天气因素在短期电力负荷预测中的应用

为了更有效地提高地区电网短期负荷预测的精度,提出基于BP人工神经网络原理,利用神经网络高度非线性建模能力,根据电力系统短期负荷变化的特性,建立了既反映电力系统负荷连续性、周期性及其负荷变化趋势,又包含天气因素变化对系统负荷影响的天气因素敏感模型,并对岳阳地区短期负荷进行预测,预测结果表明天气因素应用于电力系统短期负荷预测后使预测精度明显提高,故这种方法是可行和有效的。

基于气象因素敏感模型的短期电力负荷预测

为了充分考虑地区电网短期负荷易受气象因素影响的特点,提出了一种具有天气敏感性的基于快速BP算法的神经网络预测模型,模型中合理地考虑了影响负荷变化的主要气象因素,使其能够适应天气的变化。通过对咸阳地区电网的仿真预测,证明了天气因素敏感模型应用于地区电网短期负荷预测后使预测精度明显提高,故建立的模型是可行和有效的。

双重检验逐步回归模型在电力负荷预测中的应用

文中针对电力负荷预测的多元线性回归模型,提出了双重检验逐步回归模型。与传统的多元线性回归模型相比较,双重检验逐步回归模型无需建立全部变量的回归方程,而是在全部自变量中按对因变量的作用大小,边进行显著性检验,边入选或剔除变量,并且由于每步都作检验,因而保证了最后所得的方程中所有因子都是显著的。