基于GA-WNN模型的光伏中期功率预测研究

为解决光伏发电存在限电情况下,光伏中期功率预测结果偏小导致预测精度降低的问题,提出了一种基于光伏可用功率的遗传算法(GA)优化小波神经网络(WNN)的预测模型。GA-WNN模型在预测日的相近日期内覆盖晴天、雨天、多云等多种天气类型,通过模糊C-均值聚类算法辨识限电情况,并将光伏可用功率作为训练目标,建立了WNN光伏中期预测训练模型。GA-WNN模型以预测日获取的光伏数值天气预报作为输入,经过训练后可以直接预测未来1~10 d的光伏中期功率。通过新疆某光伏运行电站的实际运行数据进行验证,预测精度达96%以上。将GA应用于WNN预测模型中,可显著提高光伏中期功率预测精度。

基于BP神经网络-时间序列模型的中期负荷预测

电力负荷预测在电力系统运行和规划中具有重要作用。它有助于电力公司更好地管理电力供应,提高电力系统的效率,减少能源浪费,以及满足用户对电力的需求。本文首先对研究人员收集的原始数据进行预处理,采用传统的时间序列分析法对电力负荷进行预测,发现其在时间尺度较长的预测中误差较大。其次,研究人员引入BP神经网络(back propagation neural network, BPNN)模型,与时间序列分析法相结合,利用全国内连续12个月的用电量去预测次月的用电量。最后,研究人员在仿真预测中分析了影响因子对其影响的情况。仿真结果表明,时间序列分析法和BP神经网络协同使用会大大减小中期电力负荷预测误差,引入影响因子分析后会使预测结果准确率进一步提高。

基于WRF模式和风速误差修正的中期风电功率预测方法

随着新能源保供电的重要性日渐凸显,调度人员对中期风电功率预测的需求程度也进一步加深。针对由预测前瞻时间增长导致的风速预测误差不断增大问题,提出一种基于中尺度数值天气预报模式(WRF)和风速误差修正的中期风电功率预测方法。首先,利用WRF模式获取高时空分辨率的数值天气预报数据;然后,采用混合高斯分布算法量化表征预测误差的时序规律,构建基于隐马尔科夫模型(HMM)的风速预测误差修正方法;最后,基于误差修正后的风速预测建立极端梯度增强(XGBoost)模型进行功率预测。算例分析表明,所提误差修正算法显著提升了风速预测精度,同时可有效降低中期风电功率预测误差。

基于集群划分和LightGBM-KDE的区域风电中期概率预测

随着新能源保供电重要性日渐增强,调度人员对中期风电功率预测的需求程度也进一步加深。针对气象资源时空分布时序差异性波动大以及随着预测前瞻时间的延迟,区域风电功率预测不确定性合理评估难的问题,提出了基于集群划分和LightGBM-KDE的区域风电中期概率预测。首先对空间气象特征参数进行有效识别,并对风电集群出力波动性进行研究,利用减法聚类对风电场集群进行合理划分;然后基于集群划分结果,利用LightGBM算法建立中期风电功率预测模型;最后对功率预测误差采用非参数核密度估计计算概率密度分布,最终建立基于集群划分和LightGBM-KDE的240 h区域风电中期概率预测模型。算例结果表明,所提方法在区域风电中期概率预测中具有更高的精度。

我国西部大三角形地区的大震活动周期与8级左右巨震的中期预测

我国西部的板内地震是由三个古板块(太平洋板块,欧亚板块和印度洋板块)的相互碰撞和挤压所造成,形成了大三角形地震块体,M≥7.0的大震大都发生在大三角形的三个角和三条边附近。根据大震活动的时高时低的实际情况分析,大致有11年左右的高潮期(活跃期)和低潮期(相对平静期),从目前掌握的资料分析来看M≥7.7的巨震有90年的组合周期存在,因此可以作出未来8级左右巨震的中期预测,一般误差为1年。

基于相关向量机的电力负荷中期预测

针对电力负荷中期预测比较困难并且存在较大误差的问题,提出了一种基于相关向量机的中期预测方法.结合EUNITE网络提供的实际数据,研究了日最大负荷前后期关系、日最大负荷与节假日的关系和当日与对应星期数的相关性,并建立了相应的电力负荷中期预测模型.该模型是将与某天相关的n个前期信息作为该天的日最大负荷的输入量,而日最大负荷与节假日、当日(星期数)的关系信息用两个二元值表示.在模型训练前,将输入量的前7个属性值和预测目标值进行归一化处理 采用不同训练样本集的仿真实验结果表明,相关向量机方法比支持向量机方法具有更多的优点,当高斯核函数的宽度值取为2 0时,相关向量机方法具有较为理想的预测效果.

2008年新疆于田Ms7.3地震的中期预测

根据中国地壳运动观测网络工程获得的重力变化及强震活动性,介绍2008年新藏交界地区(36.0°N,80.0°E为中心,半径200km)Ms7.3地震中期预报的基本依据及重力场动态演化图像。

新疆乌什6.2级地震的中期预测

介绍了利用地倾斜资料和中国地壳运动网络工程GPS复测资料对新疆地区震情进行跟踪研究的基本依据、方法和过程,对2005年2月15日发生的乌什Ms6.2地震给出了较好的年度预测意见。

基于LS-SVM方法的景区客流中期预测研究

受到季节性、外部冲击和经济周期等因素作用的景区客流波动幅度大,其预测一直是旅游学研究中的难题,尤其是中长期预测。文章采用当前使用极为广泛的最小二乘支持向量机方法(least squares support vector machines,LS-SVM)对黄山风景区客流月度数据(1987年1月～2010年12月)进行了2年时间尺度的预测,结果表明:采用LS-SVM方法进行景区客流中期预测,其预测的各项性能指标均明显优于BP神经网络(Back Propagation Neural Network)、X-12-ARIMA(Autoregressive Integrated Moving Average Model)、经验模态分解(empirical mode decomposition,EMD)与LS-SVM组合预测方法,即EMD-LSSVM方法,预测效果理想,并且具有训练时间短、精度高等优点。其较为准确的预报能力能够为景区规划管理和战略决策提供科学依据,具有较高的实用价值。

华北棉田二代棉铃虫发生程度中期预测

在华北棉区用扫网法和目测查虫法调查麦田一代棉铃虫幼虫发生量，用比较法和生命表分析法预测二代棉铃虫在棉田的发生程度和虫口密度。经１９９１—１９９４年应用检验，预测结果均与实际发生情况吻合。

芦山地震:一个成功的中期预测案例

2013年4月20日MS7.0级芦山地震是2008年汶川地震以后龙门山断裂带的又一个灾难性的地质事件。文中回顾了对芦山地震的成功中期预测并给出了预测的依据。2012年11月25日上午,中国地球物理学会天灾预测专业委员会讨论中国西南地区中期地震预测问题。专业委员会主任耿庆国回顾了2012年4月作出的中期预测,认为2012年5月至2013年5月期间,在我国西南地区可能存在MS7～8级地震。参加会议的委员们同意这一时间预测和震级预测,但是在震中位置预测方面存在不同意见。文章第一作者在会上作了一个报告,并展示了确切的震中预测位置图,即位于四川省雅安与康定连线的中间位置。这一预测的依据主要有两个方面:一方面,雅安西侧与汶川两地,具有两个特征相同的独立的卫星重力局部高异常;二是汶川(5.12)大震只是释放了龙门山断裂带北东段的能量和应力,这导致能量和应力在龙门山断裂带南西段,特别是南西端与重力异常突变叠加区(即中上地壳密度突变区)的加速积累和集中。芦山地震震中位于雅安芦山,与预测震中位置仅相差80km,发震时间在2013年5月前。芦山地震中期预测的成功给予我们很多启示。作为一种地质过程,地震应该有其自身的规律可循;成功的地震预测需要多方面观测信息的综合分析,正是基于此,目前迫切需要国家的或者国际的具有综合分析经验的专家组和有效的前兆信息平台;卫星重力异常数据的处理和更新将有助于缩小强震预测的包围圈。

核主成分回归方法在电力负荷中期预测中的应用

在分析核主成分回归原理及其与最小二乘方法关系的基础上,针对电力负荷中期预测的影响变量间存在着的非线性关系信息,提出使用主成分回归方法进行电力负荷中期预测,一定程度上解决了误差传播的问题,系统的预测精度得到了提高。使用核主成分回归进行了模型实验,探讨了模型训练样本选取、数据处理、参数选择和训练方法等方面的问题,并对实验结果进行了分析讨论。实验表明,在模型不很复杂的情况下,可以使用直接搜索的方法有效地设置应提取的非线性主成分个数p的值。

江苏省通州市稻纵卷叶螟中期预测预报的研究

利用多维时间序列分析方法，对江苏通州市稻纵卷叶螟各代次的发生高峰日、高峰日蛾量及世代累计蛾量提前1～2个月作预测，二年预测结果准确率平均超过85％，为害虫的中期预测预报提供了一种新的应用方法。另外，对如何选择预测预报因子也作了深入讨论。

地震活动中期预测指标研究及其空间图像演化

在研究应用模糊数学和非线性科学某些方法的基础上，通过实际预报检验，对一些中期预报较好的方法，如平静异常μq值、自相似从属函数μS值、自助统计方σBM值进行深入研究，提取中期预报定量化指标，探索孕震后期地震活动图像演化特征。结果表明：μq、μS、μBM值能够较好地反映地震前中期—短期异常变化特征，可以作为中期预报定量化指标；空间时序图像系列的显示，能定性反映震前异常区域及地震活动图像演化特征。

基于ADE-SVM和模糊理论的电力系统中期负荷预测

在基于支持向量机(SVM)的电力系统中期负荷预测的基础上,针对SVM参数难以确定的问题,在引进微分进化(DE)算法优化SVM参数的基础上,为了减少DE的寻优时间,提高全局搜索能力,用基于学习样本集噪声估计的方法确定SVM参数的范围作为DE的寻优范围,以指导DE寻优。同时,引进自适应算子,采用参数自适应DE(ADE)算法选择SVM参数。由于影响负荷的气温因素是模糊的,利用隶属度函数对气温因素进行模糊化处理,进一步提高了预测精度。将上述方法用于欧洲智能技术网络(EUNITE)竞赛数据的中期电力负荷预测,结果表明,该方法能够准确预测负荷变化,且比其他算法具有更高的预测精度,为电力系统负荷预测提供了重要手段。

对日本9级地震的中期预测及其依据

对2011年3月11日发生在日本的9级大地震所做出的中期预测进行小结,并对所提出预测意见及其依据做了简要论述。预测地区在日本南部、台湾以及菲律宾一带;预测震级为8～8.3级;预测时间是今后几年;预测依据是青藏滇缅印尼歹字型构造体系。预测地震三要素与日本9级大地震三要素的对比结果表明,这一中期预测是基本正确的。

基于谱分析与LS-SVM的中期电力负荷预测

针对支持向量机方法在短系列电力负荷预测中存在空间划分参数的选择受主观因素影响的缺点,提出了谱分析和最小二乘支持向量机相结合的负荷预测方法。该方法采用谱分析预测实际发生最大电力负荷值的周期,根据周期来确定SVM的训练模型。该方法可有效地避免参数选择中的人为因素,提高预测精度。从实际算例可看出,除最后一个点位相对误差为8.67%外,其余点位的相对误差均低于±5%,实测值与预测值的拟合度较好,预测精度较高。

考虑春节影响的中期电量预测

针对中期用电量预测一、二月份由于春节影响而带来的特殊性,建立分段预测模型。根据除夕转换成阳历的日期情况来分段预测日用电量,累加日用电量来获得月用电量。该模型比起常规中期预测方法更能反映真实情况,克服了一、二月受春节影响程度每年都不同,影响程度相似的历史数据又非常有限而导致的预测困难。经广东省某地区实际数据的预测仿真计算,证明该模型有较好的预测精度,填补了特殊月中期预测的空白,有较高的实用性和推广性。

基于人工神经网络的中期电力负荷预测研究

采用人工神经网络(ANN)进行电力负荷中期预测.阐述了人工神经网络的基本原理和反向传播算法(BackPropagation).根据实际情况建立了人工神经网络的模型并利用VisualBasic编制了相应的计算程序.进行了实例计算,并验证了ANN适用于中期电力负荷预测.

由三性法讨论2017年8月8日四川九寨沟7级地震的中期预测

九寨沟和其周围地区20世纪共发生3次强震,它们在时间轴上符合以42年为周期的三性分布。从1976年松潘地震起算跨越此周期可预测2018年再次发生强震。该地区实际地震前一周期比42年多一年,则从1976年松潘地震起算向新的周期减一年,可预测2017年再次发生强震。