★电力负荷预测论文摘要范文电力负荷预测论文摘要写

电力负荷预测论文摘要范文电力负荷预测论文摘要空间电力负荷预测是电力系统规划的前提，特别是随着电力系统精益管理要求的提出，空间电力负荷预测问题成为重要的研究课题。为了充分利用该领域现有的研究结果，进行更深入的探索和有效的应用，回顾了空间电力负荷预测技术发展的历史，系统地总结了各种空间电力负荷预测方法、原理，提出了尚待解决的问题，展望了今后的研究方向。为了提高电力负荷预测精度，为了解决电力系统智能引起的数据海量化和高维虚拟化引起的单机计算资源短缺问题，提出了在线序列优化极限学习机短期电力负荷预测模型。针对电力负荷数据特性，引入了极限学习机预测算法的在线序列优化、分布式和多代理思想，提高了负荷预测算法的预测精度，利用云计算的MapReduce编程框架并行化了建议的算法模型，提高了庞大的高维数据处理能力。为了实例分析，选择了EUNITE提供的实际电力负荷数据，并在32节点云计算集群上进行了实验，结果表明，基于该模型的负荷预测精度优于传统支持向量回归预测算法和广义神经网络预测算法，并行性能优于传统支持向量回归预测算法。电力负荷数据通常随时间变化，具有一定的可变性。以时间波动引起的电力负荷范围波动为特征，采用区间时间序列估计和矢量自动回归相结合的方法预测短期电力负荷，预测结果吻合，提高电力公司对电力负荷的预测精度，为电力公司开发负荷预测曲线，制定电力负荷计划提供理论支持和有效方法。研究了电力负荷预测问题，为了准确测量电力负荷，在影响电力负荷的因素之间存在非线性和要素间冗余信息，提出了传统数学模型在电力负荷预测中的低精度，为了有效提高电力负荷的预测精度，将主成分分析(PCA)和BP神经网络相结合的电力负荷预测方法。利用PCA对电力负荷的影响因素进行了特征提取，用BP神经网络建模了通过PCA处理得到的新变量，并利用PCA-BP神经网络模型模拟了河南某地区的电力负荷。结果表明，关于基准模型，有效地消除了因素之间的冗余信息，减少了BP神经网络的输入维数，简化了网络的结构，加快了学习速度，大大提高了电力负荷预测精度，提出的预测模型在电力负荷预测中是有效的。简述了短期负荷预测的概念和意义，分析了短期负荷预测的特点和影响预测准确度的各种因素，将当前预测方法分为经典方法、传统方法、智能方法和新的预测方法。综合分析了当前各种预测方法的应用原理，详细分析和比较了各预测方法的优缺点。提高短期负荷预测的准确性不仅要重视历史数据的积累，而且要重视适当预测模型的选择，综合预测模型是未来电力负荷预测方法的发展方向。为了提高电力系统短期负荷预测的精度，提出了基于改进极限学习机(MELM)的短期电力负荷预测模型。引入结构风险最小化理论，结合最小二乘向量机回归学习方法，克服短期负荷预测中现有极限学习机(ELM)的过载问题。特定地区电力负荷预测结果表明，改进模型的泛化和预测精度优于现有ELM和OS-ELM模型，可为短期电力负荷预测提供有效依据。本文研究了海量数据中短期电力负荷预测方法，并建立了基于局部加权线性回归和云计算平台的并行局部加权线性回归模型。同时，为了消除坏数据，使用最大熵来确保历史数据的有效性，建立了坏数据分类模型。实验数据构建的甘肃智能校园。实验结果表明，提出的并行局部加权模型可用于短期电力负荷预测。平均平均均方根误差为3.01%，完全满足负荷预测的要求，大大减少了负荷预测时间，提高了预测准确度。电力系统负荷预测是电力系统规划和运行的基础是电力市场运行的重要组成部分电力市场化过程中负荷预测的准确度直接关系到各方的利益。当前负荷预测的模型很多。单个模型不能完全反映电力负荷的变化规律和信息。负荷预测组合模型成为研究的新进展。本文详细介绍了电力负荷预测的结合、电力负荷预测特性和当前电力市场经济中电力负荷预测的新挑战，以及对这些新挑战改进负荷预测模型的要求。本文介绍了影响电力负荷预测的影响因素。采用目前较为通用的电力负荷预测单模型，如电力弹性系数法、产量单位消耗法、时间序列回归法、平滑指数法、灰色预测模型等，并采用基于层次分析法(AHP)的权重系数确定方法建立电力负荷组合预测模型。另外，使用层次分析法对影响电力负荷预测的若干影响因素进行相关分析评价。电力负荷预测是电力系统规划和电网运行的重要内容、前提和基础。科学准确的电力需求预测对电力产业的健康发展乃至整个国民经济的发展具有十分重要的意义。基于1995 xx年我国人口、GDP和全社会电力使用的历史数据，基于多元线性回归分析的进行中、长期电力负荷预测、多元线性回归模型通过变量GDP和人口定量预测整个社会的电力消耗。结果表明了模型的有效性，通过电力负荷预测的滚动修正，为电力负荷控制和预测提供了科学依据。准确的短期电力负荷预测，及时可靠地区负荷供电方案，维护社会正常生产和生活，合理安排电网内部发电机组启动和机组维护计划，维护电网运行的安全稳定性，减少不必要的备用容量，降低有效的发展成本。但是，电力系统的负荷在本质上没有受到精确控制，因此预测未来负荷变化的最有效的方法是观察负荷的历史数据，并针对实际情况和现有数据找到适合实际系统的负荷预测方法。灰色预测理论作为工程实用性高的新理论，在电力负荷预测领域得到了广泛应用。但是，对于不同地区的负荷预测现状，目前还没有典型的预测模型，一般GM(1，1)灰色预测模型在数据波动较大的情况下，预测误差可能会更大，无法满足实际需要。为了提高灰色预测的准确度和应用范围，本文结合实际工程，提出了基于灰色关联段优化组合模型的改进灰色负荷预测方法：首先，针对一般GM(1，1)灰色预测模型在数据波动、突变、转折等不确定性下预测精度下降的问题，该模型基于GM(1，1)灰色预测模型在平滑上升和下降部分的预测效果良好，而日电力负荷可分为多个峰谷部分的特性，通过预测日的灰色关系分段和最佳组合，初始条件选择不当，在模型中引入错误，逐步其次，选择各种角度的原始序列，最大限度地寻找覆盖各种不确定性对模型影响的一些规律，最后，将本文提出的一