基于因素影响的电力消费预测研究

电力系统负荷预测是电网规划的基础和前提,究其本质是通过对历史电力消费数据及相关因素的分析和整理去求出负荷变化的趋势,规律,从而籍此外推实现预测。本文深入研究了国内生产总值、人口及电力价格指数等因素对电力消费的影响,从理论上验证了影响电力消费的主要相关因素,建立了因素影响的电力消费预测模型,确定了算法。并以新加坡电力消费及其影响因素的实际数据为背景进行了实证研究。结果表明：这一模糊化的预测系统的性能     

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.     

西南两省电力负荷预测及研究

在分析经济发展状况的基础上,运用了电力负荷预测中的灰色系统理论预测法、一元回归预测法和指数回归预测法对云南、贵州两省进行了2006-2010年5年的用电量分析,目的是为今后的电力发展规划提供些许重要的信息。     

电力负荷预测技术发展趋势研究

电力负荷预测是电力调度,用电以及电力计划规划的重要内容,提高电力负荷预测技术水平有利于合理安排电网运行计划,提高电网经济效苴和和社会效苴。该文结合电力负荷预测技术发展研究实际,对试技术发展慧势做了简要分析。     

基于最优组合预测模型的电力负荷预测研究

电力负荷预测是电力规划及安全运行的基础,提高预测精度是电力负荷预测研究的重点,由于负荷预测的变化性和不确定性,单一的预测模型很难满足所有的预测情况;组合预测是将各个单项预测所得的结果选取适当的权系数进行加权平均的一种预测方法;采用灰色和时间序列作为单项预测模型,然后进行最优组合建立组合预测模型进行电力系统短期负荷预测;仿真实例表明:最优组合预测模型比单项预测模型具有更高的预测精度,具有一定的优越性。     

电力负荷需求预测分析

随着电网对电力预测的要求进一步的加大,电力负荷需求的精确分析能力将是电网进行电力运转、实时控制和调度的必要前提。介绍了电力负荷的概念,对影响电力负荷预测的因素进行分析,在此基础上探讨了电力预测分析技术,包括传统预测方法、经典预测技术以及现代的预测分析方法。     

基于BP神经网络的中国电力需求预测

目前,中国用电量逐年激增,而电力需求预测的保守,导致电力供应不足。应用BP神经网络的原理,对中国电力需求情况进行了预测。根据预测结果显示在未来十几年中中国电力的需求量仍将大幅度增加,并提出了有关部门应该迅速调整产业结构,合理安排生产力布局,以满足社会经济发展对电力的需要的建议。     

基于长短期记忆神经网络的短期电力负荷预测

为提高电力负荷预测的精度,提出一种基于长短期记忆神经网络的短期负荷预测模型.首先,选取28个影响电力负荷变化的因素作为预测输入候选特征,同时对部分定性表述的影响因素进行量化表征,对电力负荷特点及其影响因素分析.其次,借助皮尔逊相关系数分析选取了23个相关性较强的主要影响因素,进一步采用皮尔逊相关系数法分析影响因素对负荷...     

计算机辅助电网分形研究

以电力资源为代表的能源不足而引发的“能源危机”,是制约我国经济持续、快速、健康发展的一个重要因素,而对我国电力需求预测的失准是造成电力偏紧之根本所在。传统的电力网络中的总装机容量、总发电量、全社会用电量等参数可以反映出区域电力的总体的量的情况,但并不能反映出区域电力的分布的面的情况。本文将分形原理引入电力网络,运用计算机工具作为辅助,通过对电网分维与经济发展间的关系研究,指出电网分维是区域电力建设中的一个新的科学参数,并提出了电力需求平衡线及其方程,为较为准确地进行电力需求预测,缓解我们面临的“能源危机”,提出了新思路。     

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。     

浅析提高电力电量预测准确率必要性及措施

电力电量预测是电力系统规划和运行研究的重要内容,是保证电力系统可靠和经济运行的前提,是电网规划建设的重要依据。电力电量预测的准确将直接影响公司电网建设投资、电网网架结构布局的合理性。国网青海省电力公司将电力电量预测准确率指标纳入了同业对标范畴,本文主要对电力电量预测准确率指标构成、必要性及措施等方面进行了分析和探讨。     

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。     

电力负荷预测

电力系统负荷预测成为越来越重要的研究领域。科学的预测是正确决策的依据和保证。电力系统负荷预测实际上是对电力市场需求的预测。在商业化运行体制下,电力系统负荷预测成为越来越重要的研究领域。     

山东省电力消费量的灰色－马尔科夫模型预测

我国的电力资源越来越紧缺,对其进行研究具有一定的实际意义。本文主要运用灰色－马尔科夫模型对2012年山东省电力消费量进行了预测,通过模型精度的比较,证明该模型是有效的。     

基于DE-ELM算法的配电网电力系统负荷预测研究

针对目前方法对配电网电力系统进行负荷预测时,由于未能在电力负荷预测前对电力数据进行缺失值插补处理,导致该方法存在预测精度差、时间长以及性能差的问题,提出一种基于DE-ELM(Differential Evolution-Extreme Learning Machine)算法的配电网电力系统负荷预测研究方法。首先依据小波变换对电力数据进行去噪处理,根据去噪结果完成电力数据缺失值的插补,获取完整的电力数据集;再将数据集分成训练集与测试集两部分,将全局寻优引入极限学习机,采用DE-ELM算法对训练集进行计算,依据结果建立网络模型;最后将测试集放入构建的模型中进行训练,基于输出结果实现配电网电力系统的负荷预测。实验结果表明,运用该方法进行配电网电力系统负荷预测时,预测精度高、时长短、性能好。     

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。     

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。     

基于人工神经网络的实时短期负荷预测系统

应用人工神经网络设计短期电力负荷预测系统,利用广州电网的负荷数据进行仿真,分别作出提前１小时和未来２４小时的整点负荷预测,获得了比较满意的预测精度,显示出人工神经网络应用于短期电力负荷预测的良好前景。由于建立小时模型,改进了训练样本集的选取办法及采用高效率的ＬＭ训练算法,使ＡＮＮ的训练速度大大加快,形成可以实时训练和预测的ＡＮＮ－ＳＴＬＦ系统。     

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.     

需求侧响应下的电力负荷预测模型的改进

在电力负荷预测进行建模时,传统的预测模型需要消耗大量的电力负荷样本数据,同时不能准确描述电力系统内部的变化情况,降低了电力负荷预测的精度和可靠性。提出一种基于灰色预测模型的电力负荷预测模型的改进方法,分析了基本灰色预测模型的建模过程,同时依据需求侧响应约束条件对不符合约束条件的电力负荷预测结果进行剔除,从电力负荷原始数据的处理和灰色模型预测结果的修正两方面对其进行改进。实验结果表明,采用所提方法对电力负荷进行预测,得到的预测结果精度较高,性能优异。