长期电力负荷预测论文_张志,杜延菱,崔慧军,汪洋,贺哲

导读:本文包含了长期电力负荷预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:负荷,电力,组合,自适应,神经网络,向量,模型。

长期电力负荷预测论文文献综述

张志,杜延菱,崔慧军,汪洋,贺哲[1](2019)在《考虑关联因素的智能化中长期电力负荷预测方法》一文中研究指出为了解决现有中长期负荷预测方法中存在的预测精度欠优及场景适用性较差等问题,提出一种考虑影响因素协调关系及滞后效应的新型中长期负荷预测方法。首先通过关联矩阵筛选得到影响负荷变化的强相关因素,结合计量学的X-12-ARIMA模型对负荷及其影响因素进行季节分解,得到3个特征分解部分。在此基础上,通过时滞效应检验确定滞后期数,结合主成分分析法去除数据噪声影响,进一步提升数据纯度。最后针对月度和季度负荷进行预测算例分析,通过比对其他时序外推方法的预测结果和非线性模型方法应用后的精度提升,验证了所提方法的有效性和适用性。(本文来源于《电力系统保护与控制》期刊2019年02期)

安光辉[2](2012)在《长期电力负荷组合预测方法及案例研究》一文中研究指出长期电力负荷预测是城市电网规划工作的基础,它不仅为电网规划提供必备的基础数据,而且直接关系到整个电网系统的规划和发展。科学准确的长期电力负荷预测能够对机组的改建、新发电机组的选择等提供切实可行的参考依据,有助于对系统内发电机组的运行、机组的检修维护计划等进行合理安排,从而有效地保证了社会生产诸多活动的正常进行,有效地节约能源,降低设备和发电成本。它是保证电力系统安全可靠经济运行的前提。本文从长期电力负荷预测方法特点出发,在对比单一预测方法和组合预测方法的优劣基础上,选择组合预测方法作为长期电力负荷预测的基本模型。为提高组合预测的精度,建立了基于灰色关联优选的组合预测模型,该组合预测模型的基本思想:首先采用灰色关联分析方法,在多个单一预测模型中优选出精度较高的几个单一预测模型,构成组合预测模型的主体模型;然后在此基础上,以误差平方和最小为目标函数求得了组合预测模型的权重系数建立组合预测模型。最后,采用基于灰色关联优选的组合预测模型,从唐山市电力负荷的特点出发,对唐山市的长期电力负荷进行了预测。结果表明,组合预测的精度明显优于单一预测,组合预测方法具有更高的精确度,也验证了基于灰色关联分析的组合预测模型具有一定的科学性和可操作性。(本文来源于《华北电力大学》期刊2012-06-01)

李伟,闫宁,张振刚[3](2010)在《基于粗糙集的混合支持向量机长期电力负荷预测研究》一文中研究指出影响中长期负荷因素众多,而且单一核函数支持向量机泛化或学习能力较弱,预测精度受限。提出一种结合粗糙集和支持向量机智能算法的负荷预测模型,通过属性约简算法筛选出影响长期电力负荷的核心影响因素,剔除冗余信息,选定全社会用电量、人均产值、产值单耗为输入变量,构建基于多项式核函数、径向基核函数的混合核函数支持向量机预测模型,有效提高函数的泛化及学习能力。算例结果表明,所提出的模型预测平均误差仅为0.59%,预测精度有了很大提高且适用于长期负荷预测。(本文来源于《电力系统保护与控制》期刊2010年13期)

游华[4](2010)在《基于相空间重构和支持向量机的长期电力负荷预测》一文中研究指出对于各国电力系统,中长期负荷预测具有非常重要意义,它是电力规划、生产和运行等工作的重要基础,主要是以年为时间单位进行年最大负荷、年全社会用电量的预测。然而准确预测电力负荷具有很大的挑战性,因其历史数据较少,负荷受国家或地区经济、社会环境等不确定因素影响较大。然而准确的负荷预测又有利于提高提高电力系统的经济效益和社会效益,能有效保证电网运行的安全稳定性,有效地降低发电成本,充分满足用电需求,增强供电可靠性。首先对研究电力系统中长期负荷预测的研究背景和意义进行了阐述,对国内外中长期负荷预测历年的研究现状进行综述,回顾了中长期负荷预测的基本原理,分析了各种方法的优缺点以及负荷预测的误差分析等情况。其次分析了中长期负荷预测的特点,采用支持向量回归机算法对中长期负荷进行预测。回顾了支持向量机算法的基本原理,建立基于支持向量机回归的负荷预测模型,利用MATLAB进行程序设计。并通过实际算例分析并与其他方法的预测结果进行比较,表明该预测模型符合中长期负荷预测的特点,验证了该方法的可行性。紧接着进一步提出了利用混沌理论,对支持向量回归机中长期负荷预测模型的初始数据进行相空间重构处理。改进负荷预测模型,对支持向量机的输入基于时间序列的相空间重构会取得更好的效果。然后,通过算例分析,与标准支持向量回归机方法的预测结果进行比较分析,验证基于相空间重构和支持向量机的预测方法的可行性。最后在提出了在利用相空间重构理论的基础上基于两步核方法支持向量回归机的电力负荷预测法。利用解路径算法,通过实际算例分析,验证了基于相空间重构和两步核方法支持向量回归机的负荷预测模型,具有很好的预测精度,取得了满意效果,表明该方法具有其可行性和有效性。(本文来源于《重庆师范大学》期刊2010-03-01)

蒋惠凤,何有世,张兵[5](2007)在《基于回归神经网络的长期电力负荷组合预测模型研究》一文中研究指出本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到叁个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。(本文来源于《统计与决策》期刊2007年24期)

王军,吕元锋,陈俊,曹菁菁[6](2006)在《基于ANFIS的长期电力负荷预测模型》一文中研究指出某电力公司的长期负荷预测模型,利用自适应神经网络模糊推理系统(ANFIS)建立。其结构分为计算输入的模糊隶属度、每条规则适用度、适用度归一化、每条规则输出及模糊系统输出5层。系统网络中含14个待定的前件和后件参数。采用Matlab编程,通过Sugeno和evalfis函数训练ANFIS,按指定指标得到这些参数,实现模糊预测。(本文来源于《兵工自动化》期刊2006年07期)

朱继萍[7](2005)在《长期电力负荷预测及相关因素不确定性的影响》一文中研究指出为了更好地反映各种相关因素对负荷的影响,采用人工神经网络进行中长期负荷预测。构造了具有叁层结构的 BP 网络,以历史负荷数据和相关影响因素数据为训练样本,采用排除法和方差比检验法对预测器的输入变量进行选择。采用随机矩阵对输入变量矩阵进行扰动的做法达到了改善预测效果的目的。研究了相关因素的不确定性对负荷预测结果的影响。对于相关因素的不确定性呈正态分布的情形,根据负荷预测结果在各个相关因素均值处的偏导数,确定其对负荷预测结果的影响程度,从而得出因各个相关因素的不确定性造成负荷预测均值的波动范围。对于更一般的情形,提出了用区间均值表示的抽样盲数的概念,并利用抽样盲数反映负荷预测器本身、各个相关因素以及负荷预测结果的不确定性,依据盲数的运算规则以及各种可能情况下的负荷预测结果,得出负荷预测结果的概率分布及置信区间。采用研究的方法对陕西省电力负荷进行了预测,分析表明采用国内生产总值、重工业生产总值、农业生产总值、轻工业生产总值、第一产业、第叁产业产值等六个相关因素作为输入变量时,预测效果较好。与实际负荷统计值的对比表明:提出方法是可行的,并且具有较高的预测精度。(本文来源于《西安科技大学》期刊2005-04-25)

辛开远[8](2005)在《基于AHP的实用中长期电力负荷预测最优综合模型》一文中研究指出针对中长期电力负荷预测特点,提出一种基于AHP(层次分析法)的中长期电力负荷预测最优综合模型。以历史数据的拟合精度、预测结果与未来经济社会发展的一致性、预测者对模型的信赖度为目标准则;通过自适应进化规划和判断矩阵的方法确定综合模型的最优权重。基于AHP的最优综合模型不仅依靠科学计算,而且也考虑了专家经验,将基于AHP的最优综合模型的预测结果与传统综合模型的预测结果相比,误差较小,精度较高,在实用中取得了满意的结果。(本文来源于《中国电力》期刊2005年03期)

王衍东,顾洁,胡斌[9](2005)在《基于AHP的实用中长期电力负荷预测综合模型》一文中研究指出针对中长期电力负荷预测特点,提出了一种基于AHP(层次分析法)的中长期电力负荷预测综合模型。以历史数据的拟合精度、预测结果与未来经济社会发展的一致性、预测者对模型的信赖度为目标准则;通过自适应进化规划和判断矩阵的方法确定综合模型的最优权重。该方法不仅基于科学计算,同时也考虑了专家经验,在实用中取得了较为满意的结果。(本文来源于《华东电力》期刊2005年01期)

蓝信军[10](2004)在《长期电力负荷预测的模糊数学方法研究》一文中研究指出本文研究了模糊数学与现代优化技术应用于电力负荷预测的原理与方法,与传统回归理论相结合,建立了长期电力负荷预测的模糊线性回归模型。模型以人口、GDP、主要国民经济行业总产值等社会经济指标为自变量,以电量为因变量,较全面地考虑了各社会经济指标对电量需求的影响。用逐步回归法剔除模型中的弱相关自变量,用岭回归法修正奇异历史数据,进而运用最小二乘法求解回归系数。通过深入研究历史数据时间序列的特点,发现各不同时间点的历史数据对模型的影响程度呈现很大的差异性。据此,模糊自变量采用相对于模糊中心依时间序列渐增的线性隶属度函数。为了突出与电量强相关的自变量在预测值中的主导地位,引入回归权重系数,对常规模糊线性回归模型进行修正,进而提出了一种改进型模糊线性回归模型。在上述工作基础上,编写了完整的负荷预测程序,并将其应用于工程实际中。实际应用表明,改进型模糊线性回归预测模型预测结果优于模糊线性回归模型;它有效地减少了预测人员经验不足所带来的人为误差,提高了电力负荷预测的准确性和实用性。进一步研究表明,通用线性回归预测、逐步回归预测与岭回归预测之结果与实际数据的相关性存在较大的差异。据此作者进一步提出了一种综合最优模糊预测模型。综合最优模糊预测模型是在多种模糊预测模型的基础上的优化组合,充分考虑了被预测对象的多个发展方向及其约束,其拟合精度高于以上单一模糊预测模型。 本文采用模糊数学的方法,较好地解决了社会经济指标对电力负荷预测影响的不确定性,论文中所提出的改进型模糊线性回归模型以及综合最优模糊预测模型对于电力负荷预测问题具有较大的理论指导意义;通过深圳市电力负荷预测中的实际应用研究,证明本文成果有较好的实用性和较高的准确性,具有工程推广应用价值。(本文来源于《湖南大学》期刊2004-02-15)

长期电力负荷预测论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

长期电力负荷预测是城市电网规划工作的基础,它不仅为电网规划提供必备的基础数据,而且直接关系到整个电网系统的规划和发展。科学准确的长期电力负荷预测能够对机组的改建、新发电机组的选择等提供切实可行的参考依据,有助于对系统内发电机组的运行、机组的检修维护计划等进行合理安排,从而有效地保证了社会生产诸多活动的正常进行,有效地节约能源,降低设备和发电成本。它是保证电力系统安全可靠经济运行的前提。本文从长期电力负荷预测方法特点出发,在对比单一预测方法和组合预测方法的优劣基础上,选择组合预测方法作为长期电力负荷预测的基本模型。为提高组合预测的精度,建立了基于灰色关联优选的组合预测模型,该组合预测模型的基本思想:首先采用灰色关联分析方法,在多个单一预测模型中优选出精度较高的几个单一预测模型,构成组合预测模型的主体模型;然后在此基础上,以误差平方和最小为目标函数求得了组合预测模型的权重系数建立组合预测模型。最后,采用基于灰色关联优选的组合预测模型,从唐山市电力负荷的特点出发,对唐山市的长期电力负荷进行了预测。结果表明,组合预测的精度明显优于单一预测,组合预测方法具有更高的精确度,也验证了基于灰色关联分析的组合预测模型具有一定的科学性和可操作性。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

长期电力负荷预测论文参考文献

[1].张志,杜延菱,崔慧军,汪洋,贺哲.考虑关联因素的智能化中长期电力负荷预测方法[J].电力系统保护与控制.2019

[2].安光辉.长期电力负荷组合预测方法及案例研究[D].华北电力大学.2012

[3].李伟,闫宁,张振刚.基于粗糙集的混合支持向量机长期电力负荷预测研究[J].电力系统保护与控制.2010

[4].游华.基于相空间重构和支持向量机的长期电力负荷预测[D].重庆师范大学.2010

[5].蒋惠凤,何有世,张兵.基于回归神经网络的长期电力负荷组合预测模型研究[J].统计与决策.2007

[6].王军,吕元锋,陈俊,曹菁菁.基于ANFIS的长期电力负荷预测模型[J].兵工自动化.2006

[7].朱继萍.长期电力负荷预测及相关因素不确定性的影响[D].西安科技大学.2005

[8].辛开远.基于AHP的实用中长期电力负荷预测最优综合模型[J].中国电力.2005

[9].王衍东,顾洁,胡斌.基于AHP的实用中长期电力负荷预测综合模型[J].华东电力.2005

[10].蓝信军.长期电力负荷预测的模糊数学方法研究[D].湖南大学.2004

论文知识图

4-2长期电力负荷预测结果至2010.2ISIWebofScience检索的...ACA算法流程图带反馈预测的理想结果ε1=yi-y^i≠0的曲线图绝对误差对比分析图

标签:;  ;  ;  ;  ;  ;  ;  

长期电力负荷预测论文_张志,杜延菱,崔慧军,汪洋,贺哲
下载Doc文档

猜你喜欢