基于多变量时间序列反演自记忆模型的中长期电力负荷预测
本文关键词:基于多变量时间序列反演自记忆模型的中长期电力负荷预测 出处:《电力系统及其自动化学报》2017年10期 论文类型:期刊论文
更多相关文章: 中长期电力负荷预测 灰色关联分析 主要影响因素 动力方程反演 自记忆模型
【摘要】:电力负荷预测的复杂性、非线性使传统的中长期预测模型难以获得精确的结果。为了提高中长期电力负荷预测准确度,构建了多变量时间序列反演自记忆模型。该模型使用灰色关联分析选取电力负荷变化主要影响因素,采用主要影响因素对电力负荷自身变化过程进行动力方程反演,并结合自记忆模型,实现对电力负荷数据的拟合与预测。在提高预测精度的同时,使预测结果最大程度地体现历史电力负荷数据的内在变化规律,提高拟合和预测的稳定性。为了验证模型的效果,使用1986—2002年某地区全社会用电量数据作为训练样本,进行拟合分析,并预测2003—2006年全社会用电量。拟合和预测的结果证明了该模型在中长期负荷预测中的有效性和可行性。
[Abstract]:The complexity of power load forecasting, the traditional nonlinear long term prediction model is difficult to obtain accurate results. In order to improve the long term power load forecasting accuracy, constructed multivariate time series inversion self memory model. The model using grey relational analysis to select power load changes of main factors, the main influence factors of inverse dynamic equation the power load variation process, and combined with the self memory model, realize the fitting and forecasting of power load data. To improve the prediction accuracy and the prediction results, the internal change of maximum is the history of power load data, improve the stability of fitting and forecasting. In order to verify the effect of the model, the use of 1986 - 2002 a region of the whole society electricity consumption data as the training sample, fitting analysis and forecast, 2003 - 2006 the total electricity consumption. Fitting and The results of the prediction prove the validity and feasibility of the model in the medium and long term load forecasting.
【作者单位】: 湖南大学电气与信息工程学院;
【分类号】:TM715
【正文快照】: 中长期电力负荷预测是电力系统调度运行、发展规划的前提,其精度对电力系统的安全、稳定、可靠、经济运行起着至关重要的作用[1-2]。中长期负荷预测方法很多,目前中长期电力负荷预测的方法大致可分为经典预测方法和基于新兴学科理论的现代预测方法两类。其中,经典方法主要包括
【相似文献】
相关期刊论文 前10条
1 段爱红;市场经济条件下的电力负荷预测[J];电力需求侧管理;2000年02期
2 董伟;一种地区电力负荷预测的实用方法[J];吉林电力;2000年04期
3 滕菲,王宁;电力负荷预测技术[J];黑龙江电力;2002年05期
4 王建新,李彦民,庞春江,孙海洪;数据发掘技术在一类电力负荷预测中的应用[J];计算机工程与应用;2002年05期
5 黄桂华;中长期电力负荷预测方法的简述[J];农村电气化;2002年08期
6 甄利玲;一种电力负荷预测的综合方法[J];吕梁高等专科学校学报;2003年01期
7 周晖;高琦;和敬涵;钮文洁;;电力负荷预测知识体系的教学研究[J];电力学报;2006年04期
8 徐玉华;;中长期电力负荷预测方法分析[J];宁夏电力;2007年04期
9 闫晓坤;;电力负荷预测的技术方法分析[J];民营科技;2007年11期
10 段保乾;李伟;洪浩林;;基于系统动力学模型的中长期电力负荷预测[J];中小企业管理与科技;2007年12期
相关会议论文 前10条
1 李忻贤;;浅谈电力负荷预测[A];山东电机工程学会第四届供电专业学术交流会论文集[C];2007年
2 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集(优秀论文部分)[C];2009年
3 赵成旺;顾幸生;;组合优化灰色预测模型在中长期电力负荷预测中应用[A];第二十四届中国控制会议论文集(下册)[C];2005年
4 罗楠;朱业玉;杜彩月;王军;王红燕;;支持向量机方法在电力负荷预测中的应用[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年
5 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集(文摘部分)[C];2009年
6 杨旭;刘自发;张建华;李聪;;考虑气候因素的城市电力负荷预测[A];第十一届全国电工数学学术年会论文集[C];2007年
7 牛东晓;陈志业;邢棉;谢宏;;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[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(上册)[C];2002年
8 丁光彬;王治昆;赵林明;翟传仁;;包络预测方法及其在电力负荷预测中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集(第4卷)[C];1997年
9 刘博;张筱慧;许璞;;变权重组合预测方法用于电力负荷预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(下册)[C];2008年
10 孔胜;王宇;张承伟;;经济危机对中长期电力预测影响的实证研究[A];第五届(2010)中国管理学年会——商务智能分会场论文集[C];2010年
相关重要报纸文章 前2条
1 章家银 张克杰;气象要素在电力负荷预测中的应用[N];巢湖日报;2006年
2 本报记者 罗丹;气象科技融入电网[N];中国气象报;2014年
相关博士学位论文 前7条
1 周倩;智能工程体系及其在电力负荷预测中的应用研究[D];华北电力大学(北京);2010年
2 叶世杰;基于多指标模型的电力负荷预测研究[D];重庆大学;2010年
3 王建军;基于知识挖掘技术的智能协同电力负荷预测研究[D];华北电力大学(北京);2011年
4 尹新;群智能算法与电力负荷预测研究[D];湖南大学;2011年
5 王大鹏;灰色预测模型及中长期电力负荷预测应用研究[D];华中科技大学;2013年
6 刘晓娟;基于智能方法的电力系统负荷预测模型及其应用研究[D];东华大学;2014年
7 王勇;用于电力行业决策支持的多AGENT技术研究[D];华东师范大学;2007年
相关硕士学位论文 前10条
1 杨超;基于灰色理论和神经网络的中长期电力负荷预测的研究[D];天津理工大学;2015年
2 马慧;基于经验模态分解和季节调整的组合模型在电力负荷预测中的应用[D];兰州大学;2015年
3 赵晶;城市电力负荷预测技术及其在通辽电网中的应用[D];华北电力大学;2015年
4 罗颖峰;新余市电网电力负荷预测研究[D];南昌大学;2015年
5 杨屹洲;基于数据挖掘的商业电力负荷预测及用电优化算法研究[D];华侨大学;2015年
6 国宏鹏;电力负荷预测与调度策略研究[D];河北工业大学;2015年
7 邢宇;基于组合模型的最大负荷预测方法研究[D];东北农业大学;2015年
8 李青;基于回声状态网络的电力负荷预测研究[D];兰州交通大学;2015年
9 孙波;包头地区电力负荷预测研究[D];华北电力大学;2015年
10 邵光磊;聊城地区电力负荷预测及配电网络规划方案研究[D];华北电力大学;2015年
,本文编号:1389268
本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/1389268.html