综合BP神经网络及气温因素的日负荷预测方法被引量：3

Approach to Daily Load Forecasting Based on BP Neural Networks and Weather Factors

下载PDF

导出

摘要随着社会经济的快速发展,空调及取暖负载在总用电负荷中的比重日益增加,气温变化引起的负荷波动趋势越来越明显.本文通过分析2003年6～8月金华市总用电负荷和气温数据,提出在传统短期负荷预测方法中增加了气温数据作为辅助输入变量,对于提高短期日负荷预测精度、增加电力系统调度效率以及缓解区域供电不足等方面具有重要意义.

作者于巧梅蒋锋

机构地区浙江金华气象局浙江金华电业局

出处《云南电力技术》 2006年第2期5-7,共3页 Yunnan Electric Power

关键词气温变化短期负荷预测电力系统调度

分类号 TM715 [电气工程—电力系统及自动化]

引文网络
相关文献

参考文献1

1刘晨晖.电力系统负荷预报理论与方法[J].哈尔滨:哈尔滨工业大学出版社,1987,.

同被引文献22

1Shuai Liu,Ruipeng Gang,Chenghua Li,Ruixia Song.Adaptive deep residual network for single image super-resolution[J].Computational Visual Media,2019,5(4):391-401. 被引量：3
2牛东晓,谷志红,邢棉,王会青.基于数据挖掘的SVM短期负荷预测方法研究[J].中国电机工程学报,2006,26(18):6-12. 被引量：118
3沈家芬,张凌,莫测辉,冯建军.广州市空气污染物和气象要素的主成分与典型相关分析[J].生态环境,2006,15(5):1018-1023. 被引量：38
4黄燕波.SPSS在气象统计分析中的应用[J].气象研究与应用,2007,28(A01):76-77. 被引量：16
5刘云如,易叶青,羊四清.基于小波域多元非线性回归的鲁棒性数字水印算法[J].计算技术与自动化,2008,27(1):57-60. 被引量：2
6徐东升,杨巍,魏哲,刘国兴.基于SPSS的短期负荷特性分析及其预测研究[J].电力系统保护与控制,2009,37(21):147-151. 被引量：27
7谢素超,高广军.薄壁结构吸能预测的多元非线性回归分析[J].应用基础与工程科学学报,2010,18(4):714-721. 被引量：17
8王冀,宋瑞艳,郭文利.统计降尺度方法在北京月尺度预测中的应用[J].气象,2011,37(6):693-700. 被引量：9
9姜文瑞,王玉英,郝小琪,李富鹏.决策树方法在气温预测中的应用[J].计算机应用与软件,2012,29(8):141-144. 被引量：11
10李勇.基于多种数学模型的电力需求预测系统[J].电子世界,2013(7):89-90. 被引量：1

引证文献3

1赵东雷,库巍,李丹华,李文浩,花广如.气象因素对电力系统短期负荷预测精度的影响[J].云南电力技术,2017,45(3):49-52.
2胡怡霜,夏翔,丁一,方建亮.基于因子和趋势分析反馈的多元回归负荷预测[J].电力需求侧管理,2018,20(6):22-25. 被引量：15
3杨乐,马驰,胡辉,黄冬.基于改进LSTMs模型的区域中长期气温预测方法研究[J].惠州学院学报,2021,41(6):75-79. 被引量：1

二级引证文献16

1刘士进,孙立华,郭鹏.基于EEDM-Arima算法的某地区电力系统负荷预测及算例分析[J].电子测量技术,2020(7):185-188. 被引量：13
2陈健,金杨,叶延君,简单.需求侧气象敏感用电量特征分析[J].浙江电力,2019,38(7):70-74. 被引量：1
3张丹丹,胡钢,卢静,尹晓东,任其文.基于GAD-BP神经网络的短期负荷预测[J].电子测量技术,2019,42(24):143-147. 被引量：12
4赖水生,肖军,蓝贤钢,左小德.广州某城中村低压用电负荷的特性与需求预测研究[J].电力需求侧管理,2020,22(5):73-77. 被引量：3
5郭虹,李壮举.基于中央空调的几种负荷预测方法对比分析[J].建筑热能通风空调,2020,39(9):1-5. 被引量：7
6段炼,洪海生,乡立,林海,许中平,岳首志.考虑分时段负荷行为的短期负荷预测方法[J].电力需求侧管理,2021,23(1):77-83. 被引量：10
7邵宇鹰,彭鹏,张秋桥,王冰.基于极限学习机与负荷密度指标法的空间负荷预测[J].电力工程技术,2021,40(1):86-91. 被引量：10
8黄馨乐,于军琪.基于生成对抗网络的深度Q学习空调冷负荷预测算法[J].建筑节能（中英文）,2021,49(9):105-108. 被引量：1
9李彬,陈达理,祁兵,孙毅,陈宋宋.基于改进型蚁狮混合优化系统模型负荷可调节能力预测[J].电力信息与通信技术,2022,20(1):81-91. 被引量：2
10谭风雷,丁心志,张军,陈昊,何嘉弘.基于变化趋势和气象因子的加权负荷预测方法[J].电力需求侧管理,2022,24(3):66-72. 被引量：2

1张震宇,吕育青,蒋锋.BP神经网络在计及气温因素的短期日负荷预测中的应用[J].浙江电力,2007,26(1):6-9. 被引量：7
2李春民.考虑气温因素的神经网络在短期电力负荷预测中的应用[J].中小企业管理与科技,2012(31):202-204.
3杨长兴,杨龙.神经网络在考虑气温因素短期负荷预测中的应用[J].福建电脑,2009,25(4):93-94. 被引量：2
4续强.计算机技术于电力系统自动化中的应用[J].信息技术与信息化,2014(5):248-250. 被引量：3
5沈梁玉,于欣.基于支持向量机的夏季电力负荷短期预测方法[J].华东电力,2009,37(11):1844-1847. 被引量：8
6尹飞,刘忠,范一龙.基于二次聚类的低压台区负荷特性分析[J].中国电力教育（下）,2014(10):125-128. 被引量：1
7李泓泽,赵小菡.气温因素对北京市全社会月用电量影响的分析[J].现代工业经济和信息化,2017,7(3):10-12.
8王鑫,胡伟,黄伟兵.风电接入对宁夏电网静态电压的影响研究[J].宁夏电力,2014(6):37-42.
9李磊.新时代下电网调度自动化技术的发展分析[J].硅谷,2012,5(8):4-5. 被引量：2
10於冬雪,李扬,周毅波.南宁地区负荷特性及温度相关性分析[J].电力需求侧管理,2013,15(5):6-10. 被引量：2

云南电力技术

2006年第2期

浏览历史

内容加载中请稍等...

综合BP神经网络及气温因素的日负荷预测方法被引量：3

参考文献1

同被引文献22

引证文献3

二级引证文献16

相关作者

相关机构

相关主题

浏览历史

综合BP神经网络及气温因素的日负荷预测方法 被引量：3

参考文献1

同被引文献22

引证文献3

二级引证文献16

相关作者

相关机构

相关主题

浏览历史

综合BP神经网络及气温因素的日负荷预测方法被引量：3