期刊文献+
共找到4,340篇文章
< 1 2 217 >
每页显示 20 50 100
电力系统负荷预测研究综述与发展方向的探讨 被引量:497
1
作者 康重庆 夏清 张伯明 《电力系统自动化》 EI CSCD 北大核心 2004年第17期1-11,共11页
负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。讨论了年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟方法,分析了负荷预测问题的各种解决方案,并指出未来的主要研究方向。根据国内电力系统负荷预测的实践和国外... 负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。讨论了年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟方法,分析了负荷预测问题的各种解决方案,并指出未来的主要研究方向。根据国内电力系统负荷预测的实践和国外的经验,对我国开展电力系统负荷预测工作提出了一些建议。 展开更多
关键词 电力系统 负荷预测 模型 参数辨识
下载PDF
电力用户侧大数据分析与并行负荷预测 被引量:269
2
作者 王德文 孙志伟 《中国电机工程学报》 EI CSCD 北大核心 2015年第3期527-537,共11页
随着智能电网、通信网络技术和传感器技术的发展,电力用户侧数据呈指数级增长、复杂程度增大,逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求,迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大... 随着智能电网、通信网络技术和传感器技术的发展,电力用户侧数据呈指数级增长、复杂程度增大,逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求,迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大数据的来源,针对电力用户侧大数据的数据量大、种类繁多与速度快等特点,指出电力用户侧的大数据在数据存储、可用性、处理等方面面临的挑战。结合云计算技术提出一种电力用户侧大数据分析处理平台,将智能电表、SCADA系统和各种传感器中采集的数据整合,并利用并行化计算模型Map Reduce与内存并行化计算框架Spark对电力用户侧的大数据进行分析。提出基于随机森林算法的并行负荷预测方法,将随机森林算法进行并行化,对历史负荷、温度、风速等数据进行并行化分析,缩短负荷预测时间和提高随机森林算法对大数据的处理能力。设计并实现基于Hadoop的电力用户侧大数据并行负荷预测原型系统,包括数据集群的管理、数据管理、预测分类算法库等功能。采用不同大小的数据集对并行化随机森林算法进行负荷预测实验,实验结果表明,并行化随机森林算法的预测精度明显高于决策树的预测精度,且在不同数据集上预测精度普遍高于决策树的预测精度,能够较好的对大数据进行分析处理。 展开更多
关键词 大数据 电力用户侧 负荷预测 并行处理 云计算
下载PDF
基于LSTM与XGBoost组合模型的超短期电力负荷预测 被引量:216
3
作者 陈振宇 刘金波 +6 位作者 李晨 季晓慧 李大鹏 黄运豪 狄方春 高兴宇 徐立中 《电网技术》 EI CSCD 北大核心 2020年第2期614-620,共7页
为进一步提高电力负荷预测精度,提出了基于LSTM(longshorttermmemorynetwork,LSTM)和XGBoost(eXtremegradientboosting)的组合预测模型。针对电力负荷数据,首先建立了LSTM预测模型和XGBoost预测模型,然后使用误差倒数法将LSTM与XGBoost... 为进一步提高电力负荷预测精度,提出了基于LSTM(longshorttermmemorynetwork,LSTM)和XGBoost(eXtremegradientboosting)的组合预测模型。针对电力负荷数据,首先建立了LSTM预测模型和XGBoost预测模型,然后使用误差倒数法将LSTM与XGBoost组合起来进行预测。采用2016年电工数学建模竞赛的电力负荷数据进行算例分析,结果表明所构建的LSTM和XGBoost组合预测模型的MAPE(mean absolute percentage error)为0.57%,明显低于单一预测模型。将上述方法与GRU(gated recurrent unit)和XGBoost两者组合的预测模型相比较,结果表明所提出的方法具有更高的超短期电力负荷预测精度。 展开更多
关键词 电力负荷 超短期 负荷预测 LSTM网络 XGBoost 组合模型
下载PDF
基于深度信念网络的短期负荷预测方法 被引量:169
4
作者 孔祥玉 郑锋 +2 位作者 鄂志君 曹旌 王鑫 《电力系统自动化》 EI CSCD 北大核心 2018年第5期133-139,共7页
电力系统信息化的发展及配电网中分布式电源和电动汽车的大量接入,增加了用电模式的复杂性,对负荷预测的精确度和稳定性提出了更高的要求。提出了一种基于深度信念网络的短期负荷预测方法。该方法包括深度信念网络的构建、模型参数的逐... 电力系统信息化的发展及配电网中分布式电源和电动汽车的大量接入,增加了用电模式的复杂性,对负荷预测的精确度和稳定性提出了更高的要求。提出了一种基于深度信念网络的短期负荷预测方法。该方法包括深度信念网络的构建、模型参数的逐层预训练和微调,以及模型的应用等步骤。在模型参数预训练过程中,采用高斯—伯努利受限玻尔兹曼机(GB-RBM)作为堆叠组成深度信念网络的第1个模块,使其能够更有效地处理对负荷有影响的多类型实值输入数据;并采用无监督训练和有监督训练相结合的部分有监督训练算法进行预训练;利用列文伯格—马夸尔特(LM)优化算法微调预训练阶段得到的网络参数,使其更快收敛于最优解。最后,以实际负荷数据进行算例分析,结果表明,在训练样本较大且负荷影响因素复杂的情况下,所提方法具有更高的预测精度。 展开更多
关键词 电力系统 负荷预测 受限玻尔兹曼机 深度信念网络 列文伯格—马夸尔特算法
下载PDF
区域综合能源系统规划研究综述 被引量:162
5
作者 程浩忠 胡枭 +2 位作者 王莉 刘育权 于琪 《电力系统自动化》 EI CSCD 北大核心 2019年第7期2-13,共12页
区域综合能源系统作为能源互联网的重要物理载体,对提高综合能源利用效率、消纳可再生能源、保障供能安全可靠及节能减排具有重要意义。对区域综合能源系统进行合理有效规划,要打破行业壁垒,从技术、政策、地域等多方面实现突破。文中... 区域综合能源系统作为能源互联网的重要物理载体,对提高综合能源利用效率、消纳可再生能源、保障供能安全可靠及节能减排具有重要意义。对区域综合能源系统进行合理有效规划,要打破行业壁垒,从技术、政策、地域等多方面实现突破。文中对区域综合能源系统规划中的多能耦合理论、负荷预测方法、技术经济性分析、规划优化建模与求解等关键问题进行了系统地总结归纳,对各问题所涉及的国内外研究现状、存在问题及难点进行了分析与概括。结合目前最新研究进展,概括了全面涵盖区域综合能源系统源、网、荷、储等环节的通用性能流模型、规划模型及求解流程,并对未来的研究方向进行了展望。 展开更多
关键词 区域综合能源系统 能源系统规划 多能耦合 负荷预测 技术经济性
下载PDF
基于多模型融合Stacking集成学习方式的负荷预测方法 被引量:158
6
作者 史佳琪 张建华 《中国电机工程学报》 EI CSCD 北大核心 2019年第14期4032-4041,共10页
人工智能及机器学习技术的快速发展,为负荷预测问题提供了崭新的解决思路。该文结合人工智能的前沿理论研究,提出一种基于多模型融合 Stacking 集成学习方式的负荷预测方法。考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势... 人工智能及机器学习技术的快速发展,为负荷预测问题提供了崭新的解决思路。该文结合人工智能的前沿理论研究,提出一种基于多模型融合 Stacking 集成学习方式的负荷预测方法。考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势,构建多个机器学习算法嵌入的 Stacking集成学习的负荷预测模型,模型的基学习器包含 XGBoost树集成算法和长短记忆网络算法。算例使用 ENTSO 中瑞士负荷数据对算法有效性进行了验证。预测结果表明,XGBoost、梯度决策树、随机森林模型能够通过自身模型的增益情况对输入数据的特征贡献度进行量化分析;Stacking中各个基学习器的学习能力越强,关联程度越低,模型预测效果越好;与传统单模型预测相比,基于多模型融合的Stacking 集成学习方式的负荷预测方法有着较高的预测精度。 展开更多
关键词 人工智能 负荷预测 多模型融合 Stacking集成学习 XGBoost 长短记忆网络
下载PDF
电力市场中基于Attention-LSTM的短期负荷预测模型 被引量:137
7
作者 彭文 王金睿 尹山青 《电网技术》 EI CSCD 北大核心 2019年第5期1745-1751,共7页
电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度。针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依... 电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度。针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依据。在此基础上,提出了基于Attention-LSTM (attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型。该模型充分利用负荷的时序特性,并采用Attention机制突出对负荷预测起到关键作用的输入特征。以澳大利亚某地区真实数据为算例,分别应用Attention-LSTM模型与其他模型进行仿真实验。结果表明,所提方法在预测精度和算法鲁棒性方面均优于其他模型。 展开更多
关键词 负荷预测 电力市场 最大信息系数 LSTM Attention机制
下载PDF
具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型 被引量:99
8
作者 牛东晓 陈志业 +1 位作者 邢棉 谢宏 《中国电机工程学报》 EI CSCD 北大核心 2002年第1期29-32,共4页
电力负荷预测是电力系统的一项重要工作 ,季节型电力负荷预测是一个难点 ,缺少相应的数量预测方法。对于具有增长和波动二重趋势性的季节型电力负荷 ,首次提出了季节型负荷预测的组合优化灰色神经网络模型 ,研究了同时考虑两种非线性趋... 电力负荷预测是电力系统的一项重要工作 ,季节型电力负荷预测是一个难点 ,缺少相应的数量预测方法。对于具有增长和波动二重趋势性的季节型电力负荷 ,首次提出了季节型负荷预测的组合优化灰色神经网络模型 ,研究了同时考虑两种非线性趋势的复杂季节型负荷预测问题 ,说明了此优基金项目 :国家自然科学基金资助项目 ( 5 0 0 770 0 7) ;国家电力公司重点学科基金资助项目 (A98B0 3)。ProjectSupportedbyNationalNaturalScienceFoundationofChina( 5 0 0 770 0 7) .化模型分别优于两种单一发展趋势负荷预测的模型。给出了电力负荷预测的应用实例 ,通过对河北电网季节最大负荷与销售电量的分析 ,建立了对应的组合优化灰色神经网络模型 ,与其它算法进行了比较 ,计算结果表明 ,该方法较大提高了季节型负荷预测的精度 ,为季节型电力负荷预测提供了一种新的、有效的方法 ,编制了季节型负荷预测的软件 。 展开更多
关键词 负荷预测 季节型负荷 组合灰色神经网络 电力系统
下载PDF
基于神经网络的负荷组合预测模型研究 被引量:101
9
作者 谢开贵 李春燕 周家启 《中国电机工程学报》 EI CSCD 北大核心 2002年第7期85-89,共5页
给出了电力系统负荷的变权系数组合预测模型,即基于神经网络的组合预测模型。该模型利用多种方法的预测结果与实际负荷数据的非线性关系,建立相应的神经网络模型。该网络为单输出的三层网络,其中输入层为各种预测方法的预测值,输出层为... 给出了电力系统负荷的变权系数组合预测模型,即基于神经网络的组合预测模型。该模型利用多种方法的预测结果与实际负荷数据的非线性关系,建立相应的神经网络模型。该网络为单输出的三层网络,其中输入层为各种预测方法的预测值,输出层为实际负荷值。文中用变动量因子和变学习率的BP算法对其训练,训练后的网络便具有预测能力。同时,文中对基于遗传算法的固定权系数组合预测模型进行了简要的介绍。对几个实际系统的年、月、时负荷预测表明,该模型具有很高的预测精度。 展开更多
关键词 神经网络 负荷组合预测 模型 电力系统
下载PDF
电力系统短期负荷预测的非线性混沌改进模型 被引量:78
10
作者 吕金虎 占勇 陆君安 《中国电机工程学报》 EI CSCD 北大核心 2000年第12期80-83,共4页
改进了文 [1]中负荷数据序列的Lyapunov指数计算方法 ,提高了Lyapunov指数的计算精度并增强了可靠性。这种建立在非线性混沌改进模型基础上的预测方法不仅对小数据组可靠 ,而且计算量小、相对容易操作。通过对华东某电网实际负荷数据进... 改进了文 [1]中负荷数据序列的Lyapunov指数计算方法 ,提高了Lyapunov指数的计算精度并增强了可靠性。这种建立在非线性混沌改进模型基础上的预测方法不仅对小数据组可靠 ,而且计算量小、相对容易操作。通过对华东某电网实际负荷数据进行的预测显示 ,精度明显优于文 [1]中的方法 ,且具有较强的自适应能力和通用性。 展开更多
关键词 电力系统 短期负荷预测 非线性混沌模型
下载PDF
短期负荷预测中选择相似日的探讨 被引量:86
11
作者 莫维仁 张伯明 +1 位作者 孙宏斌 胡子珩 《清华大学学报(自然科学版)》 EI CAS CSCD 北大核心 2004年第1期106-109,共4页
合理的选择预测相似日是提高负荷预测综合预测模型预测效果的有效途径。传统依据人工经验选择相似日并不具备最好的预测效果。为了进一步提高负荷预测准确度,该文深入研究了负荷的两个特征量,认为对预测日的负荷水平和负荷曲线形状进行... 合理的选择预测相似日是提高负荷预测综合预测模型预测效果的有效途径。传统依据人工经验选择相似日并不具备最好的预测效果。为了进一步提高负荷预测准确度,该文深入研究了负荷的两个特征量,认为对预测日的负荷水平和负荷曲线形状进行预测时,应该选取不同的相似日,即该文提出的趋势相似日和形状相似日;给出了这两种相似日的选择方案,从日特征量、日前趋势相似度以及这两者的综合3个角度阐述了选择预测日的趋势相似日的原理和方法;该文通过应用实例证实了其中一个方案有效地提高了负荷预测准确度。 展开更多
关键词 电力系统规划 负荷预测 电力市场 综合模型 相似日
原文传递
灰色Verhulst模型在中长期负荷预测中的应用 被引量:76
12
作者 张伏生 刘芳 +2 位作者 赵文彬 孙自安 蒋光英 《电网技术》 EI CSCD 北大核心 2003年第5期37-39,81,共4页
灰色系统预测模型用于中长期负荷预测是一种有效的方法。但是,当负荷按照“S”型曲线增长或增长处于饱和阶段时,采用灰色模型进行负荷预测的误差较大,预测精度不能满足实际要求。将灰色Verhulst模型引入到负荷预测中,可以很好地解决这... 灰色系统预测模型用于中长期负荷预测是一种有效的方法。但是,当负荷按照“S”型曲线增长或增长处于饱和阶段时,采用灰色模型进行负荷预测的误差较大,预测精度不能满足实际要求。将灰色Verhulst模型引入到负荷预测中,可以很好地解决这个问题。作者通过典型的实例介绍了灰色Verhulst 模型在中长期负荷预测中的应用。结果表明,此模型在负荷预测中是适用的,尤其对于负荷按“S型曲线增长的情况,不但具有较高的预测精度,同时保留了灰色预测方法的优势和特点。 展开更多
关键词 电力系统 电网 灰色系统 中长期负荷预测 灰色VERHULST模型 应用
下载PDF
基于长短期记忆的实时电价条件下智能电网短期负荷预测 被引量:101
13
作者 李鹏 何帅 +3 位作者 韩鹏飞 郑苗苗 黄敏 孙健 《电网技术》 EI CSCD 北大核心 2018年第12期4045-4052,共8页
在电力市场改革与智能电网建设的大背景下,电力将逐渐回归商品属性,电价也将实时波动,并对负荷产生影响。通过分析得出电价与负荷具有相关性,因此在预测模型中考虑了实时电价的影响,并对考虑实时电价的负荷预测模型与价格型需求侧响应... 在电力市场改革与智能电网建设的大背景下,电力将逐渐回归商品属性,电价也将实时波动,并对负荷产生影响。通过分析得出电价与负荷具有相关性,因此在预测模型中考虑了实时电价的影响,并对考虑实时电价的负荷预测模型与价格型需求侧响应之间的关系进行了讨论。针对前馈型神经网络不能处理序列间关联信息与传统循环神经网络无法记忆久远关键信息的缺陷,提出了基于长短期记忆循环神经网络的负荷预测模型,使用自适应矩估计算法进行深度学习。最后通过美国某地区的实际负荷和电价数据,验证了所提模型具有更高的预测精度。 展开更多
关键词 负荷预测 长短期记忆 实时电价 需求侧响应 深度学习
下载PDF
基于RBF神经网络分位数回归的电力负荷概率密度预测方法 被引量:100
14
作者 何耀耀 许启发 +1 位作者 杨善林 余本功 《中国电机工程学报》 EI CSCD 北大核心 2013年第1期93-98,共6页
针对电力系统短期负荷预测问题,在现有的组合预测和概率性区间预测的基础上,提出了基于RBF神经网络分位数回归的概率密度预测方法,得出未来一天中任意时期负荷的概率密度函数,可以得到比点预测和区间预测更多的有用信息,实现了对未来负... 针对电力系统短期负荷预测问题,在现有的组合预测和概率性区间预测的基础上,提出了基于RBF神经网络分位数回归的概率密度预测方法,得出未来一天中任意时期负荷的概率密度函数,可以得到比点预测和区间预测更多的有用信息,实现了对未来负荷完整概率分布的预测。中国某市实际数据的预测结果表明,提出的概率密度预测方法不仅能得出较为精确的点预测结果,而且能够获得短期负荷完整的概率密度函数预测结果。 展开更多
关键词 负荷预测 径向基函数 神经网络 分位数回归 概率密度函数
下载PDF
基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法 被引量:95
15
作者 苏学能 刘天琪 +4 位作者 曹鸿谦 焦慧明 于亚光 何川 沈骥 《中国电机工程学报》 EI CSCD 北大核心 2017年第17期4966-4973,共8页
随着智能电网、通信网络技术和传感器技术的发展,电力负荷数据规模呈现指数形式增长、且复杂程度增大,逐步构成了电力负荷大数据,传统负荷预测方法已无法满足海量负荷大数据分析的要求。提出一种基于Hadoop架构的多重分布式BP神经网络... 随着智能电网、通信网络技术和传感器技术的发展,电力负荷数据规模呈现指数形式增长、且复杂程度增大,逐步构成了电力负荷大数据,传统负荷预测方法已无法满足海量负荷大数据分析的要求。提出一种基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法。该方法首先在从BP神经网络原理层对其输入信号的正向传递、误差信号的反向传播过程予以剖析的基础上,研究并建立基于Hadoop架构中Map Reduce框架的BP神经网络负荷分布式预测模型;其次,为弱化其"过拟合"问题,在引入"多重"概念的基础上,提出基于灰色关联度和最短距离法聚类的方式择取多重分布式BP神经网络预测模型初始重数和成员集的方法,并定义衡量聚类优劣的有效指标,以确定合理重数。实验结果表明,多重分布式BP神经网络预测方法相比传统BP神经网络,预测精度更高。 展开更多
关键词 负荷预测 Hadoop架构 分布式计算 BP神经网络 灰色关联度
下载PDF
基于多变量相空间重构和卡尔曼滤波的冷热电联供系统负荷预测方法 被引量:92
16
作者 赵峰 孙波 张承慧 《中国电机工程学报》 EI CSCD 北大核心 2016年第2期399-406,共8页
文中设计一种新型的基于多变量相空间重构和卡尔曼滤波的冷热电联供系统负荷预测方法。首先选择冷热电负荷及与负荷密切相关的天气因素的历史时间序列组成多变量时间序列,然后运用混沌理论和C-C方法重构多变量相空间,最后建立多变量相... 文中设计一种新型的基于多变量相空间重构和卡尔曼滤波的冷热电联供系统负荷预测方法。首先选择冷热电负荷及与负荷密切相关的天气因素的历史时间序列组成多变量时间序列,然后运用混沌理论和C-C方法重构多变量相空间,最后建立多变量相空间的自回归模型并采用卡尔曼滤波方法预测冷热电负荷。以中国北方某医院冷热电联供系统的8月份历史负荷数据和天气数据验证该冷热电负荷预测方法。结果表明,与采用单变量相空间重构和卡尔曼滤波预测方法相比,文中设计的负荷预测方法充分考虑冷热电负荷中多个变量的相互耦合关系,可有效提高负荷的预测精度。算例分析验证了该冷热电负荷预测方法的可行性和有效性。 展开更多
关键词 能源互联网 冷热电联供系统 负荷预测 多变量相空间重构 卡尔曼滤波
下载PDF
实现影响因素多源异构融合的短期负荷预测支持向量机算法 被引量:91
17
作者 吴倩红 高军 +3 位作者 侯广松 韩蓓 汪可友 李国杰 《电力系统自动化》 EI CSCD 北大核心 2016年第15期67-72,92,共7页
针对智能电网大数据环境下,导致电力系统负荷波动的诸多因素存在多源异构性的问题,利用多核函数来对其多源异构特性进行差异化处理和融合,能够描述影响因素的内在分布特性并应对其变化,提高负荷预测精度。选取历史负荷、气温、气压、相... 针对智能电网大数据环境下,导致电力系统负荷波动的诸多因素存在多源异构性的问题,利用多核函数来对其多源异构特性进行差异化处理和融合,能够描述影响因素的内在分布特性并应对其变化,提高负荷预测精度。选取历史负荷、气温、气压、相对湿度、降雨量、风向、风速、节假日及电价9个属性作为多源异构影响因素,利用样本特征分布法、单变量法及核矩阵秩空间差异法来选择多核函数的构成,采用双层多核学习算法,建立了并行化多核支持向量机(SVM)负荷预测算法流程,并在Hadoop集群上进行了仿真验证。仿真结果表明,多核SVM比单核SVM预测平均相对误差小,双层多核学习、基于lp范数的多核SVM模型预测精度最高。因此,多核SVM能有效处理负荷预测中的多源异构数据,经并行化处理后,能提高负荷预测的速度与精度。 展开更多
关键词 大数据 多源异构特性 支持向量机(SVM) 负荷预测 并行化
下载PDF
电动汽车充放电负荷预测研究综述 被引量:91
18
作者 陈丽丹 张尧 Antonio FIGUEIREDO 《电力系统自动化》 EI CSCD 北大核心 2019年第10期177-197,共21页
随着电动汽车的持续推广以及充电设施的建设和逐步普及,电动汽车将得到越来越多的应用,而电动汽车充电负荷时空分布预测是分析电动汽车接入电网相关研究的基础。首先,分别从车辆性能、充电设施、用户行为习惯等微观层面,以及政策、环境... 随着电动汽车的持续推广以及充电设施的建设和逐步普及,电动汽车将得到越来越多的应用,而电动汽车充电负荷时空分布预测是分析电动汽车接入电网相关研究的基础。首先,分别从车辆性能、充电设施、用户行为习惯等微观层面,以及政策、环境、市场经济等宏观层面总结影响电动汽车充电负荷的关键因素;其次,对电动汽车充电负荷时间分布、空间分布预测方法的发展进行了系统阐述,分析了用户行为不确定性处理技术,同时概括了现有研究中一些新技术的应用情况,并针对电动汽车参与放电潜力评估的研究现状进行了介绍;最后,总结了现有研究方法中存在的不足和改进方向。 展开更多
关键词 电动汽车 负荷预测 影响因素 时空分布 充放电 需求响应
下载PDF
基于经验模态分解与特征相关分析的短期负荷预测方法 被引量:90
19
作者 孔祥玉 李闯 +2 位作者 郑锋 于力 马溪原 《电力系统自动化》 EI CSCD 北大核心 2019年第5期46-56,共11页
提出了一种基于经验模态分解与特征相关分析的短期负荷预测新方法。该方法从分解负荷序列入手,采用经验模态分解将原始负荷时间序列分解成不同频率的本征模函数(IMF)分量和残差分量,以弱化复杂影响因素环境下原始序列的波动性,获取更具... 提出了一种基于经验模态分解与特征相关分析的短期负荷预测新方法。该方法从分解负荷序列入手,采用经验模态分解将原始负荷时间序列分解成不同频率的本征模函数(IMF)分量和残差分量,以弱化复杂影响因素环境下原始序列的波动性,获取更具规律性的分量。然后运用最小冗余度最大相关性标准(mRMR)技术分析各IMF分量和日类型、天气、电价等特征信息之间的相关性,获得最佳特征集。最后采用基于智能算法的最小二乘支持向量机(LSSVM)负荷预测模型对各经验模态分量进行预测,并将各分量预测结果叠加得到最终负荷预测值。以某电网实际数据进行算例分析,结果表明所提出的组合模型能够更准确地对外部因素敏感的短期负荷进行预测。 展开更多
关键词 负荷预测 经验模态分解 智能算法 最小冗余度最大相关性
下载PDF
基于偏最小二乘回归分析的短期负荷预测 被引量:62
20
作者 张伏生 汪鸿 +3 位作者 韩悌 孙晓强 张振宇 曹进 《电网技术》 EI CSCD 北大核心 2003年第3期36-40,共5页
对偏最小二乘回归分析在电力系统短期负荷预测中的应用进行了研究。该方法可有效地进行数据准备和样本预处理,并可以对输入因素进行成分提取。提取出的成分具有线性无关的特点,对日负荷有较好的解释能力,且利于建模和预测。此方法另一... 对偏最小二乘回归分析在电力系统短期负荷预测中的应用进行了研究。该方法可有效地进行数据准备和样本预处理,并可以对输入因素进行成分提取。提取出的成分具有线性无关的特点,对日负荷有较好的解释能力,且利于建模和预测。此方法另一特点是可以消除输入因素的多重共线性,不需要大量样本作为输入。算例表明,该方法用于短期负荷预测建模速度快、预测精度高,是一种行之有效的方法。 展开更多
关键词 偏最小二乘回归分析 短期负荷预测 电力系统 人工神经网络 建模
下载PDF
上一页 1 2 217 下一页 到第
使用帮助 返回顶部