河北省自然科学基金(G2005000584)
- 作品数：14 被引量：308H指数：9
- 相关作者：牛东晓谷志红王会青邢棉刘达更多>>
- 相关机构：华北电力大学南开大学河北职工医学院更多>>
- 发文基金：河北省自然科学基金国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：电气工程经济管理理学更多>>
- 基于数据挖掘的SVM短期负荷预测方法研究被引量：142
- 2006年
- 支持向量机方法已成功地应用在负荷预测领域,但它在训练数据时存在数据处理量太大、处理速度慢等缺点。为此提出了一种基于数据挖掘预处理的支持向量机预测系统,引用在处理大数据量、消除冗余信息等方面具有独特优势的数据挖掘技术,寻找与预测日同等气象类型的多个历史短期负荷,由此组成具有高度相似气象特征的数据序列,将此数据序列作为支持向量机的训练数据,可减少数据量,从而提高预测的速度和精度,克服支持向量机的上述缺点。将该系统应用于短期负荷预测中,与单纯的SVM方法和BP神经网络法相比,得到了较高的预测精度。
- 牛东晓谷志红邢棉王会青
- 关键词：电力系统数据挖掘气象因素支持向量机短期负荷预测
- 基于熵权的中长期电力负荷组合预测被引量：11
- 2005年
- 运用多个预测效果的评价指标综合比较多种中长期电力负荷预测方法,结合熵权的方法客观地为每种预测方法分配权重,将各方法的预测结果加权求和得到最终的预测结果。实例表明,该方法在提高预测精度的同时减小预测的风险。
- 李金超牛东晓李金颖王强
- 关键词：电力负荷熵权
- BP神经网络组合预测研究被引量：9
- 2006年
- 在单一预测不能满足精度要求的情况下,组合预测通常是首选方法.传统的组合方法之外,用神经网络进行组合预测,效果更佳.文中以全国天然气消耗量为例,利用BP神经网络将非线性回归、指数平滑和灰色三种方法的预测结果作为输入,原始数据作为期望输出进行组合预测,得出令人满意的精度结果.又将之与传统的EW、MV方法组合的结果进行比较,各项误差均有大幅度降低.
- 赵晓坤汤平魏博
- 关键词：组合预测人工神经网络BP网络
- 基于关联分析的多因素电力负荷预测灰色模型群研究被引量：32
- 2006年
- 针对目前电力负荷预测受到多种因素的影响,在灰色关联分析的基础上对灰色模型群进行了研究。以河北南网用电量为研究对象,将全社会用电量分为若干子系统,使用灰色关联分析的方法确定主因素变量,利用灰色模型群建模法,从不同方面建立多种预测模型,综合协调各个结果得到更为合理的预测值。
- 牛东晓张彤彤陈立荣张博
- 关键词：灰色关联分析负荷预测
- 遗传粒子群混合算法在配电网络重构多目标优化中的应用被引量：1
- 2007年
- 针对配电网络重构多为单一性能最优重构的问题,文章提出了使配电网线损、负荷均衡、供电电压质量最佳的多目标配网优化模型。结合GA中的进化思想和粒子群算法(PSO)中的群体智能技术,采用遗传粒子群混合算法寻优,通过随机权重方法来获得目标是Pareto前沿面的可搜索方向,体现出较GA和PSO更好的寻优性能。寻优过程中,部分个体以PSO方法迭代,其它个体进行GA中的选择、交叉和变异操作,整个群体信息共享,同时采用自适应参数机制和优胜劣汰的思想进化。在此基础上制定的配网优化方案能够在保证配网呈辐射状、满足馈线热容、电压降落要求和变压器容量等的前提下,最大限度地提高配电系统安全性和经济性。算例表明该算法在求解性能和效率两方面都有比较显著的优势。
- 牛东晓顾曦华
- 关键词：多目标优化混合算法配电网络粒子群算法
- 基于神经网络修正的残差智能灰色模型在负荷预测中的应用被引量：4
- 2007年
- 灰色GM(1,1)预测模型,要求样本数据少,具有原理简单、运算方便、短期预测精度高、可检验等优点,在负荷预测中得到了广泛应用,但是也有其局限性。当数据灰度越大,预测精度越差,且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数α造成的,为此引入向量θ,建立残差GM(1,1,θ)模型,利用蚁群优化算法对其进行求解,同时应用神经网络对其预测残差进行优化。实证分析表明,与传统的预测方法相比,大大提高了预测精度,该方法具有一定的实用价值。
- 李艳昌徐帅
- 关键词：人工神经网络蚁群算法残差
- 一种混合智能算法在电网优化中的应用被引量：2
- 2007年
- 针对配电网络重构多为单一性能最优重构,提出了使配电网线损、负荷均衡、供电电压质量最佳的多目标配网优化模型。结合GA中的进化思想和粒子群算法(PSO)中的群体智能技术,采用遗传粒子群混合算法寻优,通过随机权重方法来获得目标是Pareto前沿面的可搜索方向,体现出较GA和PSO更好的寻优性能。在此基础上制定的配网优化方案能够在保证配网呈辐射状、满足馈线热容、电压降落要求和变压器容量等的前提下,最大限度提高配电系统安全性和经济性。算例表明,该算法在求解性能和效率两方面都有比较显著的优势。
- 顾曦华牛东晓
- 关键词：多目标优化混合算法电力测试系统
- 考虑外生变量的广义自回归条件异方差日前电价预测模型被引量：12
- 2007年
- 利用广义自回归条件异方差模型预测电价,并在该模型中引入周用电比率作为外生变量,以增加模型对外界影响的响应。采用上述方法对美国PJM电力市场2004年12月份的日前电价进行预测,结果表明该方法对高峰时段电价的预测精度明显高于与之对比的其他模型,整体预测精度也好于对比模型。
- 牛东晓刘达冯义李金超
- 关键词：电力市场外生变量广义自回归条件异方差
- 基于GARCH误差校正的遗传支持向量机日前电价预测被引量：21
- 2007年
- 针对时间序列预测和智能算法预测各自的侧重点不同,结合两者优点对日前市场电价进行预测。首先建立支持向量机(SVM)模型对单一时点电价进行预测,将遗传算法(GA)嵌入SVM模型中来保证SVM参数选择最优。针对SVM-GA模型训练误差和测试误差存在一定的相关性和条件异方差性,采用广义自回归条件异方差(GARCH)模型对误差序列进行拟合。然后利用拟合好的GARCH模型对SVM-GA模型预测误差进行预测,最后根据GARCH预测结果对SVM-GA模型预测进行校正。用该方法对美国PJM电力市场2005年8月份日前电价进行连续预测,总体平均误差仅8.19%,比普通方法误差减少了将近4个百分点。
- 刘达牛东晓邢棉聂巧平
- 关键词：电力市场电价预测支持向量机遗传算法GARCH模型
- 基于时序分析的神经网络短期负荷预测模型研究被引量：14
- 2005年
- 在负荷预测中,历史负荷数据产生的复杂性和许多不确定因素影响的随机性,使观测到的数据既包含线性部分,又包含许多非线性部分,因此所建立的预测模型就必须综合考虑这2方面的因素。目前常用的预测技术很少能综合考虑这两方面的因素,预测精度达不到要求。本文提出了一种时序分析和神经网络结合的预测方法。由于时序模型中不同阶数的自回归移动平均适合线性预测,可利用自回归移动平均模型(ARM A)处理历史负荷数据中的线性部分;而神经网络模型适合非线性预测,可利用人工神经网络(ANN)模型处理历史负荷数据的非线性部分。这样所建立的模型有机地结合了历史负荷中的线性因素和非线性因素,利用不同模型的优势来处理数据的不同部分,使得预测结果更为准确。实证证明,ARM A-ANN组合预测能提高负荷预测的精度。
- 卢建昌王柳
- 关键词：短期负荷预测时间序列
