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.     

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。     

基于灰色系统和人工神经网络的中长期电力负荷预测

利用灰色预测需要样本数据量少、建模过程简单的特点，对中长期电力负荷进行前期预测，结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点，在考虑经济因素的前提下对输入数据进行了预处理，采用改进的BP算法最终得出了预测结果．文中的算例表明了该方法是可行且有效的．     

灰色理论在中长期负荷预测中的应用

负荷预测是电力系统规划和运行研究的重要内容,属于战略预测,是保证电力系统可靠供电和经济运行的前提。通过对灰色理论预测方法建模机理及其改进方法的研究,提出了改进模型。利用实例将改进模型与普通GM(l,l)模型进行比较,证明改进模型具有比普通GM(l,l)模型误差小、精度高的优点。     

方差贡献法在中长期电力负荷预测中的应用

对与电力负荷密切相关的影响因素进行优化选择是提高电力负荷预测精度的有效途径,本文就详细介绍了新定义的方差贡献法在电力负荷预测中对相关影响因素优化选择的应用。     

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．     

煤炭海运总量的灰色预测

基于灰色数学理论,通过常规全数据GM(1,1)模型及等维新陈代谢GM(1,1)模型分别对煤炭海运总量进行建模并预测,并与传统的最小二乘曲线拟合所得结果进行比较,结果表明,运用灰色理论所建立的等维GM(1,1)进行预测是可行的,而且精度较传统方法高。     

中长期电力负荷预测

对电力负荷的预测的传统方法主要采用回归模型、曲线模型等，因不能充分利用历史数据，其准确性较差。利用人工智能技术，将BP神经网络及遗传算法应用于中长期期电力负荷预测，能更好的利用历史数据，如果再对有节假日的特殊月季电力负荷数据进行合理有效的处理，就能大大提高预测的精度。     

配电网中长期负荷预测方法综述

中长期负荷预测是配电网规划的前提和基础,其准确性直接关系到规划方案的质量和配电网的安全经济运行;它也是实现电力系统管理现代化的重要内容之一。配电网规划要求既要预测未来负荷的总量,又要预测未来负荷增长的位置,即中长期负荷总量预测和空间负荷预测,它们对合理地配电网规划具有重要的指导意义。本文分析了各种配电网中长期负荷总量预测方法。     

改进的灰色预测模型在电力系统负荷预测中的应用

灰色预测模型具有多种优点,适用于电力负荷预测,但其存在很多局限性。根据建模机理,适当改进影响模型精度的几种重要因素,能够有效地提高模型的预测精度。通过石家庄市电网年度销售电量数据加以验证。证明改进的效果明显。     

岚河流域径流中长期GM(1,2)时滞预测模型

针对半干旱地区的降雨径流机制比较复杂这一特点,应用灰色系统理论,提出一种较适合于水文实测资料缺乏情况下的中长期预报方法,建立了岚河流域径流中长期GM(1,2)时滞预测模型。运用该模型对岚河流域的未来径流量进行了预测,结果表明,模型具有比较高的预测精度,且考虑2年时滞效应的灰色预测模型具有比较好的预测结果。     

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。     

灰色残差修正模型在中长期负荷预测中的应用

电力系统负荷预测是电力系统发电计划的重要组成部分,也是电力系统经济运行的基础。本文在应用GM（1,1）模型的基础上,建立了两种应用残差对预测数据进修正的模型。实例表明本文提出的方法较传统GM（1,1）模型有更高的精度。     

我国普通高校人数的灰色预测和分析

文章应用GM（1，1）覆灰色关联分析，结合我国过去几年的普通高校人数，对未来4年的高校人数进行了预测，且预测模型可靠．结果表明，城镇居民的收入与高校数目有较强的关系，农村居民的收入是影响高校人数最弱的因素，并针对这一现象做了分析提出了自己的建议．     

GM(1,1)模型灰色预测法预测城市人口规模

以1992-2001年呼和浩特市人口数据资料为依据,应用灰色系统理论构建GM(1,1)人口预测模型,统计检验和误差分析表明,模型精度较高．用该模型预测了呼和浩特市2005-2009年城市人口规模,并对预测结果进行了分析．     

中长期电量预测的傅里叶-马尔科夫修正模型

灰色模型在中长期电量预测中只对电量呈近似指数规律单调增长的序列才有较高的预测精度.随着电量变化随机波动性的增强,建立新的修正预测模型是十分必要的.针对灰色模型抗干扰能力差的问题,提出了灰色预测的傅里叶-马尔科夫修正模型,先利用傅里叶级数法,提取周期信息,优化电量变化的指数率,再采用马尔科夫链法,将电量波动随机性嵌入模型之中,从而对灰色预测的原始残差进行二重修正,提高预测模型的适应性和灵活性.通过实例分析以及对比验证表明,该模型有效地提高了预测精度.     

GM(1,1)模型在井壁安全监测中的应用

为了对井壁安全进行合理评价,及时开展井壁的维护和治理工作,利用灰色系统理论的GM(1,1)模型,将监测到的附加应变数据视为灰色量,运用数列方法进行数据生成、拟合和预报.结合某矿实际监测数据进行预测分析,实践表明,该模型具有较高的拟合和预测精度,采用灰色预测方法对井壁附加应变进行预测是可行的.