基于R/S分析的GMDH自组织方法在用电量预测中的应用

将R/S分析方法引入用电量预测;并将R/S定性分析方法与GMDH定量预测方法结合,应用于成都市用电量预测。应用R/S分析方法从定性角度研究成都市历年用电量变化趋势的特性,得出成都市城市用电量Hurst指数;运用GMDH预测方法从定量角度对成都市近几年的城市用电量进行预测,进而验证Hurst指数所反映出的成都市用电量的增长趋势。     

组合预测在我国人均净用电量预测中的应用

采用BP神经网络和灰色模型的组合对我国未来几年的人均净用电量进行预测。通过实际数据与预测结果的比较,具有较高的精度,证明了组合模型和方法的可行性。最后对我国2008～2011年的人均净用电量做了发展预测。     

基于一元线性回归模型的农村用电量预测

新农村经济建设促进了农村电网的不断发展。针对西藏人口分布广泛的特点,为科学预测《西藏农村电网用电量,本文分析了农村电网供电现状,采用考虑农村社会总产值因素的一元线性回归分析法,对农村电网2004-2010年用电量的历史数据进行拟合,对2015年的用电量进行预测。结果表明该方法有较高的预测精度,对西藏农村电网未来的发展规划提供重要的参考价值。     

西藏林芝地区用电量预测分析

用电量预测对西藏林芝地区经济实现可持续发展具有重要意义。要准确预测用电量,需分产业进行,由于第一产业、第二产业、第三产业和居民生活等用电部门在用电方式、增长趋势等方面均有所不同,根据三类产业和居民生活在电力需求方面的不同特点分别利用灰色理论预测方法进行预测。结果表明,随着经济的发展,全地区的用电量仍会较快增长,预计2010～2020年用电量的平均增长率为11.23%左右。     

智能电网视角下粒子群优化支持向量机的用电量预测

智能电网的—个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.针对用电量数据非线性的特点,提出了一种基于粒子群优化的PSO-CV-SVR模型.该模型基于支持向量回归机原理,以粒子群算法和交叉验证的思想优化模型参数.将该模型应用于江苏省全社会用电量的预测分析,结果表明该模型优于BP-神经网络方法,提高了预测的精度.     

基于我国农村月用电量的预测方法

目前精确地预测我国农村月用电量的特征和变化对农村风光互补发电系统容量的合理配置具有重要的意义。基于扬州地区历史用电量数据,采用传统的GM(1,1)模型对数据进行分析,发现传统的GM(1,1)模型不能满足精度的要求。所以提出了在多次累加的基础上对传统的GM(1,1)模型进行改进,对2016-2017年农村月用量进行预测。预测结果表明改进的GM(1,1)模型可以用来精确的预测扬州未来农村地区各月份的用电量,以便于农村风光互补发电系统的广泛应用。     

论数学方法在日常电量预测中的应用

全社会用电量不断增长是电力工业发展的基础。正确地预测全社会用电量,既是为了保证全社会经济平稳发展的需要,也是电力公司自身健康发展的需要。本文运用多种数据方法对四川省内全社会用电量进行预测,同时引入专家评定的理念,对各种预测方法给出影响权重,最终得到较优的全社会用电量预测数据,为四川省内能源资源平衡、电力余缺调剂,以及电网资金和人力资源的需求与平衡提供可靠的依据。     

呼伦贝尔市电力市场的分析与预测

从呼伦贝尔市电力市场的环境、供电量出发,分析了该地区的供需情况,并预测了全社会用电量,给出了增供扩销的对策及建议。     

基于灰色理论的年售电量预测

本文利用福建莆田某一片区2011-2016期间年售电量数据,建立GM(1,1)模型,预测该地区年用电量,并与实际电量相比较,证明利用灰色理论进行电量预测能满足电力系统的基本要求。     

云贵两省的电力负荷预测及分析

本文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、贵州两省进行了其2006-2010这五年的用电量分析,目的是为今后的电力发展规划提供些许重要的信息。     

江西电力发展与江西经济增长

本文运用数量分析方法，建立线性回归模型，阐述江西电力发展与江西经济增长之间的关系。且通过分析1990～2003江西省经济增长与产业结构变化特点、全社会用电量与各产业增加值之间的关系，各产业增加值用电单耗，参照江西省宏观政策，对2004至2006年江西省电力需求情况进行分析及预测。     

基于LSTM的微电网短期负荷预测研究

微电网系统中发电功率和负荷功率不匹配将会对其稳定性造成不利影响,为了准确预测微电网系统的短期负荷变化趋势,保证微电网可靠安全运行,文章提出了一种基于单变量单时间步长短期记忆神经网络(Long short-term memory,LSTM)的微电网短期负荷预测方法,该方法利用LSTM擅长处理时序性数据的能力,首先使用微电网负荷的历史数据进行模型训练,然后使用前一个采样点的数据去预测下一个时刻的数据.利用上述方法搭建了基于Keras的单变量单时间步长LSTM微电网短期负荷预测模型,使用某地各大区用电量进行负荷预测,实验结果跟实际用电量的平均绝对误差百分比为1.46％,取得了良好的预测精度,验证了该方法的有效性.     

内蒙古电网“十二五”期间电力负荷预测分析

根据内蒙古自治区国民经济和社会发展规划,结合内蒙古电网＂十五＂、＂十一五＂期间的供需情况,负荷发展情况,预测内蒙古电网＂十二五＂期间的全社会用电量和供电负荷。     

基于温湿持久度的短期系统负荷预测研究

大型城市供电企业负荷主要由第三产业负荷、居民生活负荷、行政事业单位负荷、企业的生产负荷构成,受季节、天气影响很大,具有与大电网系统显著不同的特征.本文结合目前短期大城市电力负荷预测的现状及各种预测算法的基础上,针对近年来,第三产业负荷、居民生活用电在大城市核心区总用电量中所占的比重提升较多的情况,结合北京朝阳地区电网运行实际,提出把温湿持久度作为影响地区负荷预测的主要影响因素,进行计算形成数据对比模型.     

基于逐步回归-灰色预测的中长期电力需求预测

随着电力市场的发展,中长期电力需求预测的重要性日益显现,准确的电力需求预测不仅可以保证电网安全稳定运行,而且是社会经济高效发展的基础。在本文中应用逐步回归法对历史数据进行分析计算,得出社会用电量的线性回归方程,进而灰色预测法对线性回归方程中的自变量进行预测,进而带入线性回归方程得到预测结果。最后对某地2020-2025年的电力需求做预测,总体趋势显示我国的电力需求在未来几年将会稳步增长。     

基于空间计量的广东省年用电量的实证分析

地区年用电量的高低与区域经济发展水平息息相关。本文以经济增长收敛理论为基础,运用2000年~2016年广东省21个地级市的年用电量数据进行了空间差异性与地区收敛性的实证分析,可为有关部门了解广东省各地区之间用电量的关系并制定调整政策提供一定的参考。     

基于SPSS统计工具的用电量线性回归分析

本文采用广州市1950—2004年这55年间人口、地区生产总值（GDP）的历史数据,用SPSS统计软件对这些数据进行分析,建立回归模型并进行检验,利用这一回归模型对广州市2010年前的主要年份全社会需电量进行了预测、对比和分析,结果表明这一回归模型在统计上呈显著相关性,所计算出的用电量指标基本与现实情况一致,基本上能反映广州市不同经济发展阶段的用电水平。     

供给侧改革下的常山县产业调整与用电变量的演进研究

在供给侧结构性改革的环境下,国网浙江常山县供电公司借助深化"一库三中心"平台数据应用,科学分析轴承产业电力供求与经济、社会、生态环境之间存在的密切关系,深入挖掘常山县轴承产业经济发展趋势与全社会用电量的关系,通过建立多元线性模型来预测用电量,最大程度上实现了公司投资的可控性,有效提高了统计数据服务电网规划的作用,并规范了电力行业统计数据.     

基于粒子群优化SVR的用电量预测

针对用电量数据非线性的特点提出一种基于粒子群优化的PSO-CV-SVR模型。该模型基于支持向量回归机原理,以粒子群算法和交叉验证的思想优化模型参数。将该模型应用于江苏省全社会用电量的预测分析,结果表明该模型优于BP-神经网络方法,提高了预测的精度。     

专业研究发展趋势的预测模型——以竞争情报研究为例

以竞争情报研究为例,建立专业研究发展趋势预测的灰色GM(1,1)模型及回归分析模型,对近年来竞争情报研究文献量的统计数据进行拟合与预测,并就两种预测方法的模拟和预测效果进行对比分析.结果表明,回归分析模型对竞争情报研究的模拟预测效果更好;在对不同专业研究的发展趋势进行模拟和预测时,要根据不同情况,选择更为恰当的预测模型.