基于FWA-LSSVR智能算法的钢铁行业用电量预测研究

发布时间：2017-12-11 18:06

  本文关键词：基于FWA-LSSVR智能算法的钢铁行业用电量预测研究

  更多相关文章： 钢铁行业 用电量预测 烟花算法 最小二乘支持向量回归机

【摘要】：针对近年来宏观经济指标与钢铁行业用电量关联度下降的情况,提出了一种基于行业产品及原材料价格的用电量预测方法,并使用移动平均法和时差相关分析法进行数据消噪处理和价格影响滞后期测算,在此基础上,建立了烟花算法优化最小二乘支持向量回归机智能预测模型。利用该模型对某地区实际月度用电量进行预测,结果表明,与多元线性回归、BP神经网络等模型相比,所提出的方法具有更好的预测性能,更适用于钢铁行业用电量月度预测,可为准确预测钢铁行业用电量、合理把握电力需求波动及制定经济合理电力调配计划提供参考,为电源和电网的建设提供辅助决策支持。
【作者单位】： 国网冀北电力有限公司经济技术研究院;华北电力大学经济与管理学院;
【基金】：国家自然科学基金资助项目(71471059)~~
【分类号】：TM715
【正文快照】： 0引言用电量预测是电力系统优化调度的重要环节,准确及时的用电量预测可以为电源和电网的建设进度提供辅助决策支持,同时对制定经济合理的电力调配计划,降低电网运行成本,保障生产和生活用电具有重要意义[1]。钢铁行业是重要的高耗能行业,其用电量在全社会用电量中占据较大比

【参考文献】

中国期刊全文数据库 前9条

1 袁秀芳;张征;郑伯川;焦伟超;;基于SVR的多变量电力消费预测[J];西华师范大学学报(自然科学版);2015年03期

2 王玉龙;崔玉;李鹏;李锐;;基于小波分析改进的神经网络模型电力系统负荷预测[J];电网与清洁能源;2015年02期

3 赵慧材;陈跃辉;陈瑞先;彭子扬;;结合模糊粗糙集和支持向量机的电力负荷短期预测方法[J];中国电力;2015年02期

4 夏耀杰;程浩忠;;基于改进灰色马尔科夫预测法的中长期负荷预测[J];电力需求侧管理;2015年01期

5 谭营;郑少秋;;烟花算法研究进展[J];智能系统学报;2014年05期

6 章政;王晓佳;刘辉舟;;优化SVR的加权马尔可夫链用电量预测[J];计算机仿真;2014年09期

7 何川;舒勤;贺含峰;;ICA特征提取与BP神经网络在负荷预测中的应用[J];电力系统及其自动化学报;2014年08期

8 万昆;柳瑞禹;;区间时间序列向量自回归模型在短期电力负荷预测中的应用[J];电网技术;2012年11期

9 张成;滕欢;;基于偏最小二乘法与BP神经网络的电力中长期负荷预测[J];电力建设;2012年07期

【共引文献】

中国期刊全文数据库 前10条

1 周志兵;;基于改进分数阶卡尔曼滤波的光伏发电功率预测算法[J];电器与能效管理技术;2017年04期

2 杨志升;朱参世;高杨军;;利用增强烟花算法对RFID网络进行规划[J];计算机工程与应用;2017年03期

3 黄旭;何洪英;罗滇生;曹一家;何志军;;一种新的短路电流预测方法[J];电力系统及其自动化学报;2017年01期

4 李孟秋;杨茂骑;任修勇;陈建龙;蔡贝贝;;基于BP神经网络的开关磁阻电机直接转矩控制系统及实现[J];电力系统及其自动化学报;2017年01期

5 雷景生;郝珈玮;朱国康;;基于“分层-汇集”模型的短期电力负荷预测[J];电力建设;2017年01期

6 龙厚印;刘卫东;黄锦华;李黎;;基于业扩报装的月度负荷预测[J];浙江电力;2016年12期

7 钱立军;赵明宇;张卫国;;一种电动汽车充电安全预警模型设计方法[J];电网与清洁能源;2016年12期

8 卢锦玲;於慧敏;;极限学习机和遗传算法在暂态稳定评估特征选择中的应用[J];电力系统及其自动化学报;2016年12期

9 王宏;徐长英;邓芳明;;基于独立成分分析与概率神经网络的滚动轴承故障识别方法的研究[J];仪表技术与传感器;2016年12期

10 杨茂;董骏城;罗芫;赵伟男;;基于近似熵的电力系统负荷预测误差分析[J];电力系统保护与控制;2016年23期

【二级参考文献】

中国期刊全文数据库 前10条

1 张彦周;贾利新;;基于网格寻优SVR房价预测模型——以郑州市为例[J];河南科学;2014年08期

2 吴雪花;;应用于月度用电量预测的小波分析法[J];江苏电机工程;2014年02期

3 张刚;刘福潮;王维洲;李正远;郑晶晶;梁雅芳;;电网短期负荷预测的BP-ANN方法及应用[J];电力建设;2014年03期

4 付学谦;陈皓勇;牛铭;金小明;;地区电网短期负荷预测系统设计[J];电力建设;2014年02期

5 冷建伟;傅祥廉;;小波分析在低压负荷预测数据处理中的应用[J];电源学报;2014年01期

6 姜涛;袁胜发;;基于改进小波神经网络的滚动轴承故障诊断[J];华中农业大学学报;2014年01期

7 夏秀峰;董彦军;;基于改进马尔科夫模型的航空备件需求预测[J];兵工自动化;2013年11期

8 刘晓娟;方建安;;基于双修正因子的模糊时间序列日最大负荷预测[J];中国电力;2013年10期

9 陈超;黄国勇;邵宗凯;王晓东;范玉刚;;基于日特征量相似日的PSO-SVM短期负荷预测[J];中国电力;2013年07期

10 褚金胜;陈宙平;;优选组合预测法在短期负荷预测中的应用[J];电气开关;2013年02期

，

本文编号：1279400