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。     

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。     

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。     

基于神经网络的短期电力负荷预测

采用神经网络方案来进行短期电力负荷预测，探讨了负荷模型分类模，对应用于实际的神经网络算法进行了具体处理，如数据的归一化问题，网络权值与阈值的初始值选定，训练样本的选择策略等。     

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。     

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．     

基于遗传算法的电力负荷预测

电力负荷预测在现代电力工业发展中占有很重要的地位,为了更准确的预测电力负荷,本文提出了一种新的基于遗传算法的电力负荷预测方法,简要的介绍了算法设计思路,并给出了相关的实验结果及其分析,最后通过实验说明了该算法的有效性。     

一种基于时间范例的预测技术

介绍了CBR与模糊结合的技术在预测领域中的应用现状，阐述了一种经作改进的模糊k-NN技术的工作原理，详细论述了时间范例相似度的匹配算法与预测算法。给出该算法在电力负荷预测中的应用的实例，描述了预测系统工作原理、系统结构设计，最后给出了实验结果。     

短期电力负荷预测的基本模型

负荷预测是根据负荷过去的历史资料，建立恰当的数学模型对未来的负荷进行预测。在进行电力系统的短期负荷预测时，针对负荷变化的特点，既要充分分析，掌握并利用其规律性，叉要兼顾各种因素的影响。本文通过对影响负荷的各种因素的分析和预测模型应满足的要求，提出了短期电力负荷预测的基本模型。     

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.     

浅析广州市的电力消费

本文首先分析了1950年以来广州市电力消费的几个特点:①电力消费量增长快;②电力消费结构发生变化;③电力缺口大.然后采用三种方法对广州市未来的电力消费量作了定量预测,并提出一些具体措施.认为既要多渠道、多途径地增加广州市的电力供给,又要尽可能节约电力,改革电力的供给体制.     

改进的相似优先比模型在浦东新区电力负荷预测中的应用

改进优先比方案是将模糊理论中的相似优先比运用于负荷预测后发现原基本模型的某些不足之处而进一步提出的模型，主要吸收了模糊理论中综合评判思想，采用了多因素 归预测，充分考虑电力负荷受多因素作用的客观实际，同时还根据预测对象不同，对模型进行修改，给出相应的满意度。     

电力系统负荷预测的方法及其影响因素

负荷预测是指在充分考虑一些重要的系统运行特点、增容决策、自然条件和社会影响的条件下,研究出一套可以用系统处理过去与未来负荷的数学方法,在满足一定精度要求的前提下,确定某特定时刻的负荷值。负荷预测的目的就是提供负荷发展状况及水平,同时确定各供电区、各规划年供用电量、供用电最大量和规划地区总的负荷发展水平,确定各规划年用电负荷构成。     

模糊聚类在电力负荷预测中的应用

根据电力市场负荷信息,结合相关历史数据与资料,分析电力市场的负荷走势,应用Matlab神经网络工具箱的信息处理技术,预测未来各月的负荷,为决策人员提供及时、科学的决策信息.应用相应的隶属度来描述负荷与影响负荷因素之间的关系.对安徽某地区的月负荷数据进行了具体计算,结果表明该方法的可行性和有效性.     

基于数据挖掘的智能化电力负荷预测

本文对电力负荷预测的研究主要运用了数据挖掘中的聚类分析法,建立了预测算法与预测模型相分离的通用算法库,实现了负荷预测的智能化.通过海量数据存储,数据挖掘和决策信息的支持,可有效地克服数据有限性、不完整性及影响因素复杂性对预测结果的影响,发挥独特优势,实现经济价值.     

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。     

有关短期电力负荷预测的研究

对于电力负荷预测的水平已经成为电力运行的管理现代化的衡量标志,其有着很重要的意义。本文就有关短期的电力负荷预测进行了分析与探究。     

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。     

有关电力负荷的短期预测初探

所谓的电力负荷短期预测指对一年以内用户需求用电量的预测,其包括小时预测、日预测、周预测以及月预测。通常短期预测是预测电功率。在短期内用户需求电量呈现一种随机起伏的状态,其以过去负荷为基础,用户负荷变动、系统内部设备检修以及重大事件与气候变化等因素均会对其产生影响。所以对电力负荷进行短期预测可以为经济调度、发电机组的停启、错峰避峰用电等有着重要的现实意义。     

基于灰理论的居民生活电力消费预测研究

介绍了灰理论及GM模型的建模方法,结合我国2000-2005年居民生活电力消费,建立了GM(1,1)预测模型.通过对模型精度及预测值精度的检验,认为该模型具有较高可信度,适用于居民生活电力消费的预测.