城南电网负荷预测的影响因素及预测方法浅析

从分析2007年1-7月份天津市城南区负荷数据着手,总结了07年上半年城南地区负荷情况,分析了影响城南电网用电负荷的诸多因素(如气象、节假日及特殊事件等的影响),针对负荷预测工作的复杂性,提出应不断加大投入精力对其进行研究总结进而提高城南地区负荷预测准确率的工作思路。     

山西电网节假日短期负荷预测研究与分析

在对短期负荷预测的方法进行了研究、比较后,提出了几种提高预测精度的办法。实际应用于山西电网2006年春节假日短期负荷预测,结果表明该方法实用、有效。     

用电负荷预测方法在南通地区负荷预测中的应用比较

简述中长期负荷预测基本理论和方法，结合南通电网进行了实例预测，在此基础上分析比较了各预测方法的优缺点，提出现阶段及将来适合南通地区的预测方法。     

基于BP神经网络的智能电网短期电力负荷预测

当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法：获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明：新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。     

基于下级负荷预测的短期负荷预测新算法

省级电网企业要求下级电网企业(地市公司)对辖区内的网供负荷进行预测。下级单位的负荷预测含有该区域内较多的信息,充分利用下级单位的负荷预测结果,可以提高短期负荷的预测精度。针对在利用下级单位负荷预测结果时统计口径不一致的问题,提出了利用下级单位负荷预测结果提高省级电网负荷预测精度的具体方法。算例表明,提出的方法是有效可行的。     

基于商业智能的电网负荷预测模型的构建研究

根据对电网负荷预测业务的分析,采用探索型数据分析方法对电力企业数据仓库中的数据进行训练建模,构建出电网负荷预测模型。模型应用情况表明:应用该模型后电力企业负荷预测较传统预测方法准确率明显提高,电力企业预测技术水平相应提高,同时,应用该模型还有助于电力企业有计划地进行用电管理,确保电力企业决策分析可行性。     

神经网络在电力中期负荷预测中的应用

为准确预测电力系统中期负荷，针对常用BP算法的预测速度慢、易陷入局部最优解的缺点，改进了基本BP算法，建立了中期负荷预报模型。负荷预测仿真表明，对BP算法的改进可使预测精度和收敛速度均得到显著的提高．     

综合智能控制技术在电网规划中的应用

随着经济的飞速发展,社会用电量不断增加,这就对电网有了更高的要求。随着近代智能控制技术的应用,在电网规划中应用智能控制技术,对于电网的安全、性能都发挥了巨大作用。本文从智能控制技术的特征,技术和智能性等方面来分析智能控制技术在电网规划中的应用。     

基于改进遗传算法的地区电网优化规划

阐述与分析遗传算法的原理与技术特点,并通过在某地区电网的优化规划,仿真结果表明,该算法能够带来较大的经济效益。     

人工神经网络在中长期电力负荷预测中的应用

设计了一个由输入层、隐含层和输出层组成的三层BP网络模型,利用神经网络高度非线性建模能力,进行电力系统的中长期负荷预测.选取影响电力负荷的一些经济因素作为神经网络的输入变量,并对分别采用单个因素和多个因素的组合作为输入量对预测精度的影响进行了探讨.在多因素组合时对输入量进行了归一化处理.仿真结果证明,使用人工神经网络方法进行中长期电力负荷预测是可行和有效的.     

小波CWT-MLP网络预测负荷方法改进

为提高对短期负荷的预测精度,提出基于小波变换,并加入电价因子构建MLP神经网络对负荷进行短期预测的方法。首先通过小波变换将原始负荷、电价序列进行分解,得到高、低频率的时间序列带;其次分别利用高频、低频电价序列对高频、低频负荷序列进行MLP神经网络训练与预测;最后,将预测的高频、低频负荷值通过小波变换,重构完整的负荷预测值。采用美国电力联盟实例对该方法进行验证,并与含电价因子的MLP网络预测法、经典MLP网络预测法,以及不含电价因子的CWT-MLP网络预测法预测效果进行比较。结果证明,含有电价因子,并结合小波与MLP神经网络构建的模型能够丰富数据信息,提高负荷预测精度。     

中长期电力负荷预测的回归模型及其应用

针对中长期电力负荷预测中观察数据及负荷变化规律,提出了一种预测方法,该方法通过建立具有线性回归模型或非线性回归模型,可以直接由观察数据预测出未来负荷值.本文通过实际算例验证了该方法的可行性.     

动态规划分析在机器负荷分配中的应用

动态规划是应用数学中的一个重要部分,应用广泛,是运筹学的一个分支。它是研究一类最优化问题的很重要、很有效的方法,在经济、工程技术、企业管理、工农业生产及军事等领域中都有广泛的应用。阐述了动态规划的基本原理、适用条件,使用动态规划的基本步骤,并用动态规划的方法分析了机器负荷分配问题。     

大数据技术在电力系统负荷预测中的应用进展

介绍了大数据技术在电力系统负荷预测中的应用,研究了电力负荷预测的方法、大数据在电力系统负荷预测的应用领域及其关键技术。通过阐述电力系统负荷预测的2种常见方式,对比了现有的3种电力负荷预测的方法,体现了智能预测方法在非线性处理领域的优势。在电力系统负荷预测的应用领域,电力大数据涉及集成管理、数据分析、数据处理与数据展示等关键技术。引入大数据技术来完成电力系统负荷预测,能够有效增加预测精度与速度,有助于稳定性与经济性的提升。     

小波神经网络在超短期负荷预测中的应用研究

作为EMS的一个重要模块,超短期负荷预测日益受到关注.可建立一个3层神经网络模型,并在其学习和训练过程中引进BP算法来修正网络权重,然后用小波函数代替神经网络中的Sigmoid函数,通过Mallat算法实现对负荷序列的分解和重构.典型算例表明该算法预测精度高,能取得满意的结果.     

一种电力负荷预测的综合方法

目前在电力负荷预测的许多数学方法中 ,虽然有多种预测模式 ,但还没有令人满意的方法 ,用来确定其中最接近实际的结果。大多数的预测样本中都存在着数据失真 ,直接导致预测结果失真 ,这些都较大地影响了预测的准确性。对模型和样本数据进行过滤的筛选法是一种中长期电力负荷预测的好方法。     

智能电网在电力技术及电力系统规划中的应用探讨

在21世纪,由于经济的迅猛发展,人们对电力的需求也随之增加,但是由于电力资源的消耗太大,严重影响了国家推行的可持续发展战略的进展,所以在当代社会中人们对电力电网有着更高的要求,由此可见,在21世纪发展新的电网模式已经是必然形势。本文通过说明智能电网技术的含义、特点、以及关键技术要领,还有智能化形式等,分析了解智能电网在电力技术以及电力系统规划中的作用。     

“电力负荷预测技术及其应用”课程的创新性

本文就“电力负荷预测技术及其应用”课程的体系、内容、手段三方面分析了该课程的创新性。     

基于模糊集的BP网络在电力短期负荷预测中的应用

在电力行业,预测电力短期负荷是一项重要的工作,准确预测电力负荷是实现电力管理现代化的重要内容之一.该文分析了基于模糊集的BP人工神经网络模型,并运用它来预测电力短期负荷.通过算例研究,证实了模型的准确性与可靠性,能较好地满足生产实践的要求.