请选择 目标期刊

基于BP神经网络的北京夏季日最大电力负荷预测方法 下载:71 浏览:221

李琛1 郭文利2 吴进3 金晨曦2 《气候变化研究》 2019年2期

摘要:
利用2006~2017年北京夏季(6~8月)逐日最大电力负荷和同期气象资料,分析最大电力负荷与各种气象因子的相关性,基于BP(BackPropagation)神经网络算法,建立了两种夏季日最大电力负荷预测模型并对比。结果表明:北京夏季周末基础负荷远小于工作日,剔除时应加以区分;气象因子对气象负荷的影响具有累积效应,累积2 d时两者的相关性最强;结合实际,根据自变量的不同分别建立了两种日最大电力负荷预测模型;经实际预测检验,两种预测模型均取得了较好的预测效果,能够满足电力部门的实际需求,其中自变量中加入前一日气象负荷的模型效果更优。

基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测 下载:86 浏览:509

李国庆 刘钊 金国彬 权然 《电网技术研究》 2020年7期

摘要:
电力系统超短期负荷预测易受到气象、假日等多种因素共同作用的影响,因此,实现其精准预测较为困难。为提高预测精度,往往需要大量的历史数据进行训练。针对历史数据较少的新建初期电力系统,提出了一种基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测方法。首先,将电力系统中电力负荷变量、气象变量等各种状态变量的延迟变量视为独立的影响因素,采用BP神经网络算法针对不同组延迟变量分别进行训练和预测,得到多个预测值。然后,采用核密度估计法拟合多个预测值形成分布的概率密度函数。最后,通过期望估计法或聚合估计法计算得出电力负荷的最终预测值。选取实际负荷数据进行算例分析,结果表明,所提方法适用于训练数据较少的超短期负荷预测,且相较于几种常规预测算法具有更高的预测精度以及较强的稳定性。

基于EEMD-GRU-MLR的短期电力负荷预测 下载:88 浏览:495

邓带雨1 李坚1 张真源1 滕予非2 黄琦1 《电网技术研究》 2020年5期

摘要:
针对电力负荷随机性较强,预测精度不高的问题,通过构建集合经验模态分解(ensembleempiricalmode decomposition,EEMD)以及门控循环单元神经网络(gated recurrent unit neural network,GRU)和多元线性回归(multiple linearregression, MLR)组合而成的EEMD-GRU-MLR(EGM)预测方法,有效提高了电力负荷短期预测精度。首先通过集合经验模态分解将电力负荷数据分解为频率由高到低的不同本征模态函数(intrinsicmodefunctions,IMF),不同频率的本征模态函数分量代表了电力负荷不同的部分特征,随后分别使用多元线性回归方法和GRU神经网络方法对低频部分和高频部分进行快速准确的预测,最后将所得各预测结果组合后得到完整的预测结果。EGM预测方法不但能够对电力负荷的变化趋势进行有效预测,而且能够准确预测随机性较强的局部特征。最后通过实验验证,该方法有效地提高了负荷预测精度。

基于MFOA-GRNN模型的年电力负荷预测 下载:79 浏览:488

李冬辉 尹海燕 郑博文 《电网技术研究》 2018年9期

摘要:
精确的年电力负荷预测为电力建设和电网运行提供可靠的指导。受多种因素的影响,年电力负荷曲线呈现出非线性特性,因此年电力负荷预测问题的解决需要建立在非线性模型的基础之上。广义回归神经网络(GRNN)已被证明在处理非线性问题上是非常有效的。该网络只有一个扩展参数,如何确定适当的扩展参数是使用GRNN进行预测的关键点。提出了一种将多种群的果蝇优化算法(MFOA)和GRNN相结合的混合年电力负荷预测模型,用以解决上述问题。其中,MFOA用作为GRNN电力负荷预测模型选择适当的扩展参数。最后通过模拟实验数据分析,MFOA-GRNN模型的年电力负荷预测平均绝对百分比误差为0.510%,均方误差为0.281。并且将其结果与差分进化的支持向量机模型(DE-SVM)、粒子群优化的GRNN模型(PSO-GRNN)、以及果蝇优化的GRNN模型(FOA-GRNN)的预测结果进行了比较。最终得出,文中所提出的MFOA-GRNN模型在年电力负荷预测中的预测性能优于上述3种模型。

基于动态RBF神经网络的广义电力负荷建模 下载:84 浏览:517

黄俊铭 朱建全 庄远灿 《电网技术研究》 2018年9期

摘要:
针对新形势下分布式电源对综合负荷特性的影响,提出一种基于动态径向基函数(radical basis function,RBF)神经网络的广义电力负荷建模新方法。利用动态RBF神经网络描述综合负荷功率的动态微分变化过程,可以深度揭示广义电力负荷的动态特性。利用状态估计误差对神经网络的权值进行动态更新,并对不满足持续性激励条件的神经元的权值进行限制,使所建立的动态RBF神经网络模型参数理论上可以收敛至最优值。分别应用仿真平台和实际系统数据进行测试,结果表明所提方法的有效性。

基于元胞负荷特性分析的RBF神经网络空间负荷预测方法 下载:79 浏览:516

肖白1 刘庆永1 牛强2 綦雪松2 王皓1 《电网技术研究》 2018年1期

摘要:
针对元胞历史负荷数据的特点,结合RBF神经网络在非线性拟合方面的优势,提出了一种基于元胞负荷特性分析的RBF神经网络空间负荷预测方法。该方法以元胞的历史负荷数据为基础,横向从元胞的年历史负荷特性入手,描述各元胞年负荷峰值段的发展趋势;纵向从元胞日最大负荷出现的时刻入手,刻画峰值时段的最大负荷数据群。在充分地考虑元胞负荷的季节特性、双峰特性和转移特性对空间负荷预测精度影响的基础上,构建出一种合理的峰值时段最大负荷数据群的双向选取模型。然后采用RBF神经网络对所选取的最大负荷数据群进行训练和预测,进而得到目标年各元胞的年最大负荷预测值。工程实例验证了该方法的实用性和有效性。

基于CNN和SVR相结合的电力负荷预测分析 下载:78 浏览:501

马煜1 黄哲洙1 钟丽波1 李然1 杨宁2 《电力技术学报》 2020年4期

摘要:
针对电力负荷预测提出了卷积神经网络和支持向量回归相结合的方法。首先将数据预处理成灰度图,作为算法输入数据;然后通过卷积神经网络进行特征提取,将电力负荷的影响因素重新混合,提取更高维的新特征;最后将新特征输入支持向量回归模型进行预测。通过试验对比,该方法实际效果良好。

基于低秩表示的多任务短期电力负荷预测的研究 下载:81 浏览:477

苏运1 卜凡鹏2 郭乃网1 田世明2 田英杰1 张琪祁1 瞿海妮1 柳劲松1 《电力研究》 2019年6期

摘要:
在电力系统负荷预测中,使用传统的单任务学习方法未考虑多个地点的负荷间的潜在关系,忽视关联信息在多个地点间传递的可能会导致学习效果欠佳。针对这一问题,本文提出基于低秩表示的多任务学习方法进行多个地点的多任务负荷预测,该方法在学习过程中可以提取不同位置的负荷预测模型的共享低维表示,从而可以挖掘多个任务之间的关联关系,同时又可以区别不同任务之间的差别。实验表明,多任务负荷预测的平均性能优于决策树和随机森林等单任务学习方法,在负荷预测的精度上有了一定的提升。

基于分布式聚类模型的电力负荷特性分析 下载:88 浏览:501

曾楠1 许元斌2 罗义旺2 刘青2 刘燕秋2 张欢2 《电力研究》 2018年1期

摘要:
电力系统的负荷模型是决定电力系统可靠性的关键要素,传统的负荷特性数据聚类算法计算复杂、运行时间长。将K-means和Canopy聚类算法有机地结合,建立一种分布式聚类模型。在此基础上,对用户整点负荷数据进行归一化处理,利用负荷规范化区间值与24个整点时间的参数关系,得到聚类中心分布。以福建省历史日负荷数据为例,验证分布式聚类模型运行的快速性。结果表明:距离阈值T2与算法运行时间成反比;簇个数越多,运行时间越长;大工业行业聚类中心分布稳定,显著性不明显,农业生产行业聚类中心分布显著性明显,为预测用户负荷特征及用电特性提供思路借鉴。

船舶及海洋工程平台电力负荷分析 下载:76 浏览:874

徐艳艳 《中国海洋学报》 2024年4期

摘要:
船舶电力负荷短期预测是船舶电力系统控制和规划的基础,其预测的精度将在很大程度上影响船舶运行的经济性和电力系统的稳定性。目前电力负荷短期预测的方法有很多,预测精度也在不断的提高。

基于改进神经网络的电力负荷短期预测方法研究 下载:159 浏览:2039

朱集锦 《神经科学研究》 2023年2期

摘要:
电力负荷预测容易受到高频、低频和超低频振荡的干扰,预测精度不高。在无线ZigBee组网协议下进行电力负荷传感器信息组网,构建电力负荷数据采集模型并对模型进行修正。根据电力负荷数据采集结果,得出高频低频振荡和超低低频干扰因素。进行神经网络样本数据训练,去除冗余数据,输出电网负荷数据集。利用神经网络分类器对得到的数据集进行分类融合,根据电力负荷数据融合结果实现电力负荷预测。仿真结果表明,采用该方法进行电力负荷预测精度高,预测过程抗干扰性好,在电力负荷实时监测和信息调度方面具有良好的应用价值。

电力负荷增长趋势下20kV电压等级配电网的合理性研究 下载:211 浏览:2333

商哲 《电力研究》 2023年6期

摘要:
在本篇文章中主要以配电网的具体工作特征为主,结合20kV配电电压以及该项电压的特征,分析和探究了20kV电压等级配电网中实际应用现状,明确了该电压的技术和经济要点。但需要注意的一方面是,20kV电压等级尚未普及,目前无法在大面积的配电网中应用20kV配电电压。基于此,需要动态性的展开分析。

浅谈电力负荷对气温的响应 下载:93 浏览:821

杨晓宇 李明妍 罗宇航 《气候变化研究》 2024年1期

摘要:
电力是社会生存和发展的重要能源,是促进经济快速发展的重要支撑和保障。电力负荷是电力系统规划设计和运行管理的重要指标之一。气象条件、季节因素、社会经济环境等都在一定程度上决定着电力负荷的变化,而气象条件的作用更是首当其冲。本文以国家气象站观测数据和伊春市电力负荷数据,通过时间序列法针对电力负荷对气温的响应作出实际分析。

建筑电气设计中的供电可靠性保障策略研究 下载:76 浏览:828

吴晓冬 《中国设计》 2024年12期

摘要:
建筑电气设计的核心在于确保供电系统的可靠性,以保障建筑功能的正常运作和居民生活的便利。本文探讨了建筑电气设计中供电可靠性保障的重要性,分析了影响供电可靠性的因素,并提出了一系列保障策略。通过综合应用这些策略,可以有效提升建筑电气设计的整体水平,确保供电系统的安全、稳定和高效运行。

智能电网中的电力负荷预测与管理策略研究 下载:231 浏览:1808

​王崴 《电网技术研究》 2023年11期

摘要:
本研究探讨了智能电网中的电力负荷预测与管理策略。我们介绍了传统负荷预测方法和基于人工智能的负荷预测方法,并讨论了负荷平衡、负荷调度和负荷控制等管理策略。此外,我们还介绍了智能电网中的电力负荷预测与管理系统的功能模块。通过本研究,我们认识到智能电网中的电力负荷预测与管理对于电力系统的高效运行和资源优化具有重要意义。未来的研究应该进一步提升预测准确性和管理效率,推动智能电网的发展和实现可持续电力系统的目标。
[1/1]
在线客服::点击联系客服
联系电话::400-188-5008
客服邮箱::service@ccnpub.com
投诉举报::feedback@ccnpub.com
人工客服

工作时间(9:00-18:00)
官方公众号

科技成果·全球共享