期刊文献+
共找到1,199篇文章
< 1 2 60 >
每页显示 20 50 100
文章速递新能源电网中考虑特征选择的Bi-LSTM网络短期负荷预测 认领
1
作者 杨龙 吴红斌 +1 位作者 丁明 毕锐 《电力系统自动化》 EI CSCD 北大核心 2021年第3期166-173,共8页
新能源电网中负荷对各特征因素更为敏感,当面对海量特征数据时,短期负荷预测方法面临着新的挑战。针对含有高维特征数据的新能源电网,提出一种考虑特征选择的双向长短期记忆(Bi-LSTM)网络短期负荷预测方法。先将样本数据按密度进行聚类... 新能源电网中负荷对各特征因素更为敏感,当面对海量特征数据时,短期负荷预测方法面临着新的挑战。针对含有高维特征数据的新能源电网,提出一种考虑特征选择的双向长短期记忆(Bi-LSTM)网络短期负荷预测方法。先将样本数据按密度进行聚类后映射到权重诱导空间中,通过定义一种数据结构,以间隔之和最大为目标函数。为实现解空间的稀疏性,将正则项添加到目标函数中,并采用梯度下降法求解特征权值。经过预试验确定特征选择阈值等超参数,从而选出所需的特征因素。最后,使用Bi-LSTM网络基于选择后的数据进行负荷预测。以中国某地区新能源电网为例,验证了该方法的有效性,结果表明其与传统方法相比,具有更好的准确性和适用性。 展开更多
关键词 新能源 短期负荷预测 双向循环神经网络 短期记忆网络 特征选择
基于负荷分解与聚类融合的短期负荷预测研究 认领
2
作者 苗宏佳 白明辉 +3 位作者 张婉明 白雪松 常牧涵 席海阔 《电子测量技术》 2020年第11期53-58,共6页
随着智能电网的快速发展和建设,用户用电需求响应与负荷预测变得越来越复杂。面向低压配电台区和单一用户用电负荷预测,提出一种基于负荷分解与聚类融合的短期负荷预测方法。首先,通过对用户用电行为进行负荷分解和成分提取,聚类融合出... 随着智能电网的快速发展和建设,用户用电需求响应与负荷预测变得越来越复杂。面向低压配电台区和单一用户用电负荷预测,提出一种基于负荷分解与聚类融合的短期负荷预测方法。首先,通过对用户用电行为进行负荷分解和成分提取,聚类融合出几种不同类别的典型特征负荷曲线集。然后,针对不同类别负荷分别建立PSO-BP神经网络负荷预测模型,将不同类别负荷曲线集作为输入量得出各类负荷预测结果,再利用负荷曲线叠加法重构原始总负荷曲线得到最终预测结果。最后,以某智能配电试验台区的日常负荷数据为研究对象,将基于所提算法的预测结果与未经负荷分解和聚类融合的PSO-BP神经网络算法预测结果进行对比,验证了所提方法的正确性和有效性,对提高短期负荷预测的精度具有一定的工程实用价值。 展开更多
关键词 用电行为 聚类分析 负荷分解 PSO-BP神经网络 短期负荷预测
基于IPSO-LSVM的短期负荷预测方法 认领 被引量:1
3
作者 程志友 丁柏宏 余国晓 《电工电能新技术》 CSCD 北大核心 2020年第5期41-48,共8页
传统基于支持向量机(SVM)的短期负荷预测模型存在着输入变量不易确定以及模型参数难以最优化的问题。针对这两个缺点,本文提出了一种基于IPSO-LSVM的短期负荷预测方法。首先引入LASSO回归筛选SVM预测模型中的滞后负荷,将筛选结果和其余... 传统基于支持向量机(SVM)的短期负荷预测模型存在着输入变量不易确定以及模型参数难以最优化的问题。针对这两个缺点,本文提出了一种基于IPSO-LSVM的短期负荷预测方法。首先引入LASSO回归筛选SVM预测模型中的滞后负荷,将筛选结果和其余影响因素作为SVM预测模型中的输入变量,建立LASSO与SVM的耦合模型(LSVM);然后采用IPSO算法对LSVM预测模型中的参数进行优化,提高预测结果的准确性和稳定性;最后采用优化后的模型进行预测。算例分析表明,IPSO优化LSVM的方法能够有效提高短期负荷预测的精度。 展开更多
关键词 SVM 短期负荷预测 LASSO 滞后负荷 LSVM IPSO
在线阅读 下载PDF
计及小水电和冲击负荷影响的配网短期负荷预测研究 认领
4
作者 刘月贤 《通讯世界》 2020年第11期133-134,共2页
针对目前配网短期负荷预测准确率不高的情况,以某县电网为例,介绍了典型日负荷曲线的分类和特点,并分析各类负荷曲线的特点及其对电网短期负荷预测准确率的影响。最后,根据电网负荷的特点,提出了提高配网短期负荷预测准确率的方法,算例... 针对目前配网短期负荷预测准确率不高的情况,以某县电网为例,介绍了典型日负荷曲线的分类和特点,并分析各类负荷曲线的特点及其对电网短期负荷预测准确率的影响。最后,根据电网负荷的特点,提出了提高配网短期负荷预测准确率的方法,算例验证了该方法的有效性和正确性。 展开更多
关键词 配网 短期负荷预测 小水电 冲击性负荷 准确率
在线阅读 下载PDF
呼和浩特地区电网基于大数据的BP神经网络短期负荷预测 认领
5
作者 姜海洋 周芮冰 +3 位作者 王烁罡 周定均 刘昌新 云卿 《电力大数据》 2020年第11期47-54,共8页
针对短期负荷预测精度不够,达到提高系统充裕性评估准确度的目的,本文以呼和浩特市(呼市)地区电网为例,研究了基于大数据的反向传播神经网络(BP神经网络)负荷的短期预测方法。首先,研究了呼市地区电力负荷特性,发现呼市电力负荷变化与... 针对短期负荷预测精度不够,达到提高系统充裕性评估准确度的目的,本文以呼和浩特市(呼市)地区电网为例,研究了基于大数据的反向传播神经网络(BP神经网络)负荷的短期预测方法。首先,研究了呼市地区电力负荷特性,发现呼市电力负荷变化与温度、节假日等因素相关性;然后,考虑到多重因素对呼市地区负荷变化的影响,以BP神经网络方法为基础,利用大数据主元处理法建立短期电网负荷的预测模型;最后,以呼市地区历史负荷数据为例,通过与传统BP神经网络预测相对比,结果表明基于大数据的BP神经网络短期负荷预测方法的学习时间短、收敛性好、精度高,降低了负荷预测误差,弥补了传统BP神经网络算法的缺点,满足呼和浩特供电局对负荷预测精度要求,提高了系统充裕性评估准确度。 展开更多
关键词 神经网络法 负荷特性 大数据 主元分析法 短期负荷预测
在线阅读 下载PDF
基于K-Means聚类和Ⅱ-ELM的短期负荷预测方法 认领
6
作者 王淼 方治 《电气开关》 2020年第5期16-19,24,共5页
利用传统方法进行短期负荷预测时,通常随机选取离待测日相近的连续一段时间作为训练样本进行模型训练,没有考虑气象因素、日期类型和实时电价等的影响,待测日与训练样本的特征值相差较大,导致负荷预测存在较大误差。为此,本文提出了一... 利用传统方法进行短期负荷预测时,通常随机选取离待测日相近的连续一段时间作为训练样本进行模型训练,没有考虑气象因素、日期类型和实时电价等的影响,待测日与训练样本的特征值相差较大,导致负荷预测存在较大误差。为此,本文提出了一种基于K-Means聚类算法和改进增量型极限学习机(Ⅱ-ELM)相结合的短期负荷预测方法。仿真结果表明,所提方法在确保精度的前提下,对短期负荷预测具有较高的运算速度和精确度。 展开更多
关键词 短期负荷预测 负荷影响因素 K-MEANS聚类 Ⅱ-ELM
在线阅读 下载PDF
一种电力负荷预测混合模型研究 认领
7
作者 田珂 丁博 +2 位作者 马文栋 赵卫华 王坤 《计算技术与自动化》 2020年第4期39-44,共6页
为了提高短期负荷预测(STLF)的精度问题,采用了新的信号分解和相关分析技术,结合改进的经验模态分解法(IEMD)将负荷需求时间序列分解为若干个规则的低频分量。为了补偿信号分解过程中的信息损失,通过使用T-Copula进行相关分析来合并外... 为了提高短期负荷预测(STLF)的精度问题,采用了新的信号分解和相关分析技术,结合改进的经验模态分解法(IEMD)将负荷需求时间序列分解为若干个规则的低频分量。为了补偿信号分解过程中的信息损失,通过使用T-Copula进行相关分析来合并外部变量的影响。通过T-Copula分析,可从风险值(VaR)得出峰值负荷指示二进制变量,以提峰值时间负荷预测的准确性。将IEMD和T-Copula得到的数据应用于深度置信网络(DBN)来预测特定时间的未来负荷需求。 展开更多
关键词 短期负荷预测 经验模态分解 T-Copula 峰值负荷 风险值 深度置信网络
在线阅读 下载PDF
短期电力负荷预测模型及其应用研究 认领
8
作者 秦光宇 闫庆友 朱敬尧 《价格理论与实践》 北大核心 2020年第2期75-78,174,共5页
短期电力负荷预测是电网平稳运行与安全调度的基础。然而,负荷序列的不稳定性增加了预测难度。为了提高短期电力负荷预测的精准度,本文利用CEEMDAN将原始负荷序列分解为若干固有模态函数和残差,并利用PE分别分析各个固有模态函数(IMF)... 短期电力负荷预测是电网平稳运行与安全调度的基础。然而,负荷序列的不稳定性增加了预测难度。为了提高短期电力负荷预测的精准度,本文利用CEEMDAN将原始负荷序列分解为若干固有模态函数和残差,并利用PE分别分析各个固有模态函数(IMF)的复杂度。最后,利用IPSO优化LSTM参数,将各子序列的预测结果进行累加,得到最终的预测负荷。本文通过对辽宁省沈阳市的实际负荷数据进行仿真模拟,将仿真结果与其他传统预测方法结果进行对比,结果证明该预测模型的误差更低,具有较高的预测精确度。 展开更多
关键词 短期负荷预测 粒子群优化算法 排列熵 CEEMDAN 短期记忆神经网络
基于EEMD-LSTM的区域能源短期负荷预测 认领 被引量:3
9
作者 马梦冬 彭道刚 王丹豪 《浙江电力》 2020年第4期29-35,共7页
短期负荷预测既是电网规划的重要组成部分,也是系统可靠、高效运行的前提和基础。采用EEMD(集合经验模态分解)方法将区域能源互联网历史负荷数据分解成若干分量,再对各个分量分别建立模型,运用LSTM(长短期记忆神经网络)设置对应的隐藏层... 短期负荷预测既是电网规划的重要组成部分,也是系统可靠、高效运行的前提和基础。采用EEMD(集合经验模态分解)方法将区域能源互联网历史负荷数据分解成若干分量,再对各个分量分别建立模型,运用LSTM(长短期记忆神经网络)设置对应的隐藏层数,对各个分量分别进行预测,最后叠加预测值得出最终预测结果。将EEMD-LSTM算法与LSTM算法、 EMD-LSTM算法以及Elman算法进行比较,结果表明EEMD-LSTM算法在区域能源互联网负荷预测中能够实现较好的预测精度,具有很好的应用前景和推广价值。 展开更多
关键词 短期负荷预测 区域能源 集合经验模态分解 短期记忆神经网络
在线阅读 免费下载
基于Stacking模型集成的LSTM网络短期负荷预测研究 认领
10
作者 丁斌 邢志坤 +3 位作者 王帆 袁博 刘涌 孙岩 《中国测试》 CAS 北大核心 2020年第7期40-45,共6页
为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作... 为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作为Stacking-LSTM混合模型的输入,经数据转换后得到特征类别更强的降维二级特征数据,输入到LSTM网络层实现短期负荷预测。该方法利用Stacking模型的集成作用和LSTM网络的强挖掘能力,增强降维后的数据类别特征,达到提升电力系统负荷动态平衡性的效果。仿真结果表明,该方法的负荷预测结果与实际值非常接近,具有较高的预测精准度。 展开更多
关键词 Stacking模型 短期记忆网络 短期负荷预测 混合模型 特征图
在线阅读 下载PDF
基于改进高斯过程回归的短期负荷概率区间预测方法 认领 被引量:1
11
作者 刘升伟 王星华 +2 位作者 鲁迪 彭显刚 郑伟钦 《电力系统保护与控制》 EI CSCD 北大核心 2020年第1期18-25,共8页
电力市场改革和分布式能源的并网给电网的运行和规划带来了许多不确定性的因素。为获取更准确、更综合的电力负荷预测值信息,提出一种基于K-means特征提取和改进高斯过程回归的短期负荷概率区间预测方法。首先利用历史负荷数据建立候选... 电力市场改革和分布式能源的并网给电网的运行和规划带来了许多不确定性的因素。为获取更准确、更综合的电力负荷预测值信息,提出一种基于K-means特征提取和改进高斯过程回归的短期负荷概率区间预测方法。首先利用历史负荷数据建立候选特征集,然后通过K-means的特征提取方法先对候选特征集进行分类,再利用K邻域内特征变量之间的互信息来选取负荷最优特征子集,并实时更新最优特征子集。为了准确捕捉电力负荷的时变特性,利用改进的高斯过程回归算法进行电力负荷概率区间预测,主要包括动态更新超参数和滑动窗更新训练样本集两个部分。实例表明,所提方法相比分位回归、高斯过程回归而言预测精度更好,所形成的预测区间具有更窄的区间宽度和更高的覆盖率,能为电力系统的运行规划提供更全面、更有效的负荷信息。 展开更多
关键词 基于K-means的特征提取 高斯过程回归 短期负荷预测 概率区间预测
在线阅读 下载PDF
数据驱动与预测误差驱动融合的短期负荷预测输入变量选择方法研究 认领 被引量:2
12
作者 郑睿程 顾洁 +2 位作者 金之俭 彭虹桥 蔡珑 《中国电机工程学报》 EI CSCD 北大核心 2020年第2期487-500,共14页
短期负荷预测是电力系统安全经济运行的基础。由于负荷变化受众多因素影响,选择合适的变量集对于提高预测性能至关重要。针对数据驱动型与预测误差驱动型变量选择方法各自的特点,以及传统变量选择方法在相关性度量指标与选择策略上存在... 短期负荷预测是电力系统安全经济运行的基础。由于负荷变化受众多因素影响,选择合适的变量集对于提高预测性能至关重要。针对数据驱动型与预测误差驱动型变量选择方法各自的特点,以及传统变量选择方法在相关性度量指标与选择策略上存在的问题,该文提出基于正交化最大信息系数、特征协同与随机森林的变量选择方法。该方法将数据驱动与预测误差驱动进行两阶段融合,前者作为变量预筛选阶段,后者完成变量精选,实现选择质量与计算复杂度的平衡;选择过程中综合考虑变量间的相关度、冗余度与协同度,能有效提高短期负荷预测的性能;通过算例从选择的变量集、预测误差大小、预测误差稳定性等方面验证该方法相对于传统短期负荷预测变量选择方法的优势。 展开更多
关键词 短期负荷预测 变量选择 数据驱动 预测误差驱动 最大信息系数
精细化气象因子对短期电力负荷预测的影响研究 认领
13
作者 程定芳 任永建 陈正洪 《华中师范大学学报:自然科学版》 CAS CSCD 北大核心 2020年第5期792-797,共6页
为分析电力负荷变化特征与气象要素的关系,定量解析气象因子对电力负荷预测的主要贡献,该文以华中电网某地区为研究对象,预报因子选用电力负荷和精细化气象数据,依据逐步回归和BP神经网络模型建立滚动预报模型.通过研究发现:当日负荷除... 为分析电力负荷变化特征与气象要素的关系,定量解析气象因子对电力负荷预测的主要贡献,该文以华中电网某地区为研究对象,预报因子选用电力负荷和精细化气象数据,依据逐步回归和BP神经网络模型建立滚动预报模型.通过研究发现:当日负荷除与历史负荷有较好的相关关系外,当日温度与前一日温度对负荷也有较大的影响.气象因子在逐步回归和神经网络预测方法中对负荷预测准确率的提升均有正的贡献,贡献率分别为0.28%~17.87%和0.97%~17.78%.尤其是转折天气条件下,精细化气象因子对短期负荷预测的准确率的提升尤为重要. 展开更多
关键词 精细化 短期负荷预测 气象贡献率 滚动预测
在线阅读 下载PDF
基于PSO算法优化GRU神经网络的短期负荷预测 认领 被引量:4
14
作者 王康 龚文杰 +1 位作者 段晓燕 张智晟 《广东电力》 2020年第4期90-96,共7页
为了实现高精度的电力系统短期负荷预测,提出了基于粒子群优化(particle swarm optimization,PSO)算法优化门控循环单元(gated recurrent unit,GRU)神经网络的电力系统短期负荷预测模型。首先建立GRU神经网络,GRU神经网络采用了门控循... 为了实现高精度的电力系统短期负荷预测,提出了基于粒子群优化(particle swarm optimization,PSO)算法优化门控循环单元(gated recurrent unit,GRU)神经网络的电力系统短期负荷预测模型。首先建立GRU神经网络,GRU神经网络采用了门控循环单元,与采用传统循环单元的传统循环神经网络相比,克服了传统循环神经网络中可能出现的梯度爆炸和梯度消失问题;继而采用具有较强全局优化能力的改进粒子群算法对GRU神经网络参数进行优化,有效提高模型的预测精度。通过实际算例仿真分析,并与传统的GRU神经网络预测模型以及反向传播(back propagation,BP)神经网络预测模型进行对比,验证了所提电力系统短期负荷预测模型具有较好的精度和稳定性。 展开更多
关键词 短期负荷预测 门控循环单元 GRU神经网络 粒子群优化 预测精度
在线阅读 下载PDF
基于改进人工鱼群-蛙跳算法优化LSSVM参数短期负荷预测 认领
15
作者 杨海柱 江昭阳 +1 位作者 李梦龙 康乐 《电子科技》 2020年第12期67-74,共8页
短期电力负荷预测在电力系统安全调度、经济运行方面起到关键作用。在用最小二乘支持向量机进行负荷预测时,参数选择将直接影响预测精度。为了提高LSSVM负荷预测精度,文中提出一种基于Levy变异自适应视野人工鱼群-蛙跳算法对LSSVM进行... 短期电力负荷预测在电力系统安全调度、经济运行方面起到关键作用。在用最小二乘支持向量机进行负荷预测时,参数选择将直接影响预测精度。为了提高LSSVM负荷预测精度,文中提出一种基于Levy变异自适应视野人工鱼群-蛙跳算法对LSSVM进行参数优化的方法。以某县负荷、天气等历史数据对LSSVM进行训练,建立LAVAFSA-SFLA-LSSVM、AFSA-LSSVM、LAFSA-SFLA-LSSVM共3种预测模型,对该地区某日24 h的电力负荷进行预测。算例结果表明,LAVAFSA-SFLA-LSSVM预测精度比AFSA-LSSVM和LAFSA-SFLA-LSSVM更高,预测误差更小。 展开更多
关键词 短期负荷预测 电力系统调度 预测精度 最小二乘支持向量机 改进人工鱼群-蛙跳算法 优化参数
在线阅读 免费下载
基于相似性识别的短期负荷动态预测方法 认领 被引量:4
16
作者 陈杰尧 黄炜斌 +2 位作者 马光文 陈仕军 谢荻雅 《电网与清洁能源》 2020年第4期1-7,13,共8页
统调日负荷的精确预测对电力充裕性保障、电力系统规划有重要指导作用。相似性识别是数据挖掘技术的重要部分,基于相似性识别原理,提出一种短期负荷预测的新方法。首先对原始数据进行属性和重复记录清洗,清洗后得到实验数据;其次在考虑... 统调日负荷的精确预测对电力充裕性保障、电力系统规划有重要指导作用。相似性识别是数据挖掘技术的重要部分,基于相似性识别原理,提出一种短期负荷预测的新方法。首先对原始数据进行属性和重复记录清洗,清洗后得到实验数据;其次在考虑数据大小相似性的同时,引入了数据趋势相似性度量。基于2种度量从历史序列中识别出与查询序列信息高度重合的序列,建立备选相似序列集;考虑时间间隔与季节因素,从备选相似序列集中选取历史最相似序列,最终实现日负荷预测;随着新信息的进入,实现高峰负荷动态预测。利用该方法对重庆统调日负荷进行模拟预测,并与BP神经网络和支持向量机方法进行对比,证明了所提方法的可行性与有效性。 展开更多
关键词 短期负荷预测 动态预测 相似性识别 数据趋势相似 数据清洗
在线阅读 下载PDF
基于变压器特性数据聚类的电力负荷分布式预测 认领 被引量:1
17
作者 吴琼 段炼 +3 位作者 乡立 黄锦增 魏艳霞 孙毅 《广东电力》 2020年第8期69-77,共9页
针对大量变压器数据的冗余性与非结构化、半结构化、结构化特性,提出一种基于变压器特性数据聚类的长短期记忆(long short term memory,LSTM)网络模型预测方法。首先,采用核主成分分析(kernel principal component analysis,KPCA)方法... 针对大量变压器数据的冗余性与非结构化、半结构化、结构化特性,提出一种基于变压器特性数据聚类的长短期记忆(long short term memory,LSTM)网络模型预测方法。首先,采用核主成分分析(kernel principal component analysis,KPCA)方法对高维非线性的变压器特性数据进行降维;然后,采用K-means算法划分不同变压器预测类型,提取各分类中心变压器负荷曲线,通过LSTM网络训练特征样本训练基,构建负荷预测模型;最后,采用灰色关联度算法对同一类型的变压器进行关联度评价,并将最高与最低关联度的变压器负荷数据输入特征样本训练基,验证模型的有效性。将所提出的K-means-LSTM网络模型与基于自适应矩估计的LSTM(adaptive moment estimation-LSTM,ADAM-LSTM)网络模型的短期负荷预测结果进行对比分析,结果表明K-means-LSTM网络模型在运行时间上具有显著优势。 展开更多
关键词 短期负荷预测 K-means-LSTM网络模型 信息冗余 核主成分分析 特征样本训练基
在线阅读 下载PDF
基于深度脊波神经网络的电力系统短期负荷预测模型 认领 被引量:2
18
作者 岳远波 撖奥洋 张智晟 《电力系统及其自动化学报》 CSCD 北大核心 2020年第4期57-61,68共6页
针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型。该模型的隐含层采用脊波神经元,神经元的激励函数采用脊波变换函数。对该预测模型采用受限的玻尔兹曼机学习原理进行预训练,最后利... 针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型。该模型的隐含层采用脊波神经元,神经元的激励函数采用脊波变换函数。对该预测模型采用受限的玻尔兹曼机学习原理进行预训练,最后利用粒子群优化算法对其进行深度优化精调。通过对某地区实际电网负荷系统进行仿真预测,结果表明,与传统的BP神经网络、脊波神经网络和常规深度神经网络模型相对比,深度脊波神经网络预测模型的日平均绝对误差百分比分别降低了1.96%、1.12%和0.3%,日最大绝对误差分别降低了3.91%、2.19%和1.78%,验证了深度脊波神经网络预测模型具有较好的预测准确度和稳定性。 展开更多
关键词 深度脊波神经网络 短期负荷预测 玻尔兹曼机 粒子群优化算法 电力系统
在线阅读 下载PDF
基于动态电价的需求响应下短期负荷预测研究 认领
19
作者 刘文 张智晟 《电力系统及其自动化学报》 CSCD 北大核心 2020年第9期113-119,共7页
需求响应是缓解电力部门供电压力、优化资源配置的有效手段,同时也对传统的电力系统短期负荷预测方法提出了更高的要求。针对实施需求响应后传统预测模型不能准确反映负荷曲线变化的问题,首先,根据效用理论,构建了基于动态电价的需求响... 需求响应是缓解电力部门供电压力、优化资源配置的有效手段,同时也对传统的电力系统短期负荷预测方法提出了更高的要求。针对实施需求响应后传统预测模型不能准确反映负荷曲线变化的问题,首先,根据效用理论,构建了基于动态电价的需求响应模型来模拟电力用户在实施需求响应后的实际负荷曲线;在此基础上,构建了计及需求响应因素的径向基函数神经网络短期负荷预测模型;最后,利用某地区的实际数据,通过Matlab软件对该模型的预测性能进行了仿真验证。结果表明,本文平均预测误差为1.27%,而传统的负荷预测模型平均预测误差为3.40%,前者相对于后者平均预测误差降低了2.13%,证明了在预测模型中加入需求响应信号能够有效提升短期负荷的预测精度,较准确地反映出负荷曲线因需求响应信号的作用所发生的改变。 展开更多
关键词 需求响应 效用函数 动态电价 径向基函数神经网络 短期负荷预测
在线阅读 下载PDF
分时电价下考虑储能调度因素的短期负荷预测模型 认领 被引量:1
20
作者 李卫国 陈立铭 +3 位作者 张师 徐备 王旭光 刘宏伟 《电力系统保护与控制》 EI CSCD 北大核心 2020年第7期133-140,共8页
影响电力系统短期负荷预测的因素有多种,因此在进行短期负荷预测时,考虑的因素种类越多,预测的精度越高。在考虑环境因素的基础上,构建分时电价下考虑储能调度因素的改进鲸鱼算法优化Elman神经网络模型。在智能电网下,由于储能调度能够... 影响电力系统短期负荷预测的因素有多种,因此在进行短期负荷预测时,考虑的因素种类越多,预测的精度越高。在考虑环境因素的基础上,构建分时电价下考虑储能调度因素的改进鲸鱼算法优化Elman神经网络模型。在智能电网下,由于储能调度能够使传统的负荷曲线发生改变,首先在基于分时电价的基础上构建储能调度模型,对储能用户在各时段的充放电行为进行具体分析。然后由于Elman神经网络具有收敛速度慢、容易陷入局部最优等缺点,提出了一种改进的鲸鱼算法(MWOA)用于优化神经网络的权值和阈值,进一步提高了神经网络的收敛速度和全局寻优能力。最后构建考虑储能调度因素的短期负荷预测模型,通过对某地电网2018年7月至8月的数据为例进行仿真分析,并与所提到的其他预测模型进行比较。通过误差结果分析可知所提方法的预测精度更高,收敛速度更快。 展开更多
关键词 短期负荷预测 储能调度 ELMAN神经网络 鲸鱼算法 分时电价
在线阅读 下载PDF
上一页 1 2 60 下一页 到第
使用帮助 返回顶部 意见反馈