电力负荷非线性预测方法与研究方向探讨

被引:12
作者
刘燕
龙新峰
梁平
机构
[1] 广东省电力工业学校,华南理工大学化工与能源学院,华南理工大学电力学院广东广州,广东广州,广东广州
基金
广东省自然科学基金;
关键词
电力负荷; 预测; 非线性:模型; 神经网络; 分形理论;
D O I
暂无
中图分类号
TM715 [电力系统规划];
学科分类号
080802 [电力系统及其自动化];
摘要
进行精确的负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。传统的预测方法主要是运用经典的确定性理论,而电力需求受众多因素影响,具有复杂的非线性特征,运用经典的预测方法可能会抹杀负荷变化复杂性本质。为此,通过对影响电力负荷变化因素及电力市场非线性特征的分析,介绍了几种非线性预测方法的构成原理与特点,包括基于人工神经网络(ANN)、小波分析、模糊理论、灰色理论、分形理论和支持向量机的负荷预测,并对近年来各非线性预测方法及其组合预测的主要研究成果进行了总结与评述。同时根据国内外电力系统负荷预测的现状与经验,对未来的主要研究方向作了一些有益的探讨。
引用
收藏
页码:1 / 6
页数:6
相关论文
共 16 条
[1]
基于最优可信度的月度负荷综合最优灰色神经网络预测模型 [J].
李媛媛 ;
牛东晓 .
电网技术, 2005, (05) :16-19
[2]
多元指数加权电力负荷灰色优化组合预测 [J].
邢棉 ;
杨实俊 ;
牛东晓 ;
孙伟 .
电网技术, 2005, (04) :8-11
[3]
基于免疫支持向量机方法的电力系统短期负荷预测 [J].
吴宏晓 ;
侯志俭 .
电网技术, 2004, (23) :47-51
[4]
基于分形的社会总用电量及其构成预测 [J].
樊福梅 ;
梁平 .
中国电机工程学报, 2004, (11)
[5]
基于支持向量机的电力系统短期负荷预测 [J].
潘峰 ;
程浩忠 ;
杨镜非 ;
张澄 ;
潘震东 .
电网技术, 2004, (21) :39-42
[6]
基于支持向量机的船舶电力负荷预测 [J].
王锡淮 ;
朱思锋 .
中国电机工程学报, 2004, (10)
[7]
小波神经网络及其在电力负荷预测中应用概述 [J].
张大海 ;
毕研秋 ;
邹贵彬 ;
江世芳 .
电力系统及其自动化学报, 2004, (04) :11-15+26
[8]
小波模糊神经网络在电力系统短期负荷预测中的应用 [J].
邰能灵 ;
侯志俭 .
中国电机工程学报, 2004, (01)
[9]
短期负荷预测的支持向量机方法研究 [J].
李元诚 ;
方廷健 ;
于尔铿 .
中国电机工程学报, 2003, (06)
[10]
非线性季节型电力负荷灰色组合预测研究 [J].
李金颖 ;
牛东晓 .
电网技术, 2003, (05) :26-28+50