加权一阶局域法在电力系统短期负荷预测中的应用

在混沌时间序列的基础上提出加权一阶局域法 ,并将其应用于电力系统历史负荷数据序列进行预测 .通过对华东某电网实际负荷数据进行预测 ,结果令人满意 .

加权一阶局域法在边坡位移预测中的应用研究

目前,常用的变形预测分析方法有[1]:确定函数法、统计回归分析法、混沌时间序列分析法等。其中混沌时间序列分析法可以在未直接考虑引起位移变形的有关随机因素的条件下,对历史观测数据进行重构相空间处理,建模比较简单、计算量小、预测精度较高。研究建立了加权一阶局域法多步预报模型,运用Matlab6.5编制了计算程序,并利用预报模型进行了典型混沌系统的预测和水利工程高边坡位移预测,取得了较好的预测效果。

混沌时间序列预测的改进型加权一阶局域法

提出了一种用于混沌时间序列预测的改进型加权一阶局域法。用衰减系数对分维指数加权一阶局域法的向量距离公式进行修正,调节邻近点与中心点的相关性,也调节了同一邻近点的各个分量和中心点的最后一个分量的关联程度。利用该方法对Logistic混沌时间序列进行预测的结果表明,衰减系数取最佳值时,相对于现有算法,该方法可以更精确地预测混沌时间序列。

基于多嵌入维加权一阶局域法煤矿灾害混沌时间序列预测

煤矿生产过程中常伴有煤与瓦斯突出等矿井动力灾害,威胁矿工的生命安全。文章提出了多嵌入维加权一阶局域法,并通过Lorenz混沌时间序列对该方法进行了验证且与加权一阶局域法进行了比较。通过对矿井灾害预测表明,应用多嵌入维加权一阶局域法预测结果的精度得到了提高。该方法具有较好的适应能力和鲁棒性。

基于多变量加权一阶局域法多步预报模型的舰船摇荡预报

针对舰船各个自由度摇荡之间存在耦合的实际,提出了一种多变量加权一阶局域法多步预报模型(MAOLMM)。对Chen’s吸引子仿真数据及某型船真实海浪下航行的摇荡数据进行了预报分析,结果显示,多变量加权一阶局域法多步预报模型的预报精度高于单变量加权一阶局域法多步预报模型,提高了舰船摇荡预报的有效性。

基于EMD与加权一阶局域法变压器振动信号预测

针对变压器振动信号呈现非平稳、非线性的特点,提出将经验模式分解(EMD)与加权一阶局域法相结合,实现对变压器振动信号的趋势预测。首先,将现场采集到的振动信号进行经验模式分解,然后应用相空间重构理论,确定合适的时间延迟和嵌入维数对各固有模式函数进行相空间重构。随后采用加权一阶局域法对振动信号各分量进行预测、合并。实验结果表明,该方法能够准确预测变压器振动信号变化趋势,可对变压器运行状态进行有效的监测。

基于加权一阶局域法的短时交通流量预测的研究

本文在分析了城市短时交通流时间序列和混沌特点基础上，通过对混沌时间序列预测方法的研究，提出了一种基于加权一阶局域法的短时交通流量预测方法。该方法引进了权值，使得它比全域法具有更好的自适应能力和较高的预测精度。对实际短时交通流量进行预测，取得了令人满意结果。

基于加权一阶局域法的公共拥塞检测方法

利用拥塞环境下网络业务流的混沌特性,提出了一种基于加权一阶局域法的公共拥塞检测方法.采用混沌信号处理方法对延时采样序列进行分析,能够迅速地判断出2个流是否通过了同一段拥塞链路.仿真结果表明,在长TCP(Transmission Control Protocol)流,短TCP流,UDP(Us-er Datagram Protocol)流3种网络环境下,该方法具有比相关方法更好的性能,对于开发协同拥塞控制算法以及智能重叠网络的构建都有良好的应用前景.

基于加权一阶局域法的负荷区间预测研究

文中将加权一阶局域法应用到负荷区间预测法中,综合得到复杂电力系统在单步负荷区间预测与多步负荷区间预测中的基本模型,并说明加权一阶局域法的基本过程,从理论上分析加权一阶局域法的多步负荷区间预测曲线相交叉的原因。采用该方法进行基于Lorenz方程和PJM实际电力负荷数据的区间预测,结果证明受曲线相点交叉的影响导致在多步负荷区间预测上部分点的数值只有一个公共值而无法构成区间,因此基于加权一阶局域法的多步负荷区间预测存在相对明显的应用局限性。

基于混沌加权一阶局域法的IGS超快星历钟差预报

为提高IGS超快星历钟差预报产品的精度,针对卫星钟差数据具有确定项和随机项成分的特点,在采用多项式模型对钟差确定项建模的基础上,提出采用混沌加权一阶局域法对钟差随机项进行建模预报。仿真结果表明,采用混沌加权一阶局域法的预报精度优于超快星历钟差预报产品。

基于改进加权一阶局域预测模型的短期负荷预测方法研究

针对混沌一阶局域预测模型中欧氏距离不能反映相空间中相点间的相关性大小,提出一种改进加权一阶局域预测模型。该模型将相点间的关联度和欧氏距离以加权值形式作用于一阶线性回归方程,综合考虑了最邻近点对预测中心点的邻近效应以及最邻近点与预测中心点的相关性,克服了常规一阶局域预测法存在的不足。通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。

用于混沌时间序列预测的分维指数加权一阶局域算法

提出分维指数加权一阶局域算法。该算法用最大Lyapunov指数和重构相点各分量所对应的延迟时间的乘积作为幂,构造一个指数形式的衰减因子,对加权一阶局域法的向量距离公式进行修正。修正后的距离公式不仅体现了各相点与中心点的相关性,还表示了相点各分量与中心点第一分量的关联程度。利用该算法对Logistic混沌时间序列进行预测的结果表明,相对于现有算法,本文所提算法明显提高了预测精度,而且序列的混沌性愈强,嵌入维数愈大,改进效果愈明显。

混沌时间序列改进的加权一阶局域预测法

加权一阶局域预测法是目前最常用的一种混沌时间序列预测方法。基于延迟坐标相空间重构理论,提出了混沌时间序列改进的加权一阶局域预测法。仿真结果表明该方法的多步预测性能与一步预测性能明显好于加权一阶局域预测法的多步预测性能与一步预测性能。

基于改进加权一阶局域预测模型的负荷预测方法研究

针对混沌时间序列预测中用加权一阶局域法单步预测模型进行多步预测时计算量大,且存在误差累积效应的不足,本文提出了基于相空间重构技术的加权一阶局域法多步预测模型,通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。

基于多变量加权一阶局域混沌预测模型优化及应用

鉴于实际应用中多变量因素对混沌预测的影响,提出了多变量时间序列相空间重构方法,以此为基础建立多变量加权一阶局域混沌预测模型。引入等概率符号化极大联合熵求取延迟时间、最小香农熵法求取嵌入维数,实现多变量混沌预测模型子序列重构;对实际序列采用区间邻近点法确定预测中心点的邻近点,避免产生伪邻近点;最后用关联分析确定观测变量。将该模型应用于短期电力负荷预测,分析气温等影响因素与电力负荷的相关程度,引入气温时间序列作为另一观测变量,实验证明相对于单变量预测方法提高了预测精度。

基于改进相空间加权局域法的混沌时序预测

相空间重构是进行混沌时间序列分析与预测的基础。本文基于混沌理论中相空间重构的两个关键参数嵌入维数和延迟时间相关的观点,采用C-C算法计算嵌入维数和延迟时间,进而对混沌时序进行相空间重构,然后运用改进后的加权一阶局域预测模型进行预测。通过对Lorenz混沌系统和Rossler混沌系统的仿真预测,表明用C-C算法计算嵌入维数和延迟时间,具有操作简便,速度快的优点,利用本文提出的预测模型进行仿真预测,进一步说明本文提出的预测方法可操作性强,对于混沌系统的短期预测有较好的效果。

基于混沌时间序列局域法的短时交通流预测

为提高城市短时交通流预测精度,将混沌时间序列分析应用于城市短时交通流数据,研究混沌时间序列局域预测法中的加权零阶局域法和加权一阶局域法。针对局域预测法在选取邻近相点时采用的欧氏距离和向量夹角两种方法只能片面反映邻近点的特点的问题,提出一种改进邻近相点选取的方法,综合相点相似程度和相点距离来选取邻近相点。再将原有方法和改进后的方法应用于北京市短时交通流预测中。结果表明,混沌时间序列局域法能适用于短时交通流预测,并且改进后的方法比原有方法具有更高的预测精度。

相空间局域预测法在滑坡位移预测中的应用

根据滑坡系统的混沌特性,将适合于混沌时序预测的相空间局域近似法应用到滑坡位移预测中。针对零阶局域预测法利用信息效率不高的缺点,运用模糊数学中构造隶属函数的方法来选取预测相点的近邻点,减小了选取近邻点这一关键问题的人为随意性,而且预测结果也证明了这种方法的合理性。

“负荷趋势+混沌”预测法的改进

"负荷趋势+混沌"预测法,将负荷拆分成"负荷趋势"和"混沌"部分。但其在分离负荷趋势部分时提取过量,混沌预测模型存在累积误差。针对这些问题文中根据周期与混沌的频谱特性,通过快速傅里叶变换确定周期分离的量;根据邻近点是否是预测值,对加权一阶局域法多步预测的邻近点权重增加因子进行修正;同时对剩余负荷为随机噪声的情况进行了处理。通过对海南地区负荷进行预测,验证了改进后的方法在预测精度方面有明显提高。

基于混沌时间序列的多步预测方法研究

为更好地实现智能稳定平台隔离扰动的性能,本文针对平台载体运动姿态的预测问题展开研究.在对平台载体横滚运动时间序列进行混沌特性判定的基础上,使用加权一阶局域法对载体运动姿态进行多步预测.针对预测过程中误差累积的问题,提出在姿态预测的同时对误差序列进行预测,并通过误差预测值实时修正姿态预测值.文中给出了两种误差补偿的多步预测方法,通过试验水池的实测数据仿真分析表明,误差补偿的加权一阶局域多步预测方法提高了预测精度,抑制了误差的累积;进一步通过相对均方误差等指标进行评价,指出预测方法中LPC法误差补偿的多步预测效果最优,具有一定的实用价值.