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。     

电力负荷预测的模糊时序模型

提出一种负荷预测的新方法，以负荷历史数据为依据建立模糊时序模型，考虑季节性演变和季节性变动因子，即可作年负荷和逐月负荷预测，引入标准拟合度和模糊度两个互不相容的参数分析负荷的增长趋势。这种带有可能范围的模糊时序模型不仅可以成功地预测负荷，且可以给出预测值的准确程序。     

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。     

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。     

一种对某地区电网短期负荷预测方法

短期负荷预测对电网运行意义重大,负荷预测的精确与否,对电力网络的控制、运行和计划有较大的影响。本文基于人工神经网络理论,通过建立网络模型,并编写相关程序,预测了未来一天24小时负荷值,并取得了较为理想的预测效果。     

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。     

基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

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。     

函数联接神经网络在电力系统短期在线负荷预报中的应用

提出了２个新的用于帝时在线短期负荷预报的函数联接神经网络（ＦＬＮ）模型,２个模型都把负荷与气象参数结合起来的构成非线性ＡＲＭＡ过程,并应用ＦＬＮ的函数逼近能力获得了２个模型的参数,测试与在线操作表明２个模型的预测效果是令人满意的,２４ｈ向前负荷预报的平均绝绎百分误差ＭＡＰＥ）对ＨＥＬＮ来说几乎都在３％以下,而ＤＦＬＮ来说几乎都在５％以下。     

浅谈基于气象因素的电网短期负荷预测系统

电网负荷预测是电网建设的基础,也是电网的建设和布局的依据,电网负荷预测结果的准确与否关系到电力投资的效益。短期负荷预测的时间较短,周期为一到五年,主要是为配电网规划服务的。本文介绍了气象因素对电网负荷预测的影响,阐述了基于气象因素的电网短期负荷预测系统功能的实现。     

城网10kV电力系统中性点接地方式的研究

通过对供电公司典型的IOKV系统变电站中接地变、消弧线圈、负荷开关的选择、设计和改造，提出了较为实用的城市配网中接地变、消弧线圈容量的简便计算和负荷开关的选择方法。     

改进Stacking算法的光伏发电功率预测

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声。用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理。利用某光伏电站的发电数据进行实际算例分析,提出的模型在MAE、MSE及$R^2$指标上,相比随机森林和Stacking等模型其预测性能有很大的提升。     

基于BP网络的我国工伤事故死亡率预测模型

应用MATLAB软件的神经网络工具箱建立BP网络模型,通过基于时间序列分析方法对1974～2003年全国工业企业事故死亡率进行预测模型的建立和检验.结果表明,用人工神经网络建立的预测模型预测我国工伤事故死亡率符合度高,效果较好.     

兴建抽水蓄能电站,缓解江苏调峰矛盾

华东电网的水电装机比重很小,调峰矛盾十分突出。江苏省网为纯火电系统,其调峰问题只能自力更生解决;江苏具有可装机3000～4200MW的抽水蓄能电站站址资源,且靠近负荷中心,在兴建抽水蓄能电站中应妥善解决好峰谷电价差问题和可逆式水泵——水轮机的选择问题。     

夏季强沙尘暴天气成因分析及预报

利用常规气象观测资料,对2005年7月17日发生在甘肃省河西走廊的近20年夏季最强的一次区域性强沙尘暴天气过程,从气候成因、天气形势和动力诊断等方面进行了分析探讨.并与历史同期个例和春季沙尘暴天气进行了对比分析,结果表明,夏季强沙尘暴天气是在河西走廊地区长时间极端干旱的气候背景下,新疆冷空气分裂东移南下,配合当地极有利的热力不稳定层结条件引发的大风沙尘暴天气.最后给出了夏季沙尘暴天气的短期预报指标,为夏季沙尘暴预测、预警提供了一定的科学依据.     

基于主成分分析法的遗传神经网络模型对电力系统的短期负荷预测

针对BP神经网络的两个主要缺点,网络训练速度慢,对初始权值阈值敏感,容易陷入局部极小点,本文利用多元统计分析的主成分分析方法(Principal components analysis,PCA),在不损失原始负荷数据主要信息的前提下提取负荷数据的主成分,有效地减少了预测模型的输入量.同时将遗传算法(GA)与BP神经网络...     

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition, EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值.     

浅论权力运行中网络监督的双面性

网络监督具有其他形式无可比拟的优势——广泛性、互动性、便捷性、高效性,同时,由于认识的片面性、主体的复杂性、发展的不平衡性、过程的敏感性、管理机制的滞后性等原因,不可避免地带来一些负面效应.因此,要理性看待网络监督的利与弊.通过完善法律法规体系等引导网络监督的规范化发展.     

实现节点负载均衡的无线传感网能量高效分簇方法

分析了分簇无线传感网中的负载不均衡问题,提出了一种实现节点负载均衡的无线传感网能量高效分簇算法. 根据网络模型计算出最优网络分簇数量,通过调整节点的通信半径来控制网络分簇的大小,以分布式周期性迭代的方法竞争选举簇头,形成合理的网络拓扑结构. 不同网络条件下的仿真实验证明,该算法能有效地均衡网络节点负载,从而降低节点能耗,延长网络生存时间,其性能优于典型的无线传感网分簇算法LEACH和HEED.     

脉冲电镀电源的一种神经网络控制方法

提出了一种用于脉冲电镀电源的神经网络控制器,并对脉冲变压器建立了数学模型.通过对整个电源系统进行仿真、实验,表明这种给予动态BP神经网络的控制器可以提高控制精度,并且对非线性.时变电镀负载有较强的适应能力.