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。     

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.     

减聚类在电力系统中长期负荷预测中的应用

分析了电力系统中长期负荷特性以及RBF神经网络的非线性功能,引入一种减聚类算法来选取网络隐层节点中心,并将该方法在Matlab下进行了仿真。将预测结果与实际负荷值、灰色理论模型得到的结果进行对比分析,结果表明采用减聚类算法的RBF神经网络模型在隐层节点选择上更加精确,用其建立的模型具有较好的预测精度,具有一定的实用价值。     

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．     

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。     

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．     

安徽省某地区中长期电力负荷预测

以安徽省某地区2007-2014年用电量数据作为训练测试样本,采用灰色预测法、人工神经网络预测法和基于人工神经网络的最小二乘支持向量机（LSSVM）预测法计算其均方误差,结果表明,用基于人工神经网络的LSSVM预测法计算出的均方误差整体上比其他2种预测法要小.选用基于人工神经网络的LSSVM预测法对该地区2015-2017年的用电量进行预测,预测数据与实际数据基本接近.     

中长期电力负荷预测的几种灰色预测模型的比较及应用

对传统GM（1,1）模型,基于积分优化法的GM（1,1）模型,具有白指数律重合性的GM（1,1）模型,基于响应不变法的GM（1,1）模型,基于严格微分拟合法的GM（1,1）模型进行了详细分析比较．针对电力系统中长期负荷增长的特点,分析比较了以上5种模型的特点及其适用范围,为电力系统工作人员在年用电量预测中选择合适的灰色预测模型提供参考依据．     

电力系统中长期负荷预测的改进决策树算法

以不完备数据分析(ROUSTIDA)补全算法为数据处理前导，将其与属性组合法相结合，提出应用于电力系统中长期负荷预测的改进决策树算法．算例的计算结果表明，该算法弥补了决策树算法的固有缺陷，具有计算速度快、预测精度高、预测误差变化小等优点．尤其在候选属性繁多，原始数据不完整或不准确时，改进算法更具优越性．     

电力系统中长期负荷预测的模糊算法

介绍了用模糊指数平滑法和模糊线性回归法进行电力系统中长期负荷预测的方法，以实际预测为例，给出预测结果，实践证明了上述2种方法虽然以传统预测方法为基础，但具有算法简单，计算速度快，预测精度高，预测误差小，并能提供负荷的一个预测区间等优点，尤其在原始数据存在不确定性和模糊性时，更有着常规预测方法无可比拟的优越性。     

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。     

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。     

人工神经网络在中长期汇率预测中的应用

随着世界经济的发展，世界各国经济的联系越来越紧密，汇率就成了人们越来越关注的问题。现在各国都投入大量人力和物力进行汇率预测。影响汇率变动的因素是很多的，既有经济因素又有政治因素和心理因素，还有各国中央银行的直接干预。值得注意的是，汇率也受国际炒家的影响因此，要做好汇率预测工作，就需要认真地考虑和分析这些因素，诸如，国际收支状况、通货膨胀率、利率水平、政府的政策和干预态度、外汇市场的投机性力量，以及国际金融环境的变化，甚至社会环境的稳定程度、公众心理因素也会对汇率产生直接或间接的影响。由此可见，进…     

大同电力负荷预测新方法

负荷预测是电网规划、设计、调度、运行控制等工作的重要基础,是制定电力系统运行方式的重要依据,是电力系统安全、经济运行的前提和保障.准确的负荷预测,可以保证社会的正常生产和生活,有效提高经济效益和社会效益.因此,电力负荷预测对于保证电力工业的健康发展,乃至整个国民经济的发展均有着十分重要的意义.本文通过对负荷密度法和时间序列法相结合,针对中期负荷预测提出了一种新的电力负荷预测模型,并对大同市电力负荷进行了预测.     

一种电力系统中长期负荷预测方法

提出了一种电力系统中长期负荷预测的方法－时间序列的指数平滑法。该方法适用范围广，具有较强的预测精度，并通过实例计算，结果表明预测精度满足要求，证实了这一方法用于系统中长期负荷预测的可行性。     

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。     

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。     

智能组合预测法在短期电力负荷预测中的应用研究

提出将Kohonen网络、Elman神经网络和遗传算法结合起来建立一种智能组合预测模型,此模型能够综合各种单一预测模型的优点,内在结构随时间的推移不断变化,符合电力负荷的特点,提高了负荷预测的精度.文中给出了三种网络模型进行短期电力负荷预测的仿真结果比较,从而验证了智能组合预测模型的合理性和良好的应用前景.     

相似日匹配法在电力系统负荷预测中的应用

电力系统短期负荷预测是调度中心制定发电计划及电力市场中发电厂报价的主要依据,也是能量管理系统(EMS)的重要组成部分,对电力系统的运行、控制和计划都有重要的影响,其预测精度直接影响着电力系统的经济性,综合考虑了影响电力负荷的诸多因素:负荷状况、天气情况、节假日等,分析了电力系统负荷的基本模型,提出了适合于负荷稳定,负荷变化基本由气象因素影响的电网的相似日匹配法的算法,并用VC 编程,用SQLSERVER作为数据库,实验证明,对于负荷资料和气象资料收集相对较好的地区,预测效果明显准确。