人工神经网络用于短期电力负荷预测网络结构初探

目前,在电力系统短期负荷预测的手段中,已由人工预测方式逐步被软件预测方式所代替。BP人工神经网络是最常用的建立负荷预测模型的工具之一,文章对建立电力负荷BP神经网络预测模型（网络结构）进行了讨论。     

基于BP人工神经网络在农村电力短期负荷预测研究

基于农村电力系统负荷预测研究是农村电力系统规划与运行的基础,是农村电力市场运作中的重要组成部分。文章论述了农村电力短期负荷预测研究算法及其实现途径。     

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。     

人工神经网络模型在房地产项目风险管理中的应用

房地产项目管理是一项较为复杂而充满风险的管理活动,具有投资大、周期长、地域性强、不确定因素多而存在大量风险。因此在房地产开发管理中必须对风险有充分认识,并根据自身实力,估算对风险的承受能力,最大限度地把握与防范风险。目前,国内在房地产项目风险管理方面还没有形成一套比较全面系统的理论和方法,人工神经网络模型也仅仅是一种尝试。1房地产项目风险管理的内容和程序房地产项目风险管理是研究房地产开发过程中     

电力市场环境下的负荷预测研究

随着电力市场改革的逐渐深入,负荷预测是电力市场的基础,对其准确性的要求更为重要。文章系统地综述了负荷预测的分类、负荷模型、负荷预测的方法和其发展动态,并且分析了在电力市场环境下对负荷预测的新要求。     

基于宏观经济的短期电力需求负荷预测研究

电力需求和经济的紧密联系使得二者的互动研究对宏观经济发展和电力系统稳定运行都有重要的意义.长期的互动研究已经很多,但是短期的电力需求和宏观经济的研究还相对较少,且不够深入.本文通过对短期宏观经济指标进行选择,建立宏观经济与电力需求的互动模型,实现短期电力需求负荷预测.     

基于人工神经网络的期货量化交易实践探索

人工神经网络算法是国际上管理资金量最大的交易算法,在国内由于量化交易研究历史较短,暂时还没有看到有公开报道的大规模资金使用神经网络算法进行管理.神经网络的收益对于神经网络的结构具有较好的稳健性.使用不同结构的神经网络(不同的输入层节点个数和不同的隐层节点个数)进行测试的结果发现,在结构相当大的变动范围内,神经网络策略均...     

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。     

灰色理论在电力负荷特性预测上的应用

电力负荷特性预测是电力市场分析预测的基础性工作,高精度、高速度的负荷预测成为了电力市场日趋完善的迫切要求。电力负荷系统是典型的灰色系统,文章用灰色理论在准则下建立校正模型,从预测实证结果来看,其精度较高,方便适用     

GMDH网络在短期负荷预测中的应用

文章提出基于自组织方法的GMDH(Group Method of Data Handling)型神经网络并将它应用于短期负荷预测.与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能.它能充分、合理地利用数据,自动进行变量组合,筛选及判断从而得到合适的模型,特别适用于数据预测.将这种用自组织方法所构成的GMDH型神经网络应用于广西某地区电力局的短期负荷预测,采用Matlab6.5进行仿真实验,证明其在短期负荷预测方面有很好的应用前景.     

GMDH网络在短期负荷预测中的应用

文章提出基于自组织方法的GMDH（Group Method of Data Halldlin亩型神经网络并将它应用于短期负荷预测。与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能。它能充分、合理地利用数据,自动进行变量组合,筛选及判断从而得到合适的模型,特别适用于数据预测。将这种用自组织方法所构成的GMDH型神经网络应用于广西某地区电力局的短期负荷预测,采用Matlab6．5进行仿真实验,证明其在短期负荷预测方面有很好的应用前景。     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷.文章还比较了Elman网络和BP网络结构的建模效果,通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法.     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。文章还比较了Elman网络和BP网络结构的建模效果。通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法。     

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。     

基于组合神经网络在电力系统短期负荷模型研究

电力系统短期负荷预测是实现电力系统优化运行的基础,对于电力系统运行的安全性、可靠性和经济性都有显著影响。因此,寻求有效的负荷预测方法以提高预测精度具有重要意义。     

基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素。同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测。实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快。     

基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素.同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测.实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快.     

基于人工神经网络的钢管销售预测

利用人工神经网络对不规则的、非线性的钢管销售系统进行模拟,通过BP算法,建立钢管销售预测模型.结果表明.基于人工神经网络进行钢管销售预测,可以较好反应出销售量的变化趋势,得到更为精确的预测结果.