液体时间常数的递归神经网络,实现了中长期电力负荷的精准预测,为电力系统规划设计奠定较好基础．基于液体时间常数的递归神经网络使用膜积分器改进了神经元的状态方程,并使用半隐式欧拉算法完成对神经元状态迭代更新,解决递归神经网络的自我修正能力弱和易陷入局部最优的问题．本文以天气、温度、节假日等外在影响因素作为网络输入,构建了以递归神经网络为基础架构的中长期电力负荷预测模型,并通过隐藏层的扩展计算获得输入-输出的映射关系,以通过时间的反向传播算法实现对模型的训练,完成对神经网络参数的优化．实验中,以北方某地区的实际电网数据为例,验证该预测方法的准确性与高效性．研究结果发现,基于液体时间常数的递归神经网络对中长期电力负荷的预测准确率可达到95.3%．本模型相较于长短期记忆和连续时间递归神经网络具有更稳定的训练结果与更高的预测准确度．     

中长期电力负荷预测研究综述

电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一.该文对电力负荷预测的概念及分类等问题进行了简要论述,重点分析了中长期负荷预测的特点、成熟方法,对中长期负荷预测方法进行了综述,并对负荷预测问题的研究方向提出了一些建议.     

电力系统负荷预测的加速基因方法

将改进的基因算法应用于某省电力系统负荷预测,取得了十分满意的效果。并与灰色预测方法进行了比较,证明用基因方法预测是优越的。     

中长期电力负荷预测中的新思路

随着电力市场改革的逐渐深入,对负荷预测的准确性要求更高。而负荷预测的方法也多种多样,这里介绍电力负荷预测技术的一些新的发展趋势。     

二级模糊因素的负荷预测线性回归法

基于经典的线性预测回归模型，引入了模糊因素对预测结果的影响，构成了二级模糊因素的多元线性回归法。最后对两种方法作出了比较，说明本文所述方法是比较理想的。     

模糊理论在电力负荷预测中的应用

提出了一种预测电力系统负荷的新方法。该法首先根据模糊聚类分析的方法对电力负荷及其相关环境因素的历史样本进行归纳分类，然后采用合适的模糊数及模糊集刻画出各类样本中负荷变化的模式及环境因素的特征，最后，由未来环境因素状态判定未来负荷变化属于哪种模式，从而预测出电力负荷的未来值。文中以我国某省中期负荷预测为例，说明了所提方法的有效性。     

基于模糊理论的电力负荷预测研究

电力系统负荷预测对电力系统规划和运行极其重要,论述了电力负荷预测的内容和基本过程。将模糊理论应用到电力系统的负荷预报中,基于模糊理论的电力负荷预测可以达到较高的精度,效果良好。     

一种基于模糊逻辑和神经网络的电力负荷预测方法

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。     

具有自学习功能的电力负荷模糊推理预测

考虑到电力负荷预测问题中存在的不确定性,采用模糊推理预测方法进行负荷预测的研究。该方法利用电力最高负荷和国内生产总值的历史数据建立模糊推理规则,从而进一步建立最高负荷跟国内生产总值之间的模糊蕴涵关系,通过模糊推理得到了负荷预测结果。为了使模型能够象专家一样不断地总结新的经验并调整原有的经验,模型克服了其它模型中知识的凝固性,具有自学习功能。利用某些区的实际数据进行分析计算,得到了满足的结果。     

电力系统短期负荷组合预测

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。     

电力负荷的混沌预测方法

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.     

电力负荷短期预测与调度自动化系统的集成

基于广州电网负荷短期预测系统的开发，讨论了在调度自动化系统中实现短期负荷预测功能的集成要点，同时就软件层次、数据交换、进程管理以及界在处理等技术给出分析结论。     

基于DPCA-BP神经网络的中长期电力负荷预测方法

针对PCA-神经网络预测方法解决预测问题时,忽视数据自相关性而造成的预测结果难以满足实际工程要求精度的研究现状,建立了预测数据的增广矩阵.通过计算前l时刻数据确定增广矩阵的维数,并把得到增广后的预测数据作为BP神经网络的输入变量,建立了基于DPCA-BP神经网络的预测模型,给出了模型结构.该模型能有效地去除自变量系统中与因变量无关的数据信息,增加自变量系统中数据的自相关性.算例比较分析表明,所建立模型的模型成分解释性增强,预测精度提高,预测效果优于PCA-BP神经网络方法.