间接预测法在母线负荷预测中的应用

为避免220 kV母线供电区域内负荷转供、停电以及小电源等因素对母线负荷预测的不利影响,提出了一种间接预测母线负荷的方法。首先把母线下网负荷转换成该母线供电区域内的理想用电负荷,再将该理想用电负荷作为历史负荷数据采用系统负荷预测的算法进行预测得到初步预测结果,同时获取待预测日各种影响因素的值,初步预测结果剔除各种影响因素间接预测出母线下网负荷值。实例证明了相对于以母线下网负荷值作为历史数据的直接预测法,该方法的应用对供电区域内含有小电源的母线负荷预测的准确率有着明显的提高。

2010年、2015年中国煤炭需求预测研究

根据我国煤炭需求的复杂性和影响因素,从直接预测和间接预测的角度,综合分析我国煤炭下游行业的消费预期,以及我国经济增长速度的拉动影响,预测了我国2010年、2015年煤炭需求量。

未来中长期我国煤炭需求预测

系统总结了我国煤炭消费现状,分析了影响煤炭消费的因素,以大量详实的数据为基础,通过对用煤行业需求直接预测和煤炭需求总量间接预测,最终给出综合预测结果:2017年39.14亿t,2018年39.86亿t,2019年40.56亿t,2020年41.05亿t。

光伏发电短期预测研究进展综述

随着光伏电站装机容量的迅速增加,光伏发电功率短期预测对电力部门合理规划调度用电起到了重要作用。文中对近年来国内外光伏发电短期预测的研究进展进行了综述,分析、讨论了间接预测方法和直接预测方法的优势与不足。结果表明:间接预测方法的预测精度高于直接预测方法,而直接预测方法的优势在于无需建立光照幅度预测模型,建模较为容易,其中大量使用的混合预测模型具备更好的适应性和容错性。此外,天气变化是影响光伏发电功率短期预测准确性的一个关键因素,研究人员为此提出多种解决方法以降低天气状况对功率预测的影响。

震害经济损失的全概率预测

如何分析一个地区在未来地震中的经济损失水平,对于在现阶段采取相应的防震减灾对策有很大的决策参考意义。过去的震害损失预测分析,一般在考虑地震危险性时是有概率水平的,可是在分析震害及经济损失时,没有充分考虑这些因素的概率特征。本文从全概率的公式为基础,建立了区域震害经济损失预测的概率分析模型,综合考虑了地震、场地、结构和当地经济发展水平的影响。进而在对这个模型作一些简化以后,提出了以结构物破坏等级为基础的震害经济损失分析预测方法。此外,本文在如何考虑场地液化等方面也作了分析探讨。

城市地震灾害经济损失预测方法探析

结合城市地震灾害损失大、牵连性强的特点,对目前地震灾害损失的预测方法进行了探析,认为在地震灾害损失预测时应把受灾城市看作一个灾场,充分考虑城市各系统之间的相互影响和作用,并找到预测城市地震灾害经济损失的具体方法。

交通规划间接影响区范围界定的方法研究

交通小区划分是交通调查和交通需求量预测的前提,确定划分交通小区的区域就显得十分重要。区域范围包括直接规划区和间接影响区。目前针对交通小区划分有一些原则,但是对于间接影响区范围界定并无相关研究。在分析小区划分与交通需求量预测相关原理后,探讨间接影响区范围界定的相关影响因素,并建立了交通规划间接影响区范围界定的定量计算模型。经实例验证,模型合理,可用于规划参考。

时间序列分析法在资料插补及趋势预报中的应用

本文应用ＡＲ（Ｐ）模法和周期分析法对广州、香港、汕头三地区的长时间气温序列的缺测部分进行插补并进行趋势预报。

城市地震灾害经济损失预测方法综述

本文结合城市地震灾害损失大、牵连性强的特点,对现有地震灾害损失的预测方法进行了讨论和评述,认为在地震灾害损失预测时应把受灾城市看作一个灾场,充分考虑城市各系统之间的相互影响和作用,最后指出了进一步研究的方向和内容。

光伏发电系统功率预测方法研究综述

光伏发电大规模并网给电网的稳定运行带来巨大挑战,提高光伏发电功率预测水平对光伏能源并网安全具有重要意义。光伏发电系统功率输出具有明显的非线性、间接波动性和不确定性特点,须采用数学模型结合多尺度预测方法实现较高预测精度。针对多元线性回归算法、马尔科夫链预测、神经网络算法、支持向量机和组合预测等光伏系统输出功率的直接预测方法,及基于光伏电站精确建模的光伏系统输出功率的间接预测法,从基本思想、技术路线、适用条件和应用效果的角度进行分析与总结。当前功率预测方法主要有基于统计学的某种学习方法和组合预测方法,数据处理加工是关键因素。预测数据可用性的评估标准和预测方法的工程应用是未来研究工作的重点。

间接确定石灰岩体的瓦斯含量及其在工作面瓦斯涌出量预测中的应用

煤岩体瓦斯含量的确定是预测工作面、矿井瓦斯涌出量的基础工作。一般而言,瓦斯以吸附态和游离态存在于煤岩体中。实验证明,石灰岩体的瓦斯吸附量很小。主要分析了瓦斯在石灰岩体中的赋存状态,研究并确定了石灰岩体瓦斯含量的间接计算方法,并对工作面瓦斯涌出量进行预测,取得了较高的预测精度。