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.     

ARIMA模型在广西短期电力负荷预测中的应用

阐述了疏系数ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型的建立方法，提出了适用于广西区普通日电力负荷预测的数据预处理方法，利用建立的动态ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型顺利完成了对广西区普通日电力负荷（每日２４个点，正点采集）的预测，全年日预测精确度均在到９５％以上。     

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。     

神经网络式电力负荷预测的混合计算

针对BP算法存在的缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,利用遗传算法能够进行全局最优化搜索这一特点,提出了一种新的用于BP网络训练的混合算法,即遗传算法与改进的BP算法相结合的混合训练方法,将所提出的混合训练方法应用于神经网络式电力负荷预测中,结果表明：所提出的算法与单一的BP算法相比,不仅可避免陷入局部极小点,而且提高了网络的训练速度和负荷预测精度。     

GM（1,1）改进模型在广西短期电力负荷预测中的应用

采用ＧＭ（１，１）改进模型与ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型对广西自治区电网特殊日电力负荷进行组合预测，阐述了ＧＭ（１，１）改进模型的建立方法，提出了适用于广西纂驱电网特殊日电力负荷预测的预测数据处理方法，提高了预测的精确度，全年日镀优于９５％，解决了在日采样点为２４点（正点采样）情况下预测度较低的问题。     

模糊数学的基本理论及其应用（Ⅱ）：——模糊集合

本文是“模糊数学的基本理论及其应用”学术讲座的第二部分，是文［７］的继续。讲述了模糊集合的概念、表示方法及基本运算，介绍了模糊算子、区间值模糊集及格值模糊集。     

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。     

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。     

雷达网数据融合的自组织模糊神经网络模型

对雷达网的数据融合提出了一种自组织模糊神经网络模型,分析了该模型的自组织特征及神经元感应场内模糊隶属度函数最大的WTA竞争机制.通过二维舰船目标的识别和航迹融合仿真实验,证明了该方法的有效性.     

关于模糊数绝对值的几点注记

通过两个定理及其证明指出了第一种模糊数绝对值的缺陷,即它不遵循类似于实数绝对值的运算法则.对第二种模糊数绝对值作了进一步讨论,并给出了与其等价的一个定义及相关证明.此外,还得到了在第二种模糊数绝对值定义之下乘法和绝对值之间的一个关系.最后,从水平集和隶属函数图像两方面对这两种定义进行了比较.     

滑动平均法改进型灰色预测模型在德山开发区电力负荷预测中的应用

利用灰色控制理论对德山开发区电力需求量进行预测.用生成方法对原始数据进行处理,消除了影响电力需求量的众多非重要因素,并从原始数据中挖掘有用的信息,建立微分拟合方程,基于残差修正提出滑动平均法改进型灰色预测模型,增加当年数据的权重,避免数值的过度波动.德山开发区电力负荷预测结果表明该模型能有效提高预测精度.     

SQL数据库管理系统中的模糊查询技术

介绍了数据库管理系统SQL server 2000中的模糊查询方法及基于模糊理论的模糊查询的实现,并借助语言工具Visual Basic做出了一个良好的模糊信息转换工具,将自然语言中的模糊信息通过计算生成精确的SQL语句,实现从模糊查询转换为精确查询.     

梯形模糊数下的资产期权定价模型

在现实金融世界中,投资者利用期权交易的目的主要是进行套期保值.然而由于金融产品市场价格的随机性,期权的交易仍然存在很大的风险.理论上,如果在期权定价中引入模糊的概念,那么投资者可能会拥有更多的机会来考虑他们的决策,从而减少投资风险,获取利益.针对二元期权中的资产期权,考虑标的资产价格在交易期末的不确定性或模糊性,在传统期权定价模型的基础上,应用梯形的隶属函数,将标的资产期末价格模糊化,建立了一种新的资产期权定价模型.     

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。     

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。     

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。     

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.     

汽轮机调节系统甩负荷性能预测

根据汽轮机调节系统动态特性理论，在积累大量汽轮发电机组现场试验资料的基础上，经过分析研究，发现汽轮机负荷后的转速飞值与其卸去的负荷之间存在可用数学表达式描述的，具有工程容许精度的关系。     

基于中长期负荷预测的调容变压器经济性分析

近年来,居民用电负荷特性发生明显变化,特别是农村,平时负荷低,春节等用电高峰负荷急剧攀升。为了应对这种情况,提升配电变压器运行经济性,调容变压器被研制开发和应用。但是,目前调容变压器适用的负荷特性往往只是定性给出,而且没有考虑调容变压器寿命范围内负荷的增长。如果选择不当,不仅造成投资的浪费,甚至还有可能造成损耗的增加。开展基于中长期负荷预测的调容变压器适用性研究和节能评估,对指导配电网节能降损和精准投资有重要意义。     

对电力负荷控制的基本原理及其控制策略研究

文章通过介绍电力负荷控制系统的组成及其工作原理,着重讨论了系统的控制及管理过程。此外结合本人的实际现场工作经验,希望给工作在广大一线的电力行业人员以借鉴,为我国的热电事业做出贡献。