【摘要】：針對電力負荷進行準確預測對于電力系統(tǒng)的穩(wěn)定運行具有重要的意義。利用傳統(tǒng)的數(shù)據(jù)子空間算法進行電力負荷預測的過程中,由于沒有考慮電力系統(tǒng)的非線性和時變性,導致預測精確度較低。為此,提出一種基于改進數(shù)據(jù)子空間算法的電力負荷預測方法,在電力負荷預測子空間方程式中加入反饋因子,在電力負荷歷史數(shù)據(jù)中加入遺忘因子,利用粒子群算法對兩種反饋因子和遺忘因子進行尋優(yōu),并將尋優(yōu)結果帶入到改進的電力負荷子空間預測模型中進行計算,從而獲得準確的預測結果。實驗結果表明,利用改進算法進行電力負荷預測,能夠提高預測精度,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】： 河南工程學院計算機學院;洛陽理工學院電氣工程與自動化系;
【基金】：河南省教育廳科學技術研究重點項目(14A520066)
【分類號】：TM715

【參考文獻】

相關期刊論文 前9條

1 馮沛;段本成;;基于支持向量機的中長期電力負荷預測[J];廣西電力;2012年06期

2 牛東曉;魏亞楠;;基于FHNN相似日聚類自適應權重的短期電力負荷組合預測[J];電力系統(tǒng)自動化;2013年03期

3 石黃霞;何穎;董曉紅;;基于Elman神經(jīng)網(wǎng)絡的電力負荷預測模型研究[J];工業(yè)儀表與自動化裝置;2013年01期

4 劉春霞;張雪艷;;改進人工智能神經(jīng)網(wǎng)絡的短期電力負荷預測[J];電氣應用;2013年04期

5 王濤;彭云華;吳小亞;;基于相關因素修正的短期電力負荷回歸預測模型[J];電氣自動化;2013年01期

6 田軍;;改進蟻群算法的中長期電力負荷預測[J];黑龍江科技信息;2012年35期

7 張政國;吳延增;;基于遺傳算法優(yōu)化LS-SVM的短期電力負荷預測研究[J];蘭州交通大學學報;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期電力負荷組合區(qū)間預測[J];華東電力;2013年01期

9 羅勇;鄭金;寧美鳳;;短期電力負荷組合預測方法研究[J];鄭州大學學報(工學版);2013年01期

【共引文獻】

相關期刊論文 前10條

1 王寶安;;基于信息結構的支持向量機二值分類算法在網(wǎng)絡異常檢測中的應用研究[J];長春教育學院學報;2013年15期

2 黃薇;劉建平;張錦周;王重建;扈慶華;李迎慧;;細菌性食源性疾病發(fā)病預測中Elman神經(jīng)網(wǎng)絡模型的應用[J];公共衛(wèi)生與預防醫(yī)學;2013年06期

3 王超;李森;;變參數(shù)QPSO算法優(yōu)化神經(jīng)網(wǎng)絡的短期電力負荷預測[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)短期負荷預測[J];電力建設;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;王重建;;Elman神經(jīng)網(wǎng)絡與ARIMA模型對流感發(fā)病率預測效果的比較[J];鄭州大學學報(醫(yī)學版);2013年05期

6 吳桂峰;王軒;陳東雷;;基于優(yōu)化神經(jīng)網(wǎng)絡的短期電力負荷預測[J];計算機仿真;2013年11期

7 路小娟;馬寶峰;張武娟;;鐵路客流量預測分析與研究[J];蘭州交通大學學報;2013年06期

8 邱翊峰;張毅;李鵬華;劉念;;短期電力負荷在小波包分解下的徑向基神經(jīng)網(wǎng)絡預測方法[J];數(shù)字通信;2013年04期

9 王積建;;中國人均生活電力消費量的等維新陳代謝-加權Markov-SCGM(1,1)_c預測模型[J];系統(tǒng)科學與數(shù)學;2014年05期

10 肖蕾;李郁俠;;基于自適應Elman神經(jīng)網(wǎng)絡的短期風電功率預測[J];西安理工大學學報;2014年01期

相關博士學位論文 前1條

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

相關碩士學位論文 前9條

1 孫婉璐;計及風電并網(wǎng)的短期負荷EEMD與神經(jīng)網(wǎng)絡預測方法[D];西南交通大學;2013年

2 張愛輝;基于多指標模型的中長期電力需求預測研究[D];長沙理工大學;2013年

3 劉重陽;連云港地區(qū)短期電力負荷預測系統(tǒng)及其人工調整規(guī)則研究[D];南京理工大學;2013年

4 蔣繼楠;基于小波去噪和人工神經(jīng)網(wǎng)絡的短期電力負荷預測[D];廣西大學;2013年

5 王丹丹;基因表達式編程在電力負荷預測中的應用研究[D];河北工程大學;2013年

6 王志剛;電網(wǎng)規(guī)劃設計平臺中負荷預測軟件的研究與開發(fā)[D];北京建筑大學;2014年

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

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

9 周文萍;含分布式光伏的配電網(wǎng)風險分析[D];華北電力大學;2014年

【二級參考文獻】

相關期刊論文 前10條

1 程其云,孫才新,張曉星,周nv,杜鵬;以神經(jīng)網(wǎng)絡與模糊邏輯互補的電力系統(tǒng)短期負荷預測模型及方法[J];電工技術學報;2004年10期

2 陳章潮;用經(jīng)濟模型預測地區(qū)電網(wǎng)負荷[J];電力系統(tǒng)自動化;1988年02期

3 高山,單淵達;神經(jīng)網(wǎng)絡短期負荷預測輸入變量選擇新方法[J];電力系統(tǒng)自動化;2001年22期

4 朱六璋;;短期負荷預測的組合數(shù)據(jù)挖掘算法[J];電力系統(tǒng)自動化;2006年14期

5 蔣小亮;蔣傳文;彭明鴻;林海濤;李子林;;基于時間連續(xù)性及季節(jié)周期性的風速短期組合預測方法[J];電力系統(tǒng)自動化;2010年15期

6 黃帥棟;衛(wèi)志農;高宗和;楊爭林;孫國強;孫永輝;;基于非負矩陣分解的相關向量機短期負荷預測模型[J];電力系統(tǒng)自動化;2012年11期

7 陳柔伊,張堯,武志剛,陳澤淮;改進的模糊聚類算法在負荷預測中的應用[J];電力系統(tǒng)及其自動化學報;2005年03期

8 陳澤淮;張堯;武志剛;;RBF神經(jīng)網(wǎng)絡在中長期負荷預測中的應用[J];電力系統(tǒng)及其自動化學報;2006年01期

9 王奔;冷北雪;張喜海;單纕，

本文編號：2411166