|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于小波分解模糊灰色聚类和BP神经网络的短期负荷预测显示文摘提出基于小波分解、模糊灰色聚类和BP神经网络的短期负荷预测方法。通过小波分解将负荷序列分解成低频分量和高频分量,找出负荷各频率分量的规律;通过模糊灰色关联聚类方法选取待预测日的负荷相似日;针对不同频段负荷的规律采用相对应的神经网络模型进行负荷预测,获得不同频段的待预测日负荷各分量,将各分量的预测结果叠加得到负荷预测值。采用所提方法对某地区2010年实际负荷进行预测,并与已有的负荷预测方法比较,结果表明所提方法可提高负荷预测的精度。 | 张平 潘学萍 薛文超 | 2012 | 电力自动化设备2012，32，11： | 82 |
| 2 | 电力短期负荷预测相似日选取算法显示文摘短期负荷预测是电力系统安全经济运行的基础,相似日选取的准确与否直接影响到短期负荷预测算法的精度。针对短期负荷预测的特点,提出一种能便于考虑各种因素影响的新算法。分析了气象、日类型等因素对负荷影响的常见规律,便于识别主导负荷变化的因素,建立了在短期负荷预测中选取相似日的新方法。理论和实例均表明,该方法适应性较强,能够通过历史数据分析从历史日中选取最合适的相似日,对提高短期负荷预测的精度具有较大价值。 | 黎灿兵 李晓辉 赵瑞 李金龙 刘晓光 | 2008 | 电力系统自动化2008，32，9： | 78 |
| 3 | RBF神经网络在中长期负荷预测中的应用显示文摘根据电力系统中长期负荷的特点和径向基函数(RBF)神经网络的非线性辨识功能,将RBF神经网络应用于中长期负荷预测的数据预处理,具体讨论了空缺数据的补全以及失真数据的查找和修正,并提出了一种改进的基于RBF神经网络的中长期负荷预测模型。实际算例的分析表明,所提出的基于RBF神经网络的缺损数据处理方法和改进的中长期负荷预测模型是可行和有效的。 | 陈泽淮 张尧 武志刚 | 2006 | 电力系统及其自动化学报2006，18，1： | 46 |
| 4 | 考虑大规模风电接入的备用容量计算显示文摘备用需求是日前发电计划优化中的重要约束,也是保障电网可靠运行的重要基础之一。随着大规模风电的集中接入,传统以高可靠性常规电源为依据的备用设置方法难以保障间歇性电源接入下的电网可靠运行。考虑大规模风电间歇特性,兼顾电网运行的安全性和经济性,采用聚类分析技术对风电功率预测数据进行筛选,建立风电功率预测误差与备用需求变化间的关联模型,得到风电接入后的新能源备用容量。实际系统算例测试验证了其有效性。 | 王丹平 陈之栩 涂孟夫 杨争林 丁恰 | 2012 | 电力系统自动化2012，36，21： | 41 |
| 5 | 基于非负矩阵分解的相关向量机短期负荷预测模型显示文摘针对传统特征提取方法只能抽取样本的代数特征而无法顾及问题实际意义的缺点,提出一种基于非负矩阵分解的相关向量机短期负荷预测模型。通过非负矩阵分解算法对输入样本进行分解,得到非负的低维映射矩阵,将该低维矩阵输入相关向量机进行训练预测。由于此低维矩阵具有非负性质,因而该模型在消除冗余数据、降低维数的同时,保留了原始问题的实际意义。实验结果表明,所提出的方法能有效降低输入变量的维数,预测精度也得到了提高。 | 黄帅栋 卫志农 高宗和 杨争林 孙国强 孙永辉 | 2012 | 电力系统自动化2012，36，11： | 29 |
| 6 | 相似日短期负荷预测的非线性理论基础与改进显示文摘从非线性动力系统理论角度看,相似日预测的实质是对负荷序列中平衡点和准周期行为的预测。特定相似日预测方法所使用的负荷序列频谱越宽,预测结果就越准确,其实质是加强了准周期和混沌成分的预测;另外,采用负荷水平则增强了对平衡点的预测能力。采用“连续多天负荷”作为改进的相似日预测的基本单元、采用原始负荷的“负荷趋势+相似日”分解预测、对原始负荷序列按照素数间隔二次抽样等,都是提高预测准确率的具体手段。 | 杨正瓴 田勇 张广涛 林孔元 | 2006 | 电网技术2006，30，6： | 28 |
| 7 | 基于短期相关性和负荷增长的中长期负荷预测显示文摘现有中长期负荷预测非线性模型存在预测困难及精度偏低且不稳定的问题。文中提出了一种基于短期相关性和年度负荷增长的预测方法,将非线性问题转化为线性问题来解决。该方法首先根据上一年相邻点和相邻周负荷之间的短期相关性构建线性回归模型;然后采用递归的方法计算出下一年各周所有负荷点的预测值;最后考虑年度负荷增长,对预测值进行修正得到最终预测结果。结合实际电网数据验证了该方法的有效性和实用性,为中长期负荷预测提供了一条可行的新思路。 | 钱卫华 姚建刚 龙立波 张凯 | 2007 | 电力系统自动化2007，31，11： | 28 |
| 8 | 电力系统负荷记录混沌特性成因的探讨显示文摘研究负荷记录混沌的成因 ,对于提高短期负荷预报的准确率是必要的。通过对某地全年负荷记录时间序列及其差分序列的 3d时间窗口上的最大李雅普诺夫指数λ1的计算 ,发现全年各处都存在混沌特性。天气成因 ,即“实际天气对人们期望天气的差异”,只能有效解释夏季等 λ1的增大 ,而不能有效解释全年各处都存在混沌。于是 ,通过对负荷可预报性的理论分析 ,发现“用户可以自由地用电一段时间”,即有记忆的随机行为 ,是负荷混沌的最基本成因。通过 AR( 1 0 )可以精确预报负荷 ,也定量证实了这种成因。综合负荷模型中的非线性因素 ,对于负荷记录中连续功率谱的出现会有一定的贡献。 | 杨正瓴 林孔元 | 2002 | 电力系统自动化2002，26，10： | 27 |
| 9 | 多节点超短期负荷预测方法显示文摘对多节点有功和无功负荷变化规律的动态自适应超短期预测进行了深入的研究和分析,提出将负荷数据分层分区的处理方法,建立它们之间相互牵制和联系的表达,在由递推最小二乘支持向量机(RLS-SVM)算法实现顶层预测的基础上,建立输电系统多节点负荷动态行为特征的描述模型,构建了自适应动态模型的超短期负荷预测总体构架。以山东电网为例的现场测试效果验证了所述方法的可行性和有效性。 | 韩力 韩学山 贠志皓 耿艳 | 2007 | 电力系统自动化2007，31，21： | 25 |
| 10 | 考虑温度积累效应的短期电力负荷预测方法研究显示文摘提出了一种考虑夏季温度积累效应的地区短期负荷预测方法。该方法不仅考虑了对短期负荷有影响的日类型、降水、温度等相关因素,并且考虑了在连续高温日情况下,预测日前数日的温度对预测当日的影响。通过利用神经网络工具,对每日48个时刻点分别建立了预测模型。通过对华中某地区电网的实际负荷预测结果的分析来看,该方法可以有效跟踪预测日前数日温度积累对预测日负荷的影响,在夏季负荷大幅变化的情况下,预测精度仍然可以满足要求。 | 陈根永 史敬天 毛晓波 陈肖一 姚晓明 彭保宏 | 2009 | 电力系统保护与控制2009，37，16： | 20 |
| 11 | 基于累积式自回归动平均传递函数模型的短期负荷预测显示文摘针对短期负荷预测,提出了累积式自回归动平均(auto-regressive integrated moving average,ARIMA)传递函数模型的简化建模方法。传递函数模型考虑了干扰因素对因变量的作用,体现了干扰因素中变量间相互影响的关系。其构造灵活,可用较少的参数建立阶数较高的模型;并且假定值较少,容易得到满足。该文还将温度因素考虑在内,通过算例将传递函数模型和ARIMA模型的预测结果与实际值进行了比较,结果表明采用传递函数改进后的ARIMA模型预测精度提高,预测误差减小,具有较强的实用性。 | 李妮 江岳春 黄珊 毛李帆 | 2009 | 电网技术2009，33，8： | 19 |
| 12 | 基于D-S证据理论的相似日支持向量机短期负荷预测显示文摘针对基于支持向量机(support vector machine,SVM)的负荷预测方法存在数据输入维数大、训练时间长等缺点,提出了一种基于证据融合的相似日支持向量机预测方法。选取相似日时考虑平均负荷的大小、负荷曲线形状和温度差值,通过证据融合得到与预测日负荷高度相似的相似日,以此作为支持向量机的训练数据,剔除了大量的冗余数据,减少了输入维数,提高了预测精度。将该方法用于短期负荷预测,并与采用标准支持向量机法得到的结果进行对比,发现该方法可显著提高预测精度。 | 李鑫滨 张娟 张岩 卢志刚 | 2010 | 电网技术2010，34，7： | 19 |
| 13 | 基于输入空间压缩的短期负荷预测显示文摘由于影响负荷预测的因素复杂,并且实际获取的历史数据有限,传统的智能预测方法往往达不到工程应用的精度要求。为解决该问题,文中提出一种准确预测电力系统短期负荷的新思路:首先建立负荷输入特征选择模型,其搜索方法采用浮动搜索算法,在去除影响负荷预测的冗余特征之后,利用有限样本学习的统计学习理论(支持向量机)构造负荷预测回归模型,充分发挥其在解决有限样本、非线性中体现出的优势,较好地提高了评估结果的精度和泛化能力。在EUNITE网络中的应用结果证明了该方法对电力系统负荷预测的有效性。 | 许涛 贺仁睦 王鹏 徐东杰 | 2004 | 电力系统自动化2004，28，6： | 18 |
| 14 | 地区电网变压器经济运行实时控制系统显示文摘设计了地区电网变压器经济运行的实时控制系统。该系统根据变压器经济运行理论,利用 监控与数据采集(SCADA)系统采集的实时数据和短期负荷预测结果,并考虑实际运行中变压器投 切次数的限制,在线决定变压器的经济运行方式,并通过SCADA系统对变压器进行投切操作。该 系统与SCADA系统协同工作,充分利用了SCADA系统的高可靠性,并且不需要开发新的硬件, 因此具有开发周期短、使用方便、运行可靠的优点。在实际工程应用中取得了良好效果。 | 卫志农 常宝立 汪方中 李曼岭 王圈 | 2006 | 电力系统自动化2006，30，1： | 17 |
| 15 | 基于负荷特性分析的短期负荷预测相似日选择方法显示文摘从选择历史负荷数据的角度来看,各类短期负荷预测方法本质上都基于相似原理。科学合理地选择相似日是提高预测效果的有效途径。为了挖掘出负荷曲线形状与预测日最大可能相似的历史日,提出了在负荷特性分析的基础上确定日特征向量、采用模糊分类和改进灰色关联分析法进行选择的方法。预测时引入时间跨度系数以消除负荷水平差异的干扰。实际系统的应用效果验证了该方法的有效性和实用性。 | 钱卫华 姚建刚 龙立波 张凯 | 2007 | 华中电力2007，20，1： | 15 |
| 16 | 组合预测方法中的权重算法及应用显示文摘系统地分析了组合预测模型的权重确定方法,并估计各种权重的理论精度,以此指导其应用。文章还首次提出用主成分分析确定组合模型权重的方法,最后以短期(1年)负荷预测为例,检验各种权重下组合预测模型的精度。 | 权轶 张勇传 | 2006 | 科技创业月刊2006，19，5： | 13 |
| 17 | 基于模糊支持向量机的电力系统中期负荷预测显示文摘考虑到气温因素对电力系统负荷的影响,提出了一种模糊支持向量机(FSVM)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。首先利用隶属度函数对影响负荷的气温因素进行模糊化处理,然后结合已知数据得到支持向量机(SVM)的训练样本集,采用序列极小优化(SMO)算法实现对支持向量机(SVM)的快速训练,最终得到预测结果,并与不将气温模糊化的仿真结果进行比较,表明本文所提方法简便且预测精度较高。 | 翟永杰 王静娴 周黎辉 | 2008 | 华北电力大学学报(自然科学版)2008，35，2： | 12 |
| 18 | 基于分区逐时气象信息的全网负荷预测研究显示文摘负荷与气象是密切相关的,尤其在夏冬两季。以省网负荷预报为例,在传统的电力负荷预测中,所采用的气象信息一般是全省、全天的气象信息,比如全省最高温度、最低温度等等。当前,气象预报技术已经可以做到分区、逐时预报。该文总体思路是将分区逐时气象预测数据应用于负荷预报,以进一步提高负荷预测精度。指出了按照行政区域和气候区域相结合来分区,定义了基于负荷的综合气象因素,提出了根据网供电与综合气象因素进行预测的策略,给出了将相似日方法与支持向量机相结合的负荷预测方法。最后给出在河南电网应用的实际结果,对比表明采用逐时气象信息的预测精度比采用全天性气象指标的预测精度更高。 | 李新炜 王子琦 方鸣 周鹏 王启明 李同 鞠平 | 2009 | 电力系统保护与控制2009，37，3： | 11 |
| 19 | 基于分段分层相似日搜索和自适应脊波神经网络的风电功率多步预测显示文摘为进一步提高风电功率预测精度,提出了一种基于相似日理论结合自适应脊波神经网络的风电功率预测模型。在传统相似日方法上,将相似日细致到'相似时段',即基准段和预测段;采取对基准段风电功率曲线和预测段日特征向量进行双重搜索的方法,保证了相似精度;并采用分层搜索逐步逼近预期目标,既突出主导因素又节约计算时间。在基准段曲线相似度的基础上结合机组启停状态,并引入了预测段的特征量,增加了相似日的评估信息,使得相似日的选取更加合理、准确。用自适应脊波神经网络对相似样本进行建模、训练,得最终预测值。经算例分析,该方法能有效预测未来12 h的风电输出功率,从而实现较高精度的多步预测,为调度部门提供有力支持。 | 张宜阳 严欢 | 2015 | 电网与清洁能源2015，31，4： | 10 |
| 20 | 基于RBF神经网络的短期负荷预测模型设计显示文摘在分析了某地区日平均负荷曲线的年周期性、周周期性、日周期性的基础上提出了每日24个整点负荷值的分段预测模型。根据该模型建立相应的RBF神经网络进行预测。并将预测结果与实际负荷值、由传统的BP网络模型得到的结果分别进行了对比分析,表明这种模型结合RBF神经网络的预测效果具有较高的精度,具备了一定的实用价值。 | 俞秋阳 朱斌 郭伟 | 2004 | 继电器2004，32，17： | 10 |
您所在的机构暂未开通此部分的功能，请联系管理员