基于大数据的电能预测系统设计

1

作者 张卓逸 叶宇成 《通信电源技术》 2024年第18期97-99,共3页

随着能源需求的不断增长和智能电网的发展,准确预测电能需求成为提高能源效率和电网稳定性的关键。文章设计了一种基于大数据的电能预测系统,包括电能消耗模式分析,短期、长期电能预测与异常数据预警等软件功能模块,结合相应的硬件支持... 随着能源需求的不断增长和智能电网的发展,准确预测电能需求成为提高能源效率和电网稳定性的关键。文章设计了一种基于大数据的电能预测系统,包括电能消耗模式分析,短期、长期电能预测与异常数据预警等软件功能模块,结合相应的硬件支持模块,实现对电能消耗模式的深入理解和精准预测。通过功能和性能测试,验证了系统的有效性和可靠性。 展开更多

关键词 大数据 电能预测 智能电网 数据分析 预测算法

下载PDF 职称材料

光伏发电机金属电磁感应输出电能预测仿真

2

作者 张菁 陈晓英 张杰然 《世界有色金属》 2016年第1期95-96,共2页

光伏发电机的输出电能预测是进行电机性能分析和控制的重要指标。提出一种基于自适应电磁感应反馈预估的光伏发电机金属电磁感应输出电能预测算法。分析了光伏电机的系统结构和约束参量指标,建立光伏电机发电的电磁感应等效电路,在此基... 光伏发电机的输出电能预测是进行电机性能分析和控制的重要指标。提出一种基于自适应电磁感应反馈预估的光伏发电机金属电磁感应输出电能预测算法。分析了光伏电机的系统结构和约束参量指标,建立光伏电机发电的电磁感应等效电路,在此基础上,采用自适应电磁感应反馈预估,实现电能预测算法改进。实验结果表明,该电能输出预测模型的精度较高,性能较好。 展开更多

关键词 光伏发电机 金属电磁感应 电能预测

下载PDF 职称材料

基于物联网制造企业电能综合监控系统 被引量：4

3

作者 颜瑾 张乃禄 +2 位作者 张钰哲 杨妮 黄伟 《现代电子技术》 北大核心 2016年第16期159-162,共4页

能源监控是制造企业实施生产精益化与智能制造的重要内容。针对稀有金属加工制造企业生产与装备特点,研究基于物联网的企业电能综合监控系统,提出系统物联网架构和系统软件构成,采用电能计量表、智能网关与网络摄像机进行电能数据和状... 能源监控是制造企业实施生产精益化与智能制造的重要内容。针对稀有金属加工制造企业生产与装备特点,研究基于物联网的企业电能综合监控系统,提出系统物联网架构和系统软件构成,采用电能计量表、智能网关与网络摄像机进行电能数据和状态信息采集,以太网、光纤环网组成传输网络;运用BP神经网络构建电能预测模型,设计ADO组件进行数据交换与处理。该系统实现了制造企业电能计量与统计分析、电能预测平衡监控、用电负荷与节能优化运行,提高企业电能有效利用和能源综合监控水平,具有典型的应用价值。 展开更多

关键词 制造企业 物联网 电能监控 电能预测模型

下载PDF 职称材料

带剩余电量预测的工业蓄电池双向充电控制器

4

作者 李国杰 陈德传 《杭州电子科技大学学报（自然科学版）》 2012年第5期265-268,共4页

该文针对目前工业蓄电池充电器不能回收电动机负载制动能量、及不能预测对蓄电池剩余电量的问题,设计了一种可回收电机制动能量的新型双向充电控制器,该控制器通过判断母线电压来选择相应的充电方向。充电控制采用电压环为外环电流环为... 该文针对目前工业蓄电池充电器不能回收电动机负载制动能量、及不能预测对蓄电池剩余电量的问题,设计了一种可回收电机制动能量的新型双向充电控制器,该控制器通过判断母线电压来选择相应的充电方向。充电控制采用电压环为外环电流环为内环的双闭环系统,可有效地防止过充欠充且具有较快的充电速度,还介绍了一种改进型剩余电量在线预测算法,仿真验证了该方案的可行性。最后给出了以嵌入式微控制器为核心的技术实现方案。 展开更多

关键词 蓄电池 双向充电 剩余电能预测 充放电控制

下载PDF 职称材料

基于大数据分析的电能损耗预测模型的仿真分析 被引量：11

5

作者 张明明 《现代电子技术》 北大核心 2016年第6期153-156,共4页

对电能损耗进行预测的过程中,传统的预测方法,由于影响电能损耗的因素之间具有非常复杂的非线性与强相关性,导致很难得到高精度的预测结果。提出一种基于大数据分析的电能损耗预测模型,建立电能损耗预测单元模型,分析发电器模型、变电... 对电能损耗进行预测的过程中,传统的预测方法,由于影响电能损耗的因素之间具有非常复杂的非线性与强相关性,导致很难得到高精度的预测结果。提出一种基于大数据分析的电能损耗预测模型,建立电能损耗预测单元模型,分析发电器模型、变电器模型和输电器模型建立的过程,引入灰色综合关联度对大数据进行分析,对各个组成区域序列累加得到整体区域电能损耗情况,并进行微分处理,通过GM(1,1)的转换实现对整体电能损耗预测模型的构建。仿真实验结果表明,所提模型具有较高的预测精度,能够很好地避免非线性因素对模型的干扰,为电力企业制定合理的电能损耗计划提供可靠依据。 展开更多

关键词 大数据分析 电能损耗预测 灰度关联 仿真实验

下载PDF 职称材料

基于Shapley组合模型及神经网络的电能表需求预测研究 被引量：8

6

作者 李翀 申洪涛 +3 位作者 刘建华 吴一敌 孙晓腾 张英 《电测与仪表》 北大核心 2021年第9期187-193,共7页

针对电能表需求预测问题,建立基于Shapley组合模型及神经网络的电能表合理优化分配模型,以提升需求预测精度。文章通过挖掘历史数据,采用Holt-Winters、BP神经网络和RBF神经网络模型对电能表需求分别进行预测、对比和分析,并且引入Shap... 针对电能表需求预测问题,建立基于Shapley组合模型及神经网络的电能表合理优化分配模型,以提升需求预测精度。文章通过挖掘历史数据,采用Holt-Winters、BP神经网络和RBF神经网络模型对电能表需求分别进行预测、对比和分析,并且引入Shapley法对三类预测模型进行组合建模,求取相应模型的权重,获取最优的生产调度方案。仿真实验结果表明,RBF神经网络模型预测精度要高于BP神经网络和Holt-Winters模型。相较于单一模型,Shapley法组合模型具有更好的效果和实用性,有助于国家电网公司建立高效、科学的生产调度计划。 展开更多

关键词 Shapley组合模型 RBF神经网络 BP神经网络 Holt-Winters模型 电能表预测

下载PDF 职称材料

基于贝叶斯网络的现货市场化交易用户电能量预测

7

作者 张霞 胡学强 谢瑞恒 《自动化技术与应用》 2024年第1期153-156,共4页

为提升电能量预测准确性,研究基于贝叶斯网络的现货市场化交易用户电能量预测方法。利用主成分分析降维处理用户电能量数据;以余弦相似度为降维后数据聚类的形态度量相似判据,建立用户电能量特征库;利用评分搜索与期望最大化算法确定贝... 为提升电能量预测准确性,研究基于贝叶斯网络的现货市场化交易用户电能量预测方法。利用主成分分析降维处理用户电能量数据;以余弦相似度为降维后数据聚类的形态度量相似判据,建立用户电能量特征库;利用评分搜索与期望最大化算法确定贝叶斯网络结构与学习网络参数,建立贝叶斯网络模型,在该模型内输入特征库内的数据,输出电能量预测结果。实验证明:该方法可精准聚类用户电能量数据曲线,精准预测用户电能量;该方法网络参数学习时的相对熵距离较小,具备较优的网络参数学习效果。 展开更多

关键词 贝叶斯网络 现货市场 交易用户 电能量预测 主成分分析 评分搜索

下载PDF 职称材料

GM(1,1)-MEA-BP组合模型电能消耗预测及应用 被引量：2

8

作者 钞寅康 龚立雄 +1 位作者 黄霄 陈佳霖 《重庆理工大学学报（自然科学）》 北大核心 2023年第7期306-314,共9页

为解决传统单一模型泛化能力弱、预测精度低等问题,提出一种GM(1,1)灰色模型和MEA-BP神经网络的组合预测模型,解决了GM(1,1)预测模型对能耗的预测受时间因素影响随机波动大及预测精度较低等问题,融合MEA-BP神经网络并行计算、强容错力... 为解决传统单一模型泛化能力弱、预测精度低等问题,提出一种GM(1,1)灰色模型和MEA-BP神经网络的组合预测模型,解决了GM(1,1)预测模型对能耗的预测受时间因素影响随机波动大及预测精度较低等问题,融合MEA-BP神经网络并行计算、强容错力以及分布式信息存储等优势,减少了因数据波动而影响预测结果精度的情况,解决了误差无法反馈调整等问题。选取1985—2020年全国电能消耗总量为建模数据,与线性回归、三指数平滑、GM(1,1)、BP神经网络、MEA-BP神经网络等模型的预测结果进行分析比较。结果表明:GM(1,1)-MEA-BP组合模型相较于其他模型,预测精度最高,误差值最小,MAPE值达到0.0065,RMSE值达到977.9961。通过实例证明了GM(1,1)-MEA-BP组合模型对电能消耗量预测具备较高的精度,可为国家在能源方面宏观智能调度提供依据。 展开更多

关键词 灰色模型 MEA-BP神经网络 电能消耗预测

下载PDF 职称材料

基于内核时变回归模型的电能预测分析与研究

9

作者 田野 王大鹏 +1 位作者 刘荣权 钟佳晨 《现代电子技术》 2023年第24期109-114,共6页

为实现“双碳”发展目标和满足新型电力系统应用需求,亟需对用电进行精准预测。为了应对周期长、变化幅度大的数据,将KTR模型应用于电能负荷预测的实际场景中。该模型在时变系数回归的方法上进行改进,能够应对较长的时间序列,避免出现... 为实现“双碳”发展目标和满足新型电力系统应用需求,亟需对用电进行精准预测。为了应对周期长、变化幅度大的数据,将KTR模型应用于电能负荷预测的实际场景中。该模型在时变系数回归的方法上进行改进,能够应对较长的时间序列,避免出现过拟合的情况;以及根据不同数据变化情况自适应地使用不同的核函数,保证模型学习与数据特征匹配。实验结果表明,使用通过最佳参数构建的KTR模型进行预测,其总体的电能负荷数据预测值和原始值的SMAPE为8.46%。此外,将文中方法与Prophet和SARIMA模型预测结果进行了对比,结果表明,文中方法的预测精度比另外两种模型分别高2.57%和9.23%,验证了该方法电能预测的准确性。 展开更多

关键词 内核时变回归模型(KTR) 电能负荷预测 核回归模型 贝叶斯时变系数模型 时间序列预测 贝叶斯框架

下载PDF 职称材料

基于DeepAR神经网络时间序列模型的电能消耗预测 被引量：2

10

作者 邱禧荷 茹亚军 +1 位作者 陈斌 郭韵 《江苏大学学报（自然科学版）》 CAS 北大核心 2022年第5期599-603,共5页

为实现对电能消耗进行准确预测,基于美国PJM公司数据集,采用基于深度自回归循环网络(deep autoregressive recurrent networks,Deep AR)时间序列模型,对Commonwealth Edison公司未来某12 h区间电能消耗进行预测.该模型基于长短期记忆网... 为实现对电能消耗进行准确预测,基于美国PJM公司数据集,采用基于深度自回归循环网络(deep autoregressive recurrent networks,Deep AR)时间序列模型,对Commonwealth Edison公司未来某12 h区间电能消耗进行预测.该模型基于长短期记忆网络(long short term memory network,LSTM)得到数据的分布参数,最后在高斯分布中进行采样,从而得到预测值.采用平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为预测短期电能消耗评价指标,并与差分整合移动平均自回归模型(autoregressive integrated moving average,ARIMA)算法模型和Prophet算法模型进行比较.结果表明:Deep AR算法模型的MAE、RMSE和MAPE分别为1070.01、1279.31和6.12%,预测准确率较高;该算法不仅能够预测未来一段时间的电能消耗,还能预测其概率分布,进一步刻画事件发生的全局性. 展开更多

关键词 时间序列模型 电能消耗预测 长短期记忆网络 Deep AR 概率分布

下载PDF 职称材料

基于Holt-Winters和LSTM的组合模型在电能表需求预测中的应用 被引量：3

11

作者 程诗尧 武赫 《中国设备工程》 2020年第15期207-209,共3页

针对省级计量中心物资需求量大且人工审批的方式对需求提报的合理性缺少科学判断的情况,提出构建组合模型对电能表的需求量进行预测,辅助计量中心订单需求的合理性研判和智能推荐。本文首先介绍加法的Holt-Winters预测模型和LSTM循环神... 针对省级计量中心物资需求量大且人工审批的方式对需求提报的合理性缺少科学判断的情况,提出构建组合模型对电能表的需求量进行预测,辅助计量中心订单需求的合理性研判和智能推荐。本文首先介绍加法的Holt-Winters预测模型和LSTM循环神经网络预测模型的组合策略,然后,分别利用两个模型通过最小残差平方和误差反向传播的方法对2015-2017年历史数据进行拟合,计算出最优参数并通过组合策略得出最佳权重,最后,利用最终组合模型对2018年数据进行预测并与实际值进行对比,验证该模型的有效性。 展开更多

关键词 电能表需求预测 Holt-Winters模型 指数平滑 LSTM 组合模型

下载PDF 职称材料

基于深度学习的电能能耗预测研究

12

作者 雷俊 吴婷 《产业与科技论坛》 2022年第20期44-46,共3页

针对传统电能消耗预测方法无法学习长序列数据的特征导致预测精度低的问题,本文采用一种基于transformer的长序列预测(LSTF)模型进行电能能耗预测,使用基于Keras和Pytorch的框架进行神经网络的搭建,同时应用自适应矩估计算法(Adam)更新... 针对传统电能消耗预测方法无法学习长序列数据的特征导致预测精度低的问题,本文采用一种基于transformer的长序列预测(LSTF)模型进行电能能耗预测,使用基于Keras和Pytorch的框架进行神经网络的搭建,同时应用自适应矩估计算法(Adam)更新和优化模型的权重参数;然后,将informer神经网络方法与其他三种网络方法(RNN,LSTM,LSTM+attention)进行比较。实验使用2005年至2018年美国Duquesne Light公司的电能能耗数据,结果的评价指标选用均方误差、均方根误差和R方值。实验结果表明:本文使用的informer模型的各方面指标均优于其他三个模型,显示了该模型在电能能耗预测上的有效性。 展开更多

关键词 电能能耗预测 时间序列预测 informer模型 神经网

下载PDF 职称材料

Holt-Winters模型在电能表需求预测中的应用 被引量：2

13

作者 李兵 李翀 +2 位作者 吴一敌 张颖琦 文雅 《河北电力技术》 2019年第5期7-9,共3页

电能表需求量的预测直接影响计量中心采购、检定和配送等计划的制定以及库存的有效利用。介绍基于加法的Holt-Winters预测模型原理,利用该模型对2013—2015年历史数据进行拟合,通过最小残差平方和计算出最优平滑系,对2016年数据进行预... 电能表需求量的预测直接影响计量中心采购、检定和配送等计划的制定以及库存的有效利用。介绍基于加法的Holt-Winters预测模型原理,利用该模型对2013—2015年历史数据进行拟合,通过最小残差平方和计算出最优平滑系,对2016年数据进行预测并实际值进行对比,验证了该模型的有效性。 展开更多

关键词 电能表需求预测 Holt-Winters模型 指数平滑

下载PDF 职称材料

基于粒计算的模糊神经建模方法在电能输出预测中的应用 被引量：1

14

作者 孙文越 张建华 王如彬 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2015年第4期529-537,共9页

准确地预测电厂的电能输出可以节约成本从而获得最大利润,因此建立一个模型来预测电厂的满载电功率输出是非常重要的。粒计算(Granular Computing,GrC)是一种新型的数据挖掘方法,它将具有类似特性的对象组合在一起,通过选择合适的粒度... 准确地预测电厂的电能输出可以节约成本从而获得最大利润,因此建立一个模型来预测电厂的满载电功率输出是非常重要的。粒计算(Granular Computing,GrC)是一种新型的数据挖掘方法,它将具有类似特性的对象组合在一起,通过选择合适的粒度提取核心信息,减少冗余,降低问题求解的复杂度。本文使用GrC方法,从复杂多维数据集中以信息粒的形式建立初始的模糊推理系统,再通过模糊神经网络学习方法对系统参数进行优化。这种基于GrC的模糊神经(Granular Computing based Neuro-Fuzzy,GrC-NF)建模方法,不仅可以降低问题求解的复杂度,而且可以保持模糊逻辑系统的可解释性,将其与模糊神经网络的结合又提高了建模精度。本文将该方法用于建立电功率输出的预测模型,通过其预测精度的比较表明了该方法的优越性。 展开更多

关键词 电能输出预测 粒计算 模糊推理系统 模糊神经网络

下载PDF 职称材料