發(fā)布時(shí)間：2019-01-18 21:53

【摘要】：針對(duì)電力負(fù)荷進(jìn)行準(zhǔn)確預(yù)測(cè)對(duì)于電力系統(tǒng)的穩(wěn)定運(yùn)行具有重要的意義。利用傳統(tǒng)的數(shù)據(jù)子空間算法進(jìn)行電力負(fù)荷預(yù)測(cè)的過(guò)程中,由于沒(méi)有考慮電力系統(tǒng)的非線性和時(shí)變性,導(dǎo)致預(yù)測(cè)精確度較低。為此,提出一種基于改進(jìn)數(shù)據(jù)子空間算法的電力負(fù)荷預(yù)測(cè)方法,在電力負(fù)荷預(yù)測(cè)子空間方程式中加入反饋因子,在電力負(fù)荷歷史數(shù)據(jù)中加入遺忘因子,利用粒子群算法對(duì)兩種反饋因子和遺忘因子進(jìn)行尋優(yōu),并將尋優(yōu)結(jié)果帶入到改進(jìn)的電力負(fù)荷子空間預(yù)測(cè)模型中進(jìn)行計(jì)算,從而獲得準(zhǔn)確的預(yù)測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明,利用改進(jìn)算法進(jìn)行電力負(fù)荷預(yù)測(cè),能夠提高預(yù)測(cè)精度,效果令人滿意。
[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.
【作者單位】： 河南工程學(xué)院計(jì)算機(jī)學(xué)院;洛陽(yáng)理工學(xué)院電氣工程與自動(dòng)化系;
【基金】：河南省教育廳科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目(14A520066)
【分類號(hào)】：TM715

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 馮沛;段本成;;基于支持向量機(jī)的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)[J];廣西電力;2012年06期

2 牛東曉;魏亞楠;;基于FHNN相似日聚類自適應(yīng)權(quán)重的短期電力負(fù)荷組合預(yù)測(cè)[J];電力系統(tǒng)自動(dòng)化;2013年03期

3 石黃霞;何穎;董曉紅;;基于Elman神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)模型研究[J];工業(yè)儀表與自動(dòng)化裝置;2013年01期

4 劉春霞;張雪艷;;改進(jìn)人工智能神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J];電氣應(yīng)用;2013年04期

5 王濤;彭云華;吳小亞;;基于相關(guān)因素修正的短期電力負(fù)荷回歸預(yù)測(cè)模型[J];電氣自動(dòng)化;2013年01期

6 田軍;;改進(jìn)蟻群算法的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)[J];黑龍江科技信息;2012年35期

7 張政國(guó);吳延增;;基于遺傳算法優(yōu)化LS-SVM的短期電力負(fù)荷預(yù)測(cè)研究[J];蘭州交通大學(xué)學(xué)報(bào);2012年06期

8 張弘;朱永佳;范磊磊;吳巧玲;;基于馬爾科夫修正的中長(zhǎng)期電力負(fù)荷組合區(qū)間預(yù)測(cè)[J];華東電力;2013年01期

9 羅勇;鄭金;寧美鳳;;短期電力負(fù)荷組合預(yù)測(cè)方法研究[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2013年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王寶安;;基于信息結(jié)構(gòu)的支持向量機(jī)二值分類算法在網(wǎng)絡(luò)異常檢測(cè)中的應(yīng)用研究[J];長(zhǎng)春教育學(xué)院學(xué)報(bào);2013年15期

2 黃薇;劉建平;張錦周;王重建;扈慶華;李迎慧;;細(xì)菌性食源性疾病發(fā)病預(yù)測(cè)中Elman神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用[J];公共衛(wèi)生與預(yù)防醫(yī)學(xué);2013年06期

3 王超;李森;;變參數(shù)QPSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J];電子器件;2014年04期

4 張玲玲;楊明玉;梁武;;基于相似日和LS-SVM的微網(wǎng)短期負(fù)荷預(yù)測(cè)[J];電力建設(shè);2014年11期

5 孫錦峰;耿云亮;郭奕瑞;王高帥;高飛飛;劉曉田;尤愛國(guó);王重建;;Elman神經(jīng)網(wǎng)絡(luò)與ARIMA模型對(duì)流感發(fā)病率預(yù)測(cè)效果的比較[J];鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2013年05期

6 吳桂峰;王軒;陳東雷;;基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J];計(jì)算機(jī)仿真;2013年11期

7 路小娟;馬寶峰;張武娟;;鐵路客流量預(yù)測(cè)分析與研究[J];蘭州交通大學(xué)學(xué)報(bào);2013年06期

8 邱翊峰;張毅;李鵬華;劉念;;短期電力負(fù)荷在小波包分解下的徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[J];數(shù)字通信;2013年04期

9 王積建;;中國(guó)人均生活電力消費(fèi)量的等維新陳代謝-加權(quán)Markov-SCGM(1,1)_c預(yù)測(cè)模型[J];系統(tǒng)科學(xué)與數(shù)學(xué);2014年05期

10 肖蕾;李郁俠;;基于自適應(yīng)Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè)[J];西安理工大學(xué)學(xué)報(bào);2014年01期

相關(guān)博士學(xué)位論文 前1條

1 林少伯;含光伏電源的微電網(wǎng)儲(chǔ)能控制技術(shù)研究[D];華北電力大學(xué);2013年

相關(guān)碩士學(xué)位論文 前9條

1 孫婉璐;計(jì)及風(fēng)電并網(wǎng)的短期負(fù)荷EEMD與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[D];西南交通大學(xué);2013年

2 張愛輝;基于多指標(biāo)模型的中長(zhǎng)期電力需求預(yù)測(cè)研究[D];長(zhǎng)沙理工大學(xué);2013年

3 劉重陽(yáng);連云港地區(qū)短期電力負(fù)荷預(yù)測(cè)系統(tǒng)及其人工調(diào)整規(guī)則研究[D];南京理工大學(xué);2013年

4 蔣繼楠;基于小波去噪和人工神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[D];廣西大學(xué);2013年

5 王丹丹;基因表達(dá)式編程在電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究[D];河北工程大學(xué);2013年

6 王志剛;電網(wǎng)規(guī)劃設(shè)計(jì)平臺(tái)中負(fù)荷預(yù)測(cè)軟件的研究與開發(fā)[D];北京建筑大學(xué);2014年

7 沙振亞;泰州市姜堰區(qū)配電網(wǎng)規(guī)劃及相關(guān)問(wèn)題的研究[D];南京師范大學(xué);2014年

8 石雪;基于數(shù)據(jù)挖掘的短期電力負(fù)荷預(yù)測(cè)[D];華南理工大學(xué);2014年

9 周文萍;含分布式光伏的配電網(wǎng)風(fēng)險(xiǎn)分析[D];華北電力大學(xué);2014年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程其云,孫才新,張曉星,周nv,杜鵬;以神經(jīng)網(wǎng)絡(luò)與模糊邏輯互補(bǔ)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)模型及方法[J];電工技術(shù)學(xué)報(bào);2004年10期

2 陳章潮;用經(jīng)濟(jì)模型預(yù)測(cè)地區(qū)電網(wǎng)負(fù)荷[J];電力系統(tǒng)自動(dòng)化;1988年02期

3 高山,單淵達(dá);神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測(cè)輸入變量選擇新方法[J];電力系統(tǒng)自動(dòng)化;2001年22期

4 朱六璋;;短期負(fù)荷預(yù)測(cè)的組合數(shù)據(jù)挖掘算法[J];電力系統(tǒng)自動(dòng)化;2006年14期

5 蔣小亮;蔣傳文;彭明鴻;林海濤;李子林;;基于時(shí)間連續(xù)性及季節(jié)周期性的風(fēng)速短期組合預(yù)測(cè)方法[J];電力系統(tǒng)自動(dòng)化;2010年15期

6 黃帥棟;衛(wèi)志農(nóng);高宗和;楊爭(zhēng)林;孫國(guó)強(qiáng);孫永輝;;基于非負(fù)矩陣分解的相關(guān)向量機(jī)短期負(fù)荷預(yù)測(cè)模型[J];電力系統(tǒng)自動(dòng)化;2012年11期

7 陳柔伊,張堯,武志剛,陳澤淮;改進(jìn)的模糊聚類算法在負(fù)荷預(yù)測(cè)中的應(yīng)用[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2005年03期

8 陳澤淮;張堯;武志剛;;RBF神經(jīng)網(wǎng)絡(luò)在中長(zhǎng)期負(fù)荷預(yù)測(cè)中的應(yīng)用[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2006年01期

9 王奔;冷北雪;張喜海;單纕，

本文編號(hào)：2411166