遗传支持向量机在城市节假日电力负荷预测中的应用

支持向量机（support vector machines,SVM）根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,具有良好的预测效果？但是在基于支持向量机的负荷预测方法中,参数的选择对预测结果具有较大影响,可能导致结果误差较大。本文利用遗传算法对SVM的参数最优值进行自动搜索,改善其预测性能。然后将遗传支持向量机（GA-SVM）应用于广东省某城市的节假日电力负荷预测。结果表明,基于遗传支持向量机的预测效果比相似日法更好。     

基于电力负荷模式分类的短期电力负荷预测

基于电力负荷模式分类的短期电力负荷预测能够更加系统化、准确化地实现相关数据的分析,从而有效改善电网运行的整体负荷预测性能。文章对遗传优化算法中的Pareto模式分类规则和人工神经模糊算法进行了分析,并结合具体仿真试验进行了论证,具有非常重要的意义。     

经济全球化背景下的中长期电力负荷预测

中长期电力负荷预测,从表象上看研究的是电力供需问题,但本质上是在研究市场经济的发展和变化规律,就这个特点而言,影响经济行为的任何一个因素发生变异,都可能导致电力供需关系发生改变。因此要想准确预测中长期电力负荷的变化,必须从系统论层面介入,组建一支跨学科、跨专业的科研班子,将影响电力负荷未来变化的诸元政治、经济、自然等有机融入数据库和预测模型。     

基于系统动力学模型的中长期电力负荷预测

一、概述电力负荷预测是发电和配电的基础,科学的进行预测可以使各方获得较为满意的经济效益,同时也会获得巨大的社会效益。预测失误可能会带来不可弥补的损失,目前用于中长期预测方法有很多,回归分析法通过观察数据的统计分析和处理,来寻找负荷与影     

基于PSO-SVM的空气钻井地下水水位预测

为缩短兴隆气田空气钻井周期,降低钻井成本,需对地下水水位进行预测。结合粒子群算法(PSO)和支持向量机(SVM),提出了一种新的空气钻井地下水水位预测模型。结果表明,该模型具有收敛快、预测精度高等特点,在空气钻井地下水位预测中具有一定的工程应用价值。     

基于组合模型的中长期电力负荷预测研究

本文研究了组合预测的模型,提高了预测的准确度。并对甘肃省2011-2020年全社会用电量做组合预测。     

电力负荷预测方法探究

文章对目前的几种智能负荷预测方法：人工神经网络、模糊预测法、数据挖掘、专家系统、支持向量机的原理、特点及研究情况进行了阐述,从学习能力、运算速度、处理模糊信息能力等角度对这几种方法进行了比较,并指出了其中各自的优缺点。     

电力负荷预测的技术方法分析

论述了电力负荷预测的基本概念、电力负荷所研究的基本问题、负荷的分类、负荷预测的方法。通过对这些知识的学习，在以后的预测工作中，可以选择适当的方法，进行更准确，精度更高的预测。     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机(LS-SVM)算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

组合预测法在中长期电力负荷预测中的研究与应用

电力系统中长期负荷预测是电力系统规划和运行研究的重要内容[1],它是保证电力系统可靠和经济运行的前提,同时也是电网规划建设的依据和基础。线性回归模型、指数平滑模型、灰色模型是常用的单模型中长期负荷预测方法,组合预测法是运用这三种方法的组合,通过运用最优权重系数方法来确定各个模型的权重,使预测的精度更高,误差更小。     

Short‐Term Wind Speed Forecasting for Power System Operations

The emphasis on renewable energy and concerns about the environment have led to large‐scale wind energy penetration worldwide. However, there are also significant challenges associated with the use of wind energy due to the intermittent and unstable nature of wind. High‐quality short‐term wind speed forecasting is critical to reliable and secure power system operations. This article begins with an overview of the current status of worldwide wind power developments and future trends. It then reviews some statistical short‐term wind speed forecasting models, including traditional time series approaches and more advanced space–time statistical models. It also discusses the evaluation of forecast accuracy, in particular, the need for realistic loss functions. New challenges in wind speed forecasting regarding ramp events and offshore wind farms are also presented.     

对江苏省电力负荷进行回归预测

本文主要根据2001-2011年江苏省用电量样本数据,建立了江苏省电力负荷与人均GDP、工业化以及人口数之间的多元回归预测方程,并预测了江苏省2014-2020年总用电量数据,在此基础上提出了相应的建议。     

灰色Verhulst改进模型的浙江地区饱和负荷预测研究

饱和负荷是指一个地区经济发展进入负荷增长饱和阶段的时间及负荷规模,饱和负荷预测对电力规划设计具有指导性意义。饱和负荷受很多未知随机因素的影响,灰色Verhulst模型能够对部分信息未知、具有饱和特性的系统进行高精度预测。通过灰色Verhulst模型对浙江地区饱和负荷预测,浙江地区全社会用电量达到饱和的时间为2020年,饱和规模为4281.28亿千瓦时,年最大负荷进入饱和阶段的年份为2020年,饱和规模为7528.78万千瓦。     

灰色神经网络中的基于电力系统负荷预测研究

智能工程是多层灰色神经网络中的智能算法,处理多个非线性复杂系统研究。     

基于改进灰色模型电力负荷预测

随着电力市场的推进,负荷预测已成为保证电网稳定运行的基础,电力负荷预测在电力系统规划中的重要性和迫切性越来越受到高度重视。然而,基于电力系统的复杂性,保证预测的准确性是电力企业负荷预测工作的关键。传统的GM(1,1)模型在实际应用中存在很多缺点和局限性,本文从初始条件处理和初值的选取方面进行了改进:对原始输入数据的处理,运用了指数加权法,对初值的处理,利用预测值和实际值的欧氏距离最小化的方法来确定的连续变化微分方程时间响应函数中的参数c值来代替x(1)(1)作为初值。通过实例分析得出本文中的改进取得了较好的效果。     

基于支持向量机的福建省GDP预测研究

采用1981～2002年的福建省GDP数据作为支持向量机(SVM)的训练目标,以各期前三年的GDP作为输入向量构成训练样本。首先利用格子搜索法获得支持向量机模型中的参数(C,γ,ε)对样本进行训练。然后用训练所得模型对2003、2004、2005三年的福建省GDP进行测试,平均测试精度达98.12%。可以认为支持向量机具有较强的泛化能力,在宏观经济预测中具有较高的精度,从而可用于未来实际GDP的预测。     

基于灰色关联和回归分析的社会用电量预测研究

在电力市场化改革中,对社会用电量进行准确的预测十分必要。本文利用灰色关联分析理论对影响社会用电量的因素进行了筛选,再利用回归分析理论对社会用电量进行了预测。实例表明,灰色关联和回归分析理论应用于社会用电量预测是可行的。     

基于二次指数平滑模型的中国社会电力需求预测分析

电力需求预测是进行电网规划非常重要的步骤,只有将电力需求可靠的预测才更便于电网进行供电。本文研究了二次指数平滑法模型,用于电力负荷预测中,结合经济、能源结构、环境等因素对中国社会用电量加以分析及预测,并进行了后验差检验,得到了很好的预测精度。     

北京市长期电力需求预测研究

对电力需求准确评估,是电力工业发展方向和速度的重要参考,预测的准确与否,关乎到电力行业的平稳发展以及国民经济的可持续发展。针对北京市电力需求,文章采用了协整分析和情景分析结合的研究方法,结合二者优点,得到北京市未来的电力需求预测结果。     

基于多元变权组合预测模型的物流需求预测

物流需求预测是保障物流服务供给和需求平衡的重要依据,也是现代物流企业发展研究的重点之一.本文应用斜关联度选取地区生产总值、三产增加值、全社会固定资产投资总额、社会消费品总额以及人口数量指标建立多元回归预测模型和多变量灰色预测模型,鉴于单项预测模型的局限性,以绝对误差平方和最小为目标,通过改进变权组合预测方法确定最佳变权...