短期负荷预测

短期负荷预测Tag内容描述：<p>1、分类号UDC密级学号 04210566移够多譬z嵌￥硕士学位论文基于数据挖掘技术的电力系统短期负荷预测学科名称：学科门类：指导教师：薛美娟皇直丕笙壁基旦塾些工 学姚李孝教授摘要论文题目：基于数据挖掘技术的电力系统短期负荷预测学科专业：电力系统及其自动化研究生：薛美娟 签名：指导教师：姚李孝教授 签名：摘 要电力系统短期负荷预测是电力系统调度运营部门的一项重要的日常工作，预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量，其特点是：要预测的数据个数多、采集到的样本数据含一定的噪声、受诸多气象因素的影响。</p><p>2、基 于 日 周 期 多 点 外 推 法 的 超 短 期 负 荷 预 测 及 其 误 差 分 析 周劼英 !张伯明!尚金成“!姚 佳 “!程 满 “ “!#清华大学 电机工程与应用电子技术系!北京!$% !“( 025后的负荷“ 由于预测周期短“因此它更关注负荷的变化趋势“而 不是负荷水平# 目前“使用较多的是周期外推法$!( ;7*7电网技术!+;?!*,#:$(!+#!:7 A-B C.;?!,#:$(!+#!:7 ;?!+7 5*.1! )!-.)*2 63)$.*7$ ;?!+7 中国电力!,:!:?#:$(U+#U7 G %666 2.)*2! .72!3 -.*, .)* ?! ?37$!.72-666 0*!2-“ 2 #*$(*“!9*?,7 !责任编辑! 柏英武$ 表+ *,:年平均准确率统计 (7+ 8.。</p><p>3、一种基于小波神经元网络的短期负荷预测方法摘 要：小波神经元网络比多层前馈神经网络具有更多自由度和更好的适应性。为更好地反映气象因素对负荷的影响及提高负荷预测的精度，文章选用Morlet小波构建小波神经元网络，采用误差反传学习算法来训练网络，采用自学习隶属度分析聚类的新方法选择训练样本。并应用武汉电网近年的负荷数据和气象资料进行了建模和预测，预测结果表明所建立的小波神经元网络预测模型具有较好的收敛性，采用自学习隶属度分析聚类方法选择训练样本能改善预测精度。关键字：小波神经元网络隶属度短期负荷预测电力系统1。</p><p>4、电力工程信号处理仿真基于遗传BP神经网络算法的电力负荷预测院 系：能源与动力工程学院专 业：电力系统及其自动化指导老师王瑞霞老师学 号：115108000887姓 名：于杏日 期：2016.01.171引言在本节门课的作业中，我的综述内容是电力负荷预测算法的分析比较，所以在仿真作业中选择的是用在其中一种算法改进的基础上，来完成短期负荷预测的仿真任务，即用改进的BP神经网络算法实现电力负荷预测。2 BP遗传算法的改进1）标准BP遗传算法的不足:1）学习步长采用确定值且足够小。但是小的步长会使学习过程很慢，大的步长又容易导致学习过程震荡，。</p><p>5、双击此处修改或者删除页眉页脚信息 精品资源，临风文档。http:/www.docin.com/afeiz短期负荷预测典型经验专业名称： 短期负荷预测 日期： 2006年3月填报单位： 龙南供电公司摘要 短期负荷预测工作是制订发供电计划和做好电网供需平衡的依据，是保证电网安全、经济运行的必要条件，也是电力市场运行的基础。在电力体制改革不断深入的新形式下，供电单位应通过开展电力市场研究，深入分析电网负荷特性和变化规律，逐步采用新技术、新方法，不断提高电网负荷预测工作的水平。一、专业管理的目标描述2006年我公司完成日负荷预测准确率98.55，。</p><p>6、第 3 9卷 第 3期 2 0 1 6年 6月 四 川 电 力 技 术 S i c h u a n El e c t r i c Po we r Te c h n o l o g y Vo 1 3 9， No 3 J u n 。 2 0 1 6 基于短期负荷预测含分布式发 电配电网状态估计 黎津池 ( 西南交通大学电气工程学院， 四川 成都6 1 0 0 3 1 ) 摘要 ： 提出一种基于短期负荷预测的含分布式发电( d i s t ri b u t e d g e n e r a t i o n s ，D G) 的配电网状态估计( d i s t ri b u t i o n s t a t e e s t i ma t i o n ， D S E ) 方法。先采用基 于粒子群优化 的最小二乘 支持 向量机方 法实现 电力 系统短期 负荷预。</p><p>7、短期电力负荷预测模型的建立与应用 李永斌 上海电力学院，上海2 0 0 0 9 0 摘要：研究短期电力负荷问题。电力负荷影响因子多，且含有噪音信息，传统短期电力负荷预测方法难以对其进行准确的预 测，导致电力负荷精度低。为了提高短期电力负荷预测精度，提出了K P C A - B P N N 的短期电力负荷预测模型。模型对电力 负荷影响因素进行分析，并利用K P C A 提取其主元特征分量，然后利用B P N N 进行建模预测，最后对湖南某城市的短期电力 负荷进行预测。 仿真表明，K P C A - B P N N 不仅加快了电力短期负荷预测预测速度，同时提高了电力短。</p><p>8、第3 l 卷第4 期计算机仿真 2 0 1 4 年4 月 文章编号：1 0 0 6 9 3 4 8 ( 2 0 1 4 ) 0 4 0 1 3 7 0 5 基于极限学习机的短期电力负荷预测 王伟，杨辉华，刘振丙，李灵巧 ( 桂林电子科技大学广西信息科学实验中心，广西桂林5 4 1 0 0 4 ) 摘要：研究电力负荷预测准确性问题，由于电力负荷与天气、经济、假期等多种因素密切相关，变化规律具有周期性和随机 性，传统方法无法描述其变化规律，导致电力负荷预测精度低。为了提高电力负荷预测精度，提出一种基于时间序列编码的 相似日选择和极限学习机( E L M ) 相结合的电力负荷预测方法。基于时。</p><p>9、第2 6卷 2 0 0 6年第6期 湖 南 电 力 研究与试验 体感温度滚动预报系统 及在湖南电网短期负荷预测中的应用 成 涛 ( 湖南电力调度通信 中心 ，湖南 长沙 4 1 0 0 0 7 ) 摘 要：对影响局部地 区气温变化的l O多个因子作 了较为详尽的分析研 究， 通过对 湖南 不同地理位置有代表性的气象观测资料的分析对比，找 出了湖南不同地点的主要 温敏 因 子 ， 最终建立了湖南1 4个地市的4 8 h气温及体感温度滚动预报 系统， 其产品可及 时输入 湖南电力短期 负荷预测 系统，对提 高预测准确率起到重要作用。 关键词 ：逐时气温；电力负荷 ；滚动预报。</p>