一种改进的SVM短期电力系统负荷预测方法

针对电力市场环境下短期电力系统负荷预测准确、高效的要求,提出了一种改进的支持向量机短期负荷预测方法。利用主成分降维获取日负荷数据的特征因子,通过灰色关联分析建立负荷特征因子与影响因素之间的关联关系。构建不同日之间影响因素的加权差异度值,将倒数作为权重系数引入支持向量机模型,建立了一种考虑影响因素权值特征的SVM负荷预测模型。仿真结果表明,改进的SVM模型在一个月内负荷预测的平均预测准确率约为97.01%,日均相对误差在0.32%~3.57%范围内波动。该模型的负荷预测准确率和稳定性均优于常规的SVM模型与LS-SVM模型。

准噶尔盆地乌尔禾地区夏子街组砂砾岩储层流体性质识别研究

准噶尔盆地乌尔禾地区夏子街组岩性以砂砾岩为主,砾石成分较为复杂,结构成熟度低,分选性差,常见不等粒结构,这给储层流体性质识别带来一定的困难。通过岩石薄片及其测井响应特征,发现中子-密度视石灰岩孔隙度差异值能够较好地反映不同矿物组合类型的变化。基于此,为了降低电阻率信息中由不同岩石、矿物组合带来的干扰信号,可利用归一化的中子-密度视石灰岩孔隙度差异值对电阻率进行校正。经实际资料应用表明,校正后的电阻率-孔隙度交会图能够更好地区分流体性质,可在一定程度上改善研究区的流体性质识别问题。