电力系统短期负荷预测方法综述

首先论述了短期负荷预测的特点和预测精度的影响因素,然后将目前的算法分为经典方法、传统方法、智能方法和预测新方法,综合分析了目前各种预测方法的原理,分析和比较各个方法的优点和不足之处,最后,指出了提高短期预测精度的方法和未来发展方向。     

电力系统短期负荷预测方法综述

电力负荷是一个多维非线性系统,电力系统短期负荷预测是电力系统运行调度中一项非常重要的工作。从经典预测方法和现代预测方法两方面介绍了短期负荷预测的研究现状以及各方法的不足之处。     

基于小波网络的电力系统短期负荷预报研究

本文结合小波和神经网络方法进行电力系统短期负荷预测的通用模型和方法的研究,建立了负荷预报的小波网络模型,确定了有效的算法求解小波函数线性组合的尺度和时延参数以及神经网络的权值。     

自适应滤波算法在电力系统短期负荷预测中的应用

文章认为相空间局域线性回归法是电力系统短期负荷预测混沌预测法中广泛使用的方法,在用线性最小二乘法估计局部线性化模型的参数时,往往由于病态的数据矩阵导致估计值对噪声过于敏感而变得不可信.针对这种情况应用最小均方误差准则和最陡下降原理提出了一种基于自适应滤波电力系统短期负荷预测算法,避免了病态矩阵的影响.实验结果表明该算法预测结果稳定、可靠.     

电力系统短期负荷预测分析

电力系统短期负荷预测对电力系统可靠、安全、经济运行具有重要作用,它涉及到电力系统的日常运行和计划,是电力部门的一项重要工作。文章针对短期电力负荷变化的复杂性,分析了电力负荷的构成特点和负荷值变化的原因;将负荷突变值和平稳值采用平均值的方法求出接近的真实值,建立负荷短期预测模型,再输入历史负荷（常规）数据、天气状况的历史数据和特别事件预测数据,得到负荷短期预测值。     

基于BP神经网络的电力系统负荷预测

短期电办负荷存在着未知不确定因素和周期性变化的规律,负荷曲线具有相似性;同时受特殊情况的影响,呈现强烈的非线性特性。而神经网络具有较强的非线性映射特性,本文期BP神经网络对电力负荷进行matlab仿真预测。     

短期电力负荷预测分析研究

基于负荷预测在电力系统发展规划中所发挥的重要作用,在对短期电力负荷预测基本原理进行分析的基础上,进一步分析研究了短期电力负荷预测的常用方法和基本步骤。     

结合地区负荷历史数据的短期负荷预测方法研究

电力系统短期负荷预测是电力系统运行管理和实时控制所必须的基本内容,预测结果的准确性对电力系统的安仝优质,经济运行具有重要意义。为提高电力系统短期负荷预测精度,本文引入相似日的概念,通过历史数据分析从历史日附近前后几日相似度中选取最合适的相似日,结合有效的算法计算出预测日的值。实例结果表明了该算法的可行性,对提高短期负荷预测的精度具有较大价值。为同行人员提供算法参考。     

一种基于小波变换的混沌图像加密算法

为了提高图像信息的安全性,利用混沌序列的特点,提出了一种基于小波变换的频域图像加密算法：对图像进行离散小波变换后得到一系列小波系数,以混沌序列为基础,采用图像置乱技术实现基于频域的图像加密算法。实验结果表明,该算法具有密图文件保奢陛高、安全性好的特点。     

电力系统短期负荷预测组合NN模型的研究及运用

随着市场经济的不断发展,电力行业也取得了巨大的进步,在电力系统中,由于受到短期负荷的影响,而容易造成电力系统的故障,因此,电力系统的调度、规划等部门也一直将电力系统短期负荷的预测工作作为其一项重要的工作,并且在电力生产部门和供电系统中受到了广泛的重视,对电力系统短期负荷进行科学的预测,也是确保电力系统稳定运行的保障。本文就主要针对电力系统短期符合预测组合的NN模型进行简单的探讨。     

基于小波神经网络的电力负荷预测

小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。     

电力系统负荷的预测方法

负荷预测在电力系统规划和运行方面能发挥重要的作用,产生明显的经济效益,负荷预测实质上是对电力市场需求的预测。系统介绍和分析了负荷预测的基本概念、种类、预测方法。     

分形和小波变换在油气预测中的应用

本文介绍了将处理复杂现象的分形理论和具有良好时频局部化的小波变换相结合，对碳酸盐岩地区进行油气预测的一种新方法。运用该方法对实际的资料进行处理，计算出地震道的关联维和小波变换模值，并与已知的钻井资料进行比较，得到了较为满意的结果。     

一种新的电力系统短期负荷预测方法

针对电力系统短期负荷特性,提出了基于局部线性嵌入（Linear Local Embed,LLE）和支持向量机（Support Vector Machine,SVM）技术的短期负荷预测模型。该模型利用LLE算法对负荷样本的数据挖掘知识,得到了高维输入样本的低维映射,最后利用具有非线性拟合、泛化能力强的SVM进行回归。     

基于BP_Adaboost模型的燃气短期负荷预测

针对神经网络在非数学模型预测中所面临的3个主要问题,提出了一种基于BP_Adaboost算法的预测模型对燃气负荷进行短期预测。预测结果表明,该模型与BP神经网络相比,不但提高了预测精度和泛化能力,而且更能满足具有非线性、时变性和不确定性的负荷预测的需要,具有较好的应用前景。     

采用滑动平均法实现的短期电力负荷预测

首先对某市的负荷数据进行统计分析,重点介绍了二次滑动平均法的理论内容和其在某市短期电力负荷预测中的应用.     

提高电力系统日前负荷预测准确率的方法浅析

电力系统日前负荷预测关系到电力系统的调度运行和生产计划,准确的日前负荷预测有助于提高电网运行的安全性和稳定性,能够节约发电成本。随着电力市场的建立和发展,短期负荷预测将发挥越来越重要的作用。文中系统分析了电力系统日前短期负荷预测的相关方法,包括短期负荷预测传统方法、短期负荷预测智能方法以及短期负荷预测最新方法,对各种不同方法的基本原理和优缺点进行了描述。提出提高短期负荷预测的精度不仅重视历史数据的积累,更应注重选择合适的预测模型,综合预测模型是未来电力负荷预测方法的发展方向。     

人工神经网络在电力系统短期负荷预测中的应用

本文基于多层前馈神经网络误差反传（BP）模型的电力系统短期负荷预测的方法。根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。实例表明ANN应用于电力系统短期负荷预测是可行的,其预报结果比传统的负荷预测方法更准确。     

小波变换在信号奇异性检测中的应用

小波变换突破了传统傅里叶变换等信号处理方法的限制,在时域和频域上可同时对信号实现局部化处理,这更符合信号非平稳的变频带结构特征,因而在信号检测奇异性等方面具有广泛的应用价值。本文简要地介绍了小波应用在信号奇异性检测方面变换的基本原理,并通过仿真实验进行了验证。     

基于混沌特性的小波数字水印算法研究

为了提高水印信息的隐藏性和安全性,基于混沌序列的优良特性,本文提出了一种用于图像数字水印嵌入和检测的算法。由于混沌序列对初值具有敏感性,攻击者很难从一段有限长度的序列推断出整个混沌序列的初始条件,因此可保证水印信息的安全性。嵌入水印后的图像具有很好的不可见性,并且对常见的信号处理和噪声干扰具有较好的鲁棒性。