线性组合预测的推广

对传统的线性组合预测模型进行研究,根据权重的约束,对\"误差平方之和最小\"、\"误差绝对值之和最小\"和\"最大误差绝对值最小\"准则的线性组合预测进行推广,补充了若干个线性组合预测模型。以美国加州电力日均价为例,给出9种线性组合预测模型的预测结果。     

基于绝对误差的线性组合预测研究

针对组合预测效果评价中存在着把拟合精度和预测精度相混淆的问题,阐述了区分样本区间和预测区间的组合预测精度评价方法,并在预测区间上对2种常用的基于绝对误差的线性组合预测方法的预测精度进行了评价,对评价结果进行实例和理论分析。在此基础上,提出一种新的基于绝对误差的线性组合预测方法——基于预测模型有效性的线性组合预测方法。     

电力系统负荷的线性组合预测法

通过把电力系统负荷预测的3种主要方法外推法囝疋色预测法和人工神经网络法结合起来,建立起一种线性组合预测模型。组合模型可吸收单一模型的优点,提高了预测精度,实例证明这种组合模型具有较好的实用性。     

边际电价预测中的误差分析方法研究

针对目前电价预测中误差分析方法繁多、各方法之间可比性差的现象进行分析,总结了电价预测中常用的各种误差分析方法的优缺点,并推荐采用一种新的误差分析方法即中值相对误差来评价各种电价预测方法的精度。实际算例结果表明,该分析方法合理且有效。     

福建省公路货运量组合预测研究

公路运输量的预测对公路系统的规划建设,公路系统的合理利用,具有重要的意义。本文在灰色预测、指数增长曲线、抛物线型曲线三种单一预测模型的基础上,利用基于误差绝对值和最小的线性组合预测模型对福建省公路货运量进行预测。预测结果表明,组合预测比单一预测模型具有更高的预测精度,说明该组合预测模型对福建省公路货运量的预测是可行的。     

基于LSTM与XGBoost组合模型电价预测

为准确预测电力市场中的短期电价,提出了基于LSTM和XGBoost的组合预测模型。为了验证LSTM-XGBoost模型的有效性,该文先选用法国电力市场2019年1月1日至2020年12月31日的电价数据为训练集训练模型,对2021年1月1日不同模型预测的结果与实际电价值进行对比,得到LSTM-XGBoost以RMSE为0.74的误差率低于BP、LSTM、XGBoost的3.80、1.25、0.88,然后将算法应用到美国PJM电力市场,结果表明本文提出的LSTM-XGBoost组合预测模型MAPE平均值为1.83%,明显低于单一预测模型,也显著低于GRU-XGBoost组合模型,表明并非所有模型单一组合都能有效提高预测精度,该文提出的LSTM-XGBoost组合模型有效提升了短期电价的预测精度,且具有很强的普适性,可应用于电力市场短期电价预测,为市场参与者和监管机构提供有力决策依据。     

加权几何平均组合预测方法在公路客运量预测中的应用研究

对我国公路客运量进行科学、准确的预测,提前掌握客运量的变化发展趋势及规律,是为职能部门制定公路客运发展规划和配置基础设施的基础。提出基于向量投影法的加权几何平均的组合预测模型,并运用该模型对某城市2003－2015年公路客运量进行了预测,预测结果表明该方法具有较好的预测精度。     

定性预测与定量预测的综合运用研究

定性预测和定量预测各有其优点和缺点。这里介绍了它们各自的特点，并介绍了3种综合运用定性预测和定量预测的方法，在此基础上通过具体事例解释了它们的应用，然后比较了3种综合方法的相对适用情形。     

矿井延深水平相对瓦斯涌出量的组合预测

根据组合预测的基本原理，建立了矿井延深水平相对瓦斯涌出量的组合预测数学模型。实例分析表明：组合预测提高了预测精度，是一种切实可行的预测方法。     

最优组合预测及其在短时交通流预测中的应用

交通流量预测结果的好坏直接关系到交通控制与诱导的效果,因此,短时交通流预测是先进交通管理信息系统中关键技术问题之一。在简要介绍最优组合预测模型基础上,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现交通流预测模型的最优组合,并利用实际数据通过与单一时间序列模型、线性回归模型、卡尔曼滤波模型及人工神经网络模型的预测精度比较分析,验证了交通流最优组合预测模型的有效性和实用性。     

电力市场中不同电价结算方式的分析与比较

目前电力市场中的电价结算规则有两种不同的模式,即一机一价结算模式和按全网统一电价结算模式。不同的结算方式必然会对市场竞争产生不同的影响。该文首先总结了竞争市场建立的前提条件,并在数学模型的基础上,对两种结算方式的特点进行了定性和定量的分析。研究表明,采用一机一价的结算方式可以体现出不同机组之间结算电价的差别,实现总购电费用的最小化;采用按全网统一电价结算方式有可能更好地满足市场公平性要求,而且其结算电价可能更好地反映资源的真实成本。     

基于灰色理论与BP神经网络的交通运输量组合预测研究

交通运输量预测是公路规划与管理中的重要问题.结合灰色理论模型与神经网络的优点,基于不同的组合预测思想分别建立了加权算术平均组合、加权平方和平均组合及加权比例平均组合预测模型.利用不同的评价模型对多组数据进行了评价分析研究.结果表明,通过选择合适的组合预测模型及参数估计方法并确定最佳的模型参数,能够有效地提高预测精度.     

一种基于差分隐私的峰谷分时电价激励方案

针对智能电网系统峰值负荷差值过大、电力供给短缺等问题,提出了基于差分隐私的峰谷分时电价激励方案。方案将差分隐私和峰谷分时电价模型进行结合,在保证用户数据隐私的前提下对峰谷分时电价的定价策略进行优化。通过施行差异化的电价策略对用户的用电行为进行引导,激励用户形成错峰用电习惯,进而实现电力系统整体用电负荷的均衡。最后,通过实验对引入差分隐私后的数据效用进行分析,并对所提机制的运行效果进行评估。实验表明,本方案在实现电网整体用电负荷削峰填谷的同时对用户的数据隐私进行了保护。     

基于组合预测模型的西藏人口分析

本文建立了西藏地区人口数量的组合预测模型,模型理论可靠,稳定性高,且预测精度好,经过计算得到了西藏地区未来五年的人口发展趋势．该模型可以普遍应用于人口分析和预测工作．     

基于主从博弈的智慧园区电价策略及用能优化

针对传统园区用电用户友好互动性不足、缺乏市场价格机制引导问题,提出基于主从博弈的智慧园区电价策略及用能优化方法.首先分析智慧园区电能设备主要构成及用能行为;然后以园区为主体、用户为从体,提出基于主从博弈的用能优化调控方法,构建基于价格机制的运营模型,通过电价激励用户调整能源消耗,改善园区与用户的相互合作与互动,促进园区内清洁能源的消纳;最后采用YALMIP调用CPLEX进行模型求解.仿真测试结果验证了本文模型的有效性和经济性.     

电力拍卖市场的智能代理仿真模型

用自适应自治的智能代理模型表示市场中的发电厂商构造了电力拍卖市场的仿真模型。该模型中发电厂商Agent采用Roth—Erev强化学习算法，具有对市场结果自适应能力，在重复的拍卖市场可以发现唯一的Nash均衡。同时，该模型还可以揭示市场中发电厂商在不同的市场规则下的行为特性。基于IEEE—RTS系统的数据研究表明，该模型提供了一种合适的电力拍卖市场分析工具。     

高比例风电下电力市场短期电价预测

为应对近年来国内风电渗透率不断增加、大量清洁能源并入电网给日前电价预测带来的挑战,提高高比例风电接入情况下电力市场短期电价预测精度,本文将高比例风电情况下的风电出力与负荷数据进行融合得到了一项改进的输入特征变量,代表风电与负荷共同对电价的影响程度。采用最大信息系数法分析各特征变量与电价之间的相关性,并结合长短期记忆神经网络（Long-short Term Memory, LSTM）与注意力机制(Attention)的特点构建了LSTM-Attetion预测模型,然后对不同输入条件下的预测结果进行对比分析,数据结果显示,引入该输入特征变量后模型的预测精度都有明显提升。经过进一步算例实验后表明,本文所提出的特征变量相比风荷比而言更能能够有效提高高比例风电情况下电价预测精度,适用于许多经典算法。     

北京市居民生活用电实证分析

居民生活用电是今后一个时期电力市场中最有潜力的增长点之一。论文分析北京市居民生活用电的现状,用计量经济模型对北京市居民生活用电进行了实证分析,对居民用电变化的原因进行了量化分析,得出了一些有助于用电部门分析决策的结论:燃气价格与居民用电正相关,交叉弹性系数不大,夏季气温对居民用电有重大影响。并在此基础上,针对中国电力改革提出了政策建议,供决策部门完善中国的电力市场参考,例如,推广使用燃气空调,利用价格杠杆,减少峰谷差。     

电价管理存在的问题和对策

本文分析目前供电企业在实行营销自动化后,电价管理方面普遍存在的问题及漏洞,提出了解决问题的对策与思路。