空间电力负荷预测小区用地分析（一）——模糊推理新方法和小区用地分析原理

提出了一种在知识不完备的情况下，计及前提重要性的基于模糊逻辑的近似推理和决策新方法，并将其用于城市配电网规划空间电力负荷预测的小区用地适应性和优劣性分析中。建立了基于模糊集理论的规划年城市土地开发和土地改造预测的基本原理，该原理能够充分体现专家的推理和决策过程，为城市配电网规划人员完成规划年城市土地高分解条件下小区土地开发时间、使用性质和最佳使用强度的分析任务提供了一套系统的理论和方法。     

多元线性网络法在区域电力负荷预测中的应用

区域电力负荷具有特殊的变化规律，但表现出一定的周期波动性。对区域电力负荷变化影响因素分析后，分别利用多元线性回归和人工神经网络模型对电力负荷变化进行了电力消耗预测。对二者预测结果还进行了误差分析，并提出了高、中、低3个水平的电力负荷消耗。结果表明：预测结果与当地电力负荷消耗增长规律相符，且人工神经网络预测结果较多元线性回归模型稍好。预测的结果数据可以作为当地决策部门的资料参考。     

BP神经网络算法在年电力负荷预测中的应用

本文主要研究电力负荷预测方法，依照神经网络系统理论，建立神经网络模型，并通过实例计算，介绍了BP神经网络算法在年电力负荷预测中的应用。     

10 kV中压配电网应用电力空间负荷密度特性研究

针对传统方法在研究水电配电网电力空间负荷密度的特性时存在电力负荷密度预测精度较低、用电高峰期出现供电紧张、运行稳定性较弱、安全性较低等问题,提出一种基于DLBAN模型的电力空间负荷密度预测方法。利用跨小波空间算法对水电配电网电力扰动信号进行去噪,获取电力空间滤波信号,根据DLBAN构建电力空间负荷预测模型,对待测区块指定最合适的类标签进行修正。利用DLBAN预测模型完成配电网电力空间负荷密度预测,得到其属性呈正相关性,从而实现对水电配电网电力空间负荷密度特性研究。结果表明,在水电配电网的应用中,城市第二产业的负荷密度的稳定性较强;不同用户的休息时间与负荷密度具有较强的关联性;第三产业的用电时间具有周期性,且负荷密度较大,对整个水电配电网区域负荷密度的贡献度较大,且具有较高的预测精度。     

数据挖掘在电力负荷预测中的应用

从寻求准确预测电力系统负荷的目的出发,提出了利用数据挖掘方法将电力系统大量的历史负荷数据按照相应影响因素进行分类,建立负荷预测的决策树,该方法克服了其他线性预测方法带来人为误差的缺陷。着重介绍了生成决策树的C4.5算法,该算法利用样本数据的熵值进行分类;完整阐述了基于决策树技术的负荷预测技术,包括样本数据的预处理、数据离散化和决策树的生成和剪枝;最后通过具体的算例验证了上述方法的可行性。     

离群数据挖掘及其在电力负荷预测中的应用

离群数据挖掘是数据挖掘的一个重要内容，它为分析各种海量的、复杂的、含有噪声的数据提供了新的方法，但它在电力系统中还未得到广泛的应用。文中通过对现有的主要离群数据挖掘算法的简要对比说明，针对电力系统的基本特征提出应用信息熵原则的电力负荷离群数据挖掘改进算法，然后应用Kohonen网提取相关负荷的特征曲线，并将其用于不良数据的校正，通过对电力负荷的仿真分析表明了该算法的有效性。     

改进灰色神经网络模型在电量预测中的应用

研究过程中分析比较了人工神经网络和灰色模型的优缺点,尝试将人工神经网络模型与改进灰色模型进行有机结合,从而提出了改进灰色神经网络模型。新的耦合方式发挥了灰色预测方法中累加生成的优点,便于神经网络进行训练,又避免了灰色预测方法带来的误差,提高了预测精度,是一种新的有益探索;为实际工程应用提供了重要的参考。     

Logistic分析法在顺层岩质滑坡稳定预测中的应用

为评价顺层岩质滑坡的稳定性,分析了影响顺层岩质滑坡稳定性的主要因素,包括地形坡度、坡面走向与岩层走向夹角、地层岩性、岩层倾角以及软弱夹层。在综合分析顺层岩质滑坡统计数据的基础上,建立了基于Logistic回归的顺层岩质滑坡稳定预测模型,并藉此对顺层岩质滑坡稳定性及评价因子进行了定量分析。实例验证表明,该模型预测结果与实际情况基本吻合。