基于偏最小二乘回归的年用电量预测研究

对年用电量的预测若采用一般最小二乘回归法建模,其估计参数存在着很大的误差且物理意义明显不足。而偏最小二乘回归方法则实现了多元线性回归、主成分分析和典型相关分析的综合、克服了自变量之间的多重相关性的问题,因而更具有先进性,其计算结果更为可靠,在实际系统中的可解释性也更强,且方法简单,计算快捷。该文将偏最小二乘回归模型(Partial Least Square Regression,PLS)应用于年用电量预测,并与基于最小二乘的多元线性回归模型预测成果进行对比,探讨了偏最小二乘法在电力负荷预测中的可行性和优势。通过四川省电网年用电量预测表明:偏最小二乘回归法比一般最小二乘法优,具有较强的实用性。

基于免疫进化支持向量机的年用电量预测

支持向量机（SVM）是在统计学习理论基础之上发展起来的,针对小样本数据且具有优良推广性能的机器学习方法.阐述了SVM的基本原理及特性,并采用一种新的有效随机全局优化技术-免疫进化算法（IEA）对SVM核函数的参数进行了优化.介绍了IEA-SVM算法的设计思想和特点,成功地实现了此模型在年用电量预测中的应用,对四川省电网1978～1998年年用电量状况进行了实例研究,预测值与实际值相差较小,并与基于偏最小二乘回归（PLS）模型的预测成果进行了对比.理论分析和实例结果验证了基于IEA-SVM的年用电量预测方法的正确性和有效性.

基于H-P滤波预测技术的年用电量预测模型研究

针对电力市场预测电力负荷受众多因素影响及各类预测模型模拟预测误差较大的问题,为提高负荷预测精度,基于H-P滤波预测法将等维信息法、指数回归模型及分布滞后回归模型引入年用电量预测中,通过双层预测降低预测误差,并结合实例比较。对比结果,滤波滞后回归模型的预测综合得分高于滤波指数回归模型。

基于Theil不等系数的IOWHA算子组合模型年用电量预测新方法

配电网中长期负荷预测是配电网规划的基础,精确的预测可提高配电网运行的可靠性和经济性。本文以年用电量预测作为研究对象,年用电量预测采用4种主要方法,即分别按照年度、季度、月度和行业用电量预测得到对应年用电量预测值,在此基础上再按其发展序列预测结合起来,建立了一种线性组合预测模型。并提出采用Theil不等系数的IOWHA算子算法对组合模型的权重系数进行求解,该方法可以克服传统的组合预测方法赋予不变的加权平均系数和以单一误差指标作为预测精度衡量的缺陷,文中的实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性。从而证明这种组合模型具有较好的实用性。

年用电量预测的PLS-LSSVM模型

偏最小二乘法通过提取主成分能有效地消除变量间的多重共线性,最小二乘支持向量机能很好地逼近变量间的非线性关系。偏最小二乘与最小二乘支持向量机相结合用于年用电量的预测,充分发挥了两者的优点。对四川省1978～2007年的用电量进行了实证分析,与PLS模型和LSSV模型的预测成果进行了对比,结果表明年用电量预测的PLS-LSSVM模型有较高的精度。

灰色系统理论在年用电量预测中的应用

年用电量系统具有灰色系统的特征,因此,可以用灰色系统模型对年用电量进行预测.运用灰色模型(GM(1,1))对年用电量做出预测,并与传统方法进行比较,结果证明GM(1,1)模型优于传统方法,是一种有效的预测年用电量的模型。

基于克隆选择算法的支持向量回归实现年用电量预测

建立在统计学习理论(SLT)和结构风险最小化(SRM)准则基础上的支持向量回归(SVR)是处理小样本数据回归问题的有利工具,SVR的参数取值直接影响其学习性能和泛化能力。文中将SVR参数选取看作参数的组合优化问题,采用克隆选择算法(CSA)求解该组合优化问题进而选取SVR参数,并应用基于CSA的SVR求解年电力需求预测问题,同时与BP网络预测方法进行了对比。预测结果表明提出的预测方法不仅易于实现,而且精度较高,且性能明显优于BP网络方法。

住宅年用电量的评估模型研究

利用多元线性回归方法,对影响住宅年用电量的多元因子进行选元,得最优回归子集并建立住宅年用电量的自我评估模型。通过实例验证,利用该模型可以简便有效地帮助住户评估年用电量消耗状况,以促进家居节能。

基于PSO优化的直接灰色模型在年用电量预测中的应用

将直接灰色预测模型引入城市电网年用电量预测中,避开了灰微分方程参数辨识时选取的背景值问题,以模型的还原值与实际值的平均相对误差最小化为优化目标,设计了求解该模型的粒子群优化算法,并与多种预测方法比较。结果表明,该方法合理、有效,预测精度较高。

基于ARIMA模型的广州市年用电量预测

将ARIMA模型运用到1990年至2016年广州市年用电量序列中,利用单位根检验确定模型中的差分次数d为1,并通过时间序列相关图对模型中的参数p,q进行初步识别,最后根据赤池信息准则等方法确定最优的年用电量预测模型为ARIMA(1,1,2)。应用ARIMA(1,1,2)对未来几年广州市年用电量进行预测,研究表明预测值与实际值的误差较小,说明该模型预测效果较好。

利用年用电量对峰值负荷进行预测

电力系统负荷预报的一项重要内容是峰值负荷预报，然而峰值负荷预报却不是容易进行的。这是因为：电力系统的负荷不是单一的负荷，通常由各种不同不同类型的负荷构成，它们不会同时产生峰值，所以要做到准确地预报电力系统峰值，就要考虑它的分散性，该文从年用电量的角度对峰值负荷进行预测。

夏热冬冷地区农村住宅年用电量及其影响因素

文章通过对马鞍山市太白镇永宁村103户居民的年用电量调查,对其建筑年代、建筑面积、常住人口等信息进行统计,并采用SPSS软件进行相关性分析。结果表明:农村住宅年用电量与常住人口、常用家用电器设备数量、夏天降温方式存在显著相关关系,与建筑面积、建筑年代、建筑结构类型和冬天采暖方式之间无显著相关关系。研究揭示了农村住宅年用电量的主要影响因素,为农村建筑节能提供参考。

基于灰色GM(1,1)模型的城市年用电量预测——以珠三角地区某县级市年用电量数据为样本

尝试应用灰色GM(1,1)模型对发达地区城市年用电量进行预测。通过对珠三角发达地区某县级市2005-2012年的年用电量数据进行灰色建模,发现灰色GM(1,1)模型适用于城市年用电量的预测;采用类似方法对珠三角地区SD、SS等县级市2005-2012年的历史年用电量进行预测,预测模型都可以给出高精度的预测结果。

基于空间计量的广东省年用电量的实证分析

地区年用电量的高低与区域经济发展水平息息相关。本文以经济增长收敛理论为基础,运用2000年~2016年广东省21个地级市的年用电量数据进行了空间差异性与地区收敛性的实证分析,可为有关部门了解广东省各地区之间用电量的关系并制定调整政策提供一定的参考。

基于熵值法的组合模型用电量预测方法研究

电力系统的中长期负荷预测是配电网规划的基础,对实现电网的安全经济运行起着重要作用。以年度用电量预测作为研究的对象,年度用电量预测采用4种主要方法,即分别按照年度、季度、月度和行业用电量预测得到对应年用电量预测值,在此基础上再按其发展序列预测结合起来,建立了一种线性组合预测模型。并采用熵值法对组合模型的权系数进行求解,实证分析表明该模型使预测精度得到了明显提高,具有良好的预测效果。

改进灰色Verhulst模型在武汉市全年用电总量预测中的应用

影响城市年用电量的因素很多,获取这些影响因素的资料是十分困难的。为确保城市供电,合理安排供电部门的生产计划,须预测未来城市年用电量。本文提出对样本资料要求不高,又能反映城市年用电量逐年变化的灰色Verhulst模型,对武汉市年用电量进行预测,结果表明该方法是可行的。

浅议利用年负荷增长率的变化率预测用电负荷

根据对广东省某县近十年来负荷发展的跟踪研究,发现在2006—2010年期间,年用电增长平缓、增长率稳定,不同于2001—2005年期间的跳跃式增长,同时分析了现象发生的原因,并提出采用增长率法对该县2011～2015年期间的用电情况进行预测。

基于Theil不等系数的IOWA算子和马尔科夫链的电量组合模型研究

通过引进Theil不等系数、IOWA算子和马尔科夫链的概念,建立了一种基于Theil不等系数的IOWA算子和马尔科夫链的电量组合模型。从相关性的角度对该模型进行了研究,同时采用IOWA算子,使组合模型的各个时间点上的权系数只与预测精度有关,与预测方法无关,较好地反映了负荷发展实际情况。利用马尔科夫链定性推出组合模型中各单项模型在待预测时点上的预测精度状态,进而得到待预测时点上的组合模型的权系数。以陕西省某市1994～2009年年用电量为样本,通过指数平滑法、回归法和灰色模型法分别建立模型,然后利用基于Theil不等系数的IOWA算子和马尔科夫链的组合模型进行权系数的求解,实证分析表明该模型使预测精度得到了明显提高,具有良好的预测效果。

基于BIM技术的地下污水厂结构优化设计研究

研究基于BIM技术的地下污水厂结构优化设计,降低地下污水厂能耗。将萧山钱江污水处理厂扩建工程作为研究对象,采集地下污水厂的实际运行数据并计算其年用电量与采暖能耗,以此为基础计算年用电量与采暖能耗的指标值,最终构建地下污水厂多指标耗能函数;基于BIM技术协同设计地下污水厂节能结构,通过地下污水厂的能耗总量与规定性指标设计出地下污水厂节能结构优化方案。实验表明:该方法能够降低地下污水厂的能耗总量,提高节能持续性。