提出一種基于建筑空調負荷指標和氣象參數的負荷因子法,分別計算建筑圍護結構負荷、新風負荷、人員負荷、照明負荷及設備負荷,逐時疊加獲得總的建筑空調負荷。利用正交試驗對建筑空調負荷影響因素的顯著性進行了分析,得出室外氣象條件、室內設計參數及新風標準為建筑空調負荷預測的顯著性影響因素。

在中央空調優化節能運行之前,準確預測空調負荷具有非常重要的意義。不同的中央空調工程選擇不同的空調負荷預測方法可能會有不同的節能效果。介紹回歸分析法、灰色預測法、指數平滑法、神經網絡法等四種典型性預測方法,并對四種方法做一個大致的比較分析,得出各種方法的優點與缺陷。

為了提高電力系統短期負荷預測精度,提出一種基于改進極限學習機(melm)的短期電力負荷預測模型。引入基于結構風險最小化理論,并結合最小二乘向量機回歸學習方法,以克服傳統極限學習機(elm)在短期負荷預測中存在的過擬合問題。某地區用電負荷預測結果表明,改進模型的泛化性與預測精度均優于傳統elm和os-elm模型,可為短期電力負荷預測提供有效依據,具有一定的實用性。

鄭州大學 碩士學位論文 電力系統短期負荷預測方法的研究 姓名：張德玲 申請學位級別：碩士 專業：電力系統及其自動化 指導教師：陳根永 20070515 電力系統短期負荷預測方法的研究 作者：張德玲 學位授予單位：鄭州大學 本文鏈接：http://d.g.wanfangdata.com.cn/thesis_y1059836.aspx

電力系統短期負荷預測方法研究分析

針對短期電力負荷預測易受氣象因素影響的特點,提出基于相似日和灰色理論的短期電力負荷預測模型;首先通過對日類型的判斷得到相同日類型的負荷數據,然后對氣象數據序列進行模糊化聚類處理,并結合預測日的氣象數據,采用灰色關聯方法進行關聯分析,選取與預測日關聯度高的負荷數據作為相似日負荷數據,采用灰色預測方法對相似日負荷數據進行短期電力負荷預測;仿真結果表明,選取了相似日之后的預測結果比未選取相似日的預測結果精度要高.

針對短期電力負荷預測易受氣象因素影響的特點，提出基于相似日和灰色理論的短期電力負荷預測模型；首先通過對日類型的判斷得到相同日類型的負荷數據，然后對氣象數據序列進行模糊化聚類處理，并結合預測日的氣象數據，采用灰色關聯方法進行關聯分析，選取與預測日關聯度高的負荷數據作為相似日負荷數據，采用灰色預測方法對相似日負荷數據進行短期電力負荷預測；仿真結果表明，選取了相似日之后的預測結果比未選取相似日的預測結果精度要高。

基于氣溫變化的冬季城市燃氣日負荷預測方法——文章結合實例分析了日平均氣溫對冬季城市燃氣日負荷影響的規律，得到燃氣日負荷的主要影響因素為氣溫所處溫度區間、氣溫變化的幅度，而與氣溫所處時間區間和升降趨勢無關。提出了基于氣溫變化的燃氣日負荷預測方法...

提出了1種基于混沌分析和支持向量回歸機的短期空調負荷預測建模方法。通過研究實際空調負荷序列的混沌特性,確定其混沌特征參數并選取支持向量回歸機進行預測。支持向量機建模過程使用粒子群算法進行參數尋優。仿真結果表明,空調負荷序列具有一定的混沌特性,使用混沌支持向量機方法的預測精度比單一支持向量機法預測結果eep指標降低了31.4%,預測精度有了明顯提升。

提出了一種基于灰色模型和神經網絡組合的短期負荷預測方法。首先利用頻域分解消除負荷序列的周期性,然后利用灰色模型計算負荷序列的歷史擬合值和未來預測值,將其作為神經網絡的輸入。在歷史數據中選擇一天作為基準日,以該基準日的量為參照,以負荷的灰色模型擬合值相對基準日的變化量,以及溫度變化量為bp神經網絡的輸入,實際負荷變化量為輸出,訓練神經網絡并預測待預測日負荷的變化量,加上基準日負荷后得到預測負荷。該方法綜合了灰色模型方法和神經網絡方法的優點,仿真結果驗證了方法的有效性。

電力系統短期負荷預測是保證電力系統安全經濟運行和實現電網科學管理及調度的重要依據,目前的電力系統短期負荷預測方法存在著一些不足。提出了基于人工神經網絡與主分量分析的短期負荷預測方法,在試驗中分別采用該方法和單一的人工神經網絡對遼寧省某電網的短期負荷進行了預測,試驗結果表明本文提出的方法與單一的人工神經網絡預測法相比,不但減少了預測的時間,而且避免了過擬合現象,提高了預測精度。

文章首先對目前電力系統負荷預報理論和方法進行了全面回顧和評述,重點介紹了混沌理論的發展及應用現狀。結合混沌時間序列的分析方法,在對現在廣泛應用于電力系統短期負荷預測的混沌方法研究的基礎上,提出了將混沌預測技術與小波奇異性檢測和消噪結合提高預測精度的方法。

為了考慮除負荷本身外的其他因素對短期負荷的影響,提出了基于相似度與神經網絡的短期協同預測模型。該模型首先通過計算負荷曲線的相似度對歷史數據進行排序,然后選擇與預測時刻相似度較相近的數據對未來時刻的負荷利用相似度進行預測,對于出現的誤差,通過神經網絡結合其他因素進行預測糾正。實驗結果證明,該協同預測模型較之單純的bp神經網絡預測模型具有較高的預測精度。

偏最小二乘(pls)運算降低電力負荷數據之間的相關性,最小二乘支持向量機(ls-svm)可以獲得模型的全局最優預測效果,減少預測過程的運算量。介紹了pls和ls-svm的基本原理,給出了pls-ls-svm建立短期日電力負荷預測模型的過程,并用于某地區2008年的用電日負荷預測,預測的平均相對誤差和最大相對誤差分別為0.685%和8.8599%。與基于ar(1)模型的預測結果相比,pls-ls-svm模型更高的預測準確性可為短期電力負荷預測提供有效依據。

配電網中長期負荷預測方法綜述

青浦工業園區熱負荷預測方法——采用回歸分析法、時間序列分析，與實際情況相結合，對青浦工業園區的熱負荷進行預測，從而得出青浦工業園區的單位面積規劃熱負荷指標，為集中供熱的規劃與設計提供了基礎資料。

通過對電力負荷變化規律和影響因素的分析,提出了一種新的短期電力負荷預測模型。首先利用混沌理論將雜亂無章的歷史數據進行相空間重構,找出其中的潛在規律,并粗選預測參考點;然后利用蟻群優化算法,考慮距離因素和相點演化的相關性因素,對粗選的預測參考點作進一步精選,提高其質量;最后采用gm(1,1)灰色模型得到預測日的負荷數據。實際算例驗證了提出的方法具有較好的預測精度。

電力系統短期負荷預測分析

電力系統短期負荷預測的靜態分析

0 目錄 中文摘要..............................................................1 英文摘要..............................................................2 1電力系統負荷預測綜述...............................................3 1.1引言...........................................................3 1.2電力系統負荷預測的含義.........................................3 1.3電力系統負荷預測的意義.......................................

短期電力負荷預測器設計 thedesignofshorttermpowerload prediction 畢業設計任務書 一、設計內容 結合人工神經網絡模型的特點和學習方式，根據其學習方法，編寫算法進行matlab仿 真，對仿真預測結果的精度進行分析。 二、基本要求 1．選擇適合電力負荷預測的人工神經網絡的模型。 2．利用matlab軟件用于人工神經網絡模型的仿真。 3．得到仿真結果，對電力負荷預測結果的精度進行分析。 三、主要技術指標 利用現有的人工神經網絡模型，編寫matlab程序，對人工神經網絡進行訓練，實現電 力負荷預測。 四、應收集的資料及參考文獻 [1]韓力群.人工神經網絡理論、設計及應用[m].北京:化學工業出版社 [2]周開利，康耀紅.神經網絡模型及其matlab仿真程序設計[m].北京:清華大學出版 社 [3]朱大奇.

負荷預測對電網規劃和售電市場調控具有重要意義。由于電力負荷與天氣、日期、區域等多個因素密切相關,存在較強的不確定性和非線性特征,導致傳統方法的負荷預測精度較低。為了提高負荷預測精度,提出基于正交投影徑向基函數極限學習機(oprbf-elm)的短期電力負荷預測算法。該算法將elm的隱含層節點替換為徑向基神經元,基于訓練誤差二范數最小化準則,采用正交投影計算輸出權值向量,并在核函數的數量取值范圍內索引獲取使得訓練集均方根誤差(rmse)最小的預測負荷結果。算法預測過程中只需要設置網絡的徑向基神經元(rbf)個數,不需要調整輸入權值及隱含層偏差,且正交投影能較好地消除輸入樣本特征之間的相關性,快速有效得到輸出權值向量,從而提高負荷預測精度。以我國某省電動汽車用電領域的負荷數據作為標準樣本進行仿真,仿真實驗驗證了該算法的可行性和有效性,與支持向量機(svm)和傳統rbf-elm相比,該算法的預測精度高、泛化能力強,具有廣泛的實用性。