基于改进数据子空间算法的电力负荷预测问题

发布时间：2019-01-18 21:53

【摘要】：针对电力负荷进行准确预测对于电力系统的稳定运行具有重要的意义。利用传统的数据子空间算法进行电力负荷预测的过程中,由于没有考虑电力系统的非线性和时变性,导致预测精确度较低。为此,提出一种基于改进数据子空间算法的电力负荷预测方法,在电力负荷预测子空间方程式中加入反馈因子,在电力负荷历史数据中加入遗忘因子,利用粒子群算法对两种反馈因子和遗忘因子进行寻优,并将寻优结果带入到改进的电力负荷子空间预测模型中进行计算,从而获得准确的预测结果。实验结果表明,利用改进算法进行电力负荷预测,能够提高预测精度,效果令人满意。
[Abstract]:Accurate forecasting of power load is of great significance to the stable operation of power system. In the process of power load forecasting using traditional data subspace algorithm, the accuracy of forecasting is low because the nonlinear and time-varying of power system are not considered. Therefore, a power load forecasting method based on the improved data subspace algorithm is proposed. The feedback factor is added to the power load forecasting subspace equation, and the forgetting factor is added to the power load historical data. The particle swarm optimization algorithm is used to optimize the two kinds of feedback factors and forgetting factors, and the optimization results are introduced into the improved power load subspace prediction model for calculation, and the accurate prediction results are obtained. The experimental results show that the improved algorithm can improve the forecasting accuracy and the effect is satisfactory.
【作者单位】： 河南工程学院计算机学院;洛阳理工学院电气工程与自动化系;
【基金】：河南省教育厅科学技术研究重点项目(14A520066)
【分类号】：TM715

【参考文献】

相关期刊论文 前9条

1 冯沛;段本成;;基于支持向量机的中长期电力负荷预测[J];广西电力;2012年06期

2 牛东晓;魏亚楠;;基于FHNN相似日聚类自适应权重的短期电力负荷组合预测[J];电力系统自动化;2013年03期

3 石黄霞;何颖;董晓红;;基于Elman神经网络的电力负荷预测模型研究[J];工业仪表与自动化装置;2013年01期

4 刘春霞;张雪艳;;改进人工智能神经网络的短期电力负荷预测[J];电气应用;2013年04期

5 王涛;彭云华;吴小亚;;基于相关因素修正的短期电力负荷回归预测模型[J];电气自动化;2013年01期

6 田军;;改进蚁群算法的中长期电力负荷预测[J];黑龙江科技信息;2012年35期

7 张政国;吴延增;;基于遗传算法优化LS-SVM的短期电力负荷预测研究[J];兰州交通大学学报;2012年06期

8 张弘;朱永佳;范磊磊;吴巧玲;;基于马尔科夫修正的中长期电力负荷组合区间预测[J];华东电力;2013年01期

9 罗勇;郑金;宁美凤;;短期电力负荷组合预测方法研究[J];郑州大学学报(工学版);2013年01期

【共引文献】

相关期刊论文 前10条

1 王宝安;;基于信息结构的支持向量机二值分类算法在网络异常检测中的应用研究[J];长春教育学院学报;2013年15期

2 黄薇;刘建平;张锦周;王重建;扈庆华;李迎慧;;细菌性食源性疾病发病预测中Elman神经网络模型的应用[J];公共卫生与预防医学;2013年06期

3 王超;李森;;变参数QPSO算法优化神经网络的短期电力负荷预测[J];电子器件;2014年04期

4 张玲玲;杨明玉;梁武;;基于相似日和LS-SVM的微网短期负荷预测[J];电力建设;2014年11期

5 孙锦峰;耿云亮;郭奕瑞;王高帅;高飞飞;刘晓田;尤爱国;王重建;;Elman神经网络与ARIMA模型对流感发病率预测效果的比较[J];郑州大学学报(医学版);2013年05期

6 吴桂峰;王轩;陈东雷;;基于优化神经网络的短期电力负荷预测[J];计算机仿真;2013年11期

7 路小娟;马宝峰;张武娟;;铁路客流量预测分析与研究[J];兰州交通大学学报;2013年06期

8 邱翊峰;张毅;李鹏华;刘念;;短期电力负荷在小波包分解下的径向基神经网络预测方法[J];数字通信;2013年04期

9 王积建;;中国人均生活电力消费量的等维新陈代谢-加权Markov-SCGM(1,1)_c预测模型[J];系统科学与数学;2014年05期

10 肖蕾;李郁侠;;基于自适应Elman神经网络的短期风电功率预测[J];西安理工大学学报;2014年01期

相关博士学位论文 前1条

1 林少伯;含光伏电源的微电网储能控制技术研究[D];华北电力大学;2013年

相关硕士学位论文 前9条

1 孙婉璐;计及风电并网的短期负荷EEMD与神经网络预测方法[D];西南交通大学;2013年

2 张爱辉;基于多指标模型的中长期电力需求预测研究[D];长沙理工大学;2013年

3 刘重阳;连云港地区短期电力负荷预测系统及其人工调整规则研究[D];南京理工大学;2013年

4 蒋继楠;基于小波去噪和人工神经网络的短期电力负荷预测[D];广西大学;2013年

5 王丹丹;基因表达式编程在电力负荷预测中的应用研究[D];河北工程大学;2013年

6 王志刚;电网规划设计平台中负荷预测软件的研究与开发[D];北京建筑大学;2014年

7 沙振亚;泰州市姜堰区配电网规划及相关问题的研究[D];南京师范大学;2014年

8 石雪;基于数据挖掘的短期电力负荷预测[D];华南理工大学;2014年

9 周文萍;含分布式光伏的配电网风险分析[D];华北电力大学;2014年

【二级参考文献】

相关期刊论文 前10条

1 程其云,孙才新,张晓星,周nv,杜鹏;以神经网络与模糊逻辑互补的电力系统短期负荷预测模型及方法[J];电工技术学报;2004年10期

2 陈章潮;用经济模型预测地区电网负荷[J];电力系统自动化;1988年02期

3 高山,单渊达;神经网络短期负荷预测输入变量选择新方法[J];电力系统自动化;2001年22期

4 朱六璋;;短期负荷预测的组合数据挖掘算法[J];电力系统自动化;2006年14期

5 蒋小亮;蒋传文;彭明鸿;林海涛;李子林;;基于时间连续性及季节周期性的风速短期组合预测方法[J];电力系统自动化;2010年15期

6 黄帅栋;卫志农;高宗和;杨争林;孙国强;孙永辉;;基于非负矩阵分解的相关向量机短期负荷预测模型[J];电力系统自动化;2012年11期

7 陈柔伊,张尧,武志刚,陈泽淮;改进的模糊聚类算法在负荷预测中的应用[J];电力系统及其自动化学报;2005年03期

8 陈泽淮;张尧;武志刚;;RBF神经网络在中长期负荷预测中的应用[J];电力系统及其自动化学报;2006年01期

9 王奔;冷北雪;张喜海;单纕，

本文编号：2411166