导读:本文包含了超短期负荷预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:负荷,算法,向量,小二,现货,求导,理论。
超短期负荷预测论文文献综述
李家璐,何剑军,张坤,刘敬诚,吕勃翰[1]（2019）在《应对海量数据的超短期负荷预测在实时电力市场的应用研究》一文中研究指出在开展实时现货市场和辅助服务市场的过程中,负荷预测的精度和速度成为影响各主体报价结果的瓶颈。负荷预测越准确,越有利于保障各市场主体报价的公平性和经济性。本文为解决该问题,选择南方电网某区域的历史负荷作为研究对象,通过对其日负荷曲线进行分析,考虑将工作日和非工作日的海量负荷数据进行了筛选和预处理,并针对各自的负荷特性进行了分析,确定了分别预测建模的预测路线,同时本文将当前常用的几种预测算法进行了比较,通过对比优缺点,针对超短期负荷预测的预测时间短、预测速度高的要求,最终选择负荷求导法作为超短期负荷预测的数学模型。最后通过对南网某省的实际负荷进行了算例验证,结果表明该方法具有预测速度快,预测精度高,适应度高,技术系统占用率低的特点。(本文来源于《电力大数据》期刊2019年12期）
陈奇芳,夏明超,郭敏,刘文霞,曾爽[2]（2019）在《基于数据特征挖掘的电采暖小区短期负荷预测方法》一文中研究指出由于电采暖负荷随机波动性强,且功率比重较大,从而导致电采暖小区负荷较频繁地大范围波动,基于常规时间序列的短期负荷预测模型缺乏对波动特性的捕捉能力。针对该问题,充分分析了电采暖小区负荷的波动特征,提出了一种基于历史数据特征挖掘的指标集模型和指标计算方法,用于从历史负荷数据中充分挖掘电采暖负荷的特点,形成历史数据特征集。然后,以历史数据特征集构建训练样本,提出了基于核函数极限学习机(kernel extreme learning machine,KELM)的电采暖小区负荷预测模型。最后,基于实际历史数据进行模型性能验证,结果表明所提的特征指标集模型能够有效挖掘历史数据特征,有利于提高短期负荷预测模型的精度。(本文来源于《供用电》期刊2019年12期）
郭威麟,蒋晓艳,罗意,韩钦[3]（2019）在《基于EEMD-GABP的某地区短期负荷预测研究》一文中研究指出电力系统负荷是具有典型周期性和随机性特点的非线性、非平稳时间序列的负荷系统。为了降低负荷序列的非线性,提高预测精度,提出了集总经验模态分解法(EEMD)和基于改进人工神经网络(GABP)的短期负荷预测法。运用EEMD将负荷序列分解成若干不同频率的平稳分量,突出原负荷数据局部特征,解决了经验模态分解法(EMD)中分类模糊问题,同时利用GABP网络进行预测,解决了BP容易陷入局部最优解的问题,选择合适的参数对各分量构造不同的EEMD-GABP预测模型,引入气象因子对各分量分别预测,重构后得到最终预测值。算例表明,基于EMD-GABP预测模型的负荷量预测精度高于差分整合移动自回归移动(ARIMA)模型、支持向量机(SVM)模型等传统模型,稳定性更强。(本文来源于《电力工程技术》期刊2019年06期）
吴茵,莫东,李秋文,张德亮,黄红伟[4]（2019）在《基于分类波动性统计的短期负荷改进区间预测方法》一文中研究指出为支撑电力现货市场下实时交易与安全校核的需要,提出了一种基于分类波动性统计的短期负荷区间预测方法。首先,介绍了传统的负荷波动性统计分析及区间预测限值计算方法,通过将负荷历史数据标幺化处理,绘制负荷波动性分布直方图,计算在给定精度下的区间限值;接着结合我国实际,从居民、商业、工业叁类用户出发,分别讨论不同类型用户负荷的波动性特点,在此基础上汇总形成全网负荷区间预测的上、下限值,实现对全网负荷的区间预测。最后基于某省实际数据构造的算例表明,通过深入分析不同类型负荷的波动性,本文所提出的方法能实现预测准确性和区间宽度的整体最优,在保证相同的预测精度的前提下,减少区间宽度,提高负荷区间预测结果的实用性。(本文来源于《电力大数据》期刊2019年11期）
宋学伟,刘天羽,江秀臣,盛戈皞,刘玉瑶[5]（2019）在《基于改进鱼群算法与最小二乘支持向量机的短期负荷预测》一文中研究指出在电力系统中,无论是正常运行时的调度工作还是故障修复时的孤岛划分,都需要准确的负荷数据,因此电力负荷准确的短期预测工作十分重要。本文运用最小二乘支持向量机进行预测:首先,对人工鱼群算法通过视野和步长自适应设定以及引入精英反向学习机制进行改进,使其计算更加具有优越性;其次,利用改进的人工鱼群算法对广泛应用于负荷预测的最小二乘支持向量机进行改进(主要针对其核宽度系数与正则化参数);最后,运用参数改进后的最小二乘支持向量机对IEEE 33节点系统进行短期负荷预测。实例表明了此方法的工程实用性。(本文来源于《电气技术》期刊2019年11期）
谢毓广,张金金,陈凡,郭力[6]（2019）在《基于频域分解的短期负荷预测》一文中研究指出针对负荷本身存在随机性和间歇性,提出一种基于频域分解的负荷预测。首先采用频域分解算法将原始负荷分解为日周期和周周期分量;其次分别采用置信度理论和指数平滑法对日周期分量和周周期分量进行预测;最后将负荷的日周期分量和周周期分量重组,实现短期负荷较为准确的预测。根据某地市的2018年国庆期间的负荷数据进行仿真,证明了预测模型的精确度。(本文来源于《电工技术》期刊2019年21期）
唐菁敏,马含[7]（2019）在《基于混沌粒子群优化的微电网短期负荷预测》一文中研究指出针对粒子群算法(Particle Swarm Optimization,PSO)优化最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)时存在非最优解问题,提出了一种基于混沌理论(Chaos theory)的粒子群优化LSSVM参数的短期负荷预测的方法.该预测模型首先引入混沌理论,对粒子群算法加以改进;然后让结合混沌理论的PSO对LSSVM回归估计进行参数优化,得到CPSO-LSSVM;最后将该方法应用于短期负荷预测,通过Matlab仿真训练得到预测结果.仿真实验结果表明该方法不仅可以降低算法陷入局部极值的可能性,还提高了学习能力,从而提高了预测的精准度.(本文来源于《云南大学学报(自然科学版)》期刊2019年06期）
宋来森,王哲,张国营,王瑞,代兵琪[8]（2019）在《基于云计算的智能电网短期负荷预测》一文中研究指出随着智能电网的迅速发展,太阳能、风能等分布式电源大量接入电网,给传统电网带来巨大的挑战。智能电网中新技术的采用会对提高负荷预测精度有所帮助。为了适应智能电网,短期负荷预测技术需要与时偕行。提出了基于云计算的智能电网短期负荷预测系统,采用云计算技术对负荷预测系统加以改进,在预测速度与精度两个方面都有所改善。(本文来源于《电世界》期刊2019年11期）
陈寒冬,郭佳田,施海斌,范华东,施春波[9]（2019）在《考虑气象因素的精细化短期负荷预测模型研究》一文中研究指出传统的负荷特性分析方法,由于基础数据及处理方法的限制一般无法达到用户级的精细化预测。研究基于大数据技术中的决策树、神经网络等算法建立用户级的短期负荷预测模型,首先基于灰色关联度分析方法,定量分析气象因素对用电负荷特性的影响,并选取关键影响因素,作为决策树算法的输入向量;在对用户的历史负荷数据进行聚类分析后,为每一条日负荷曲线建立类别标签;通过决策树算法建立分类规则,并将待预测日进行分类;最终采用Elman神经网络对某用户进行短期负荷预测,验证模型的有效性。(本文来源于《电力学报》期刊2019年05期）
翟毅,徐丽燕,季学纯,季慧英,王纪立[10]（2019）在《基于长短期记忆神经网络的短期负荷预测》一文中研究指出准确的电力负荷预测是电力系统安全、稳定、经济、优质运行的前提,负荷预测的本质是通过历史数据对未来负荷情况做出预先估计。电量的快速增长和用户的多元化对负荷预测提出了更高的要求。文中提出了一种基于长短期记忆网络的负荷预测方法,利用长短期网络数据驱动和对时间序列建模强的特点,对于含非线性、不确定性的系统,提取其负荷数据中的周期特征,具有较强的自适应性。以真实数据为算例,验证了方法的有效性。(本文来源于《信息技术》期刊2019年10期）
超短期负荷预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于电采暖负荷随机波动性强,且功率比重较大,从而导致电采暖小区负荷较频繁地大范围波动,基于常规时间序列的短期负荷预测模型缺乏对波动特性的捕捉能力。针对该问题,充分分析了电采暖小区负荷的波动特征,提出了一种基于历史数据特征挖掘的指标集模型和指标计算方法,用于从历史负荷数据中充分挖掘电采暖负荷的特点,形成历史数据特征集。然后,以历史数据特征集构建训练样本,提出了基于核函数极限学习机(kernel extreme learning machine,KELM)的电采暖小区负荷预测模型。最后,基于实际历史数据进行模型性能验证,结果表明所提的特征指标集模型能够有效挖掘历史数据特征,有利于提高短期负荷预测模型的精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
超短期负荷预测论文参考文献
[1].李家璐,何剑军,张坤,刘敬诚,吕勃翰.应对海量数据的超短期负荷预测在实时电力市场的应用研究[J].电力大数据.2019
[2].陈奇芳,夏明超,郭敏,刘文霞,曾爽.基于数据特征挖掘的电采暖小区短期负荷预测方法[J].供用电.2019
[3].郭威麟,蒋晓艳,罗意,韩钦.基于EEMD-GABP的某地区短期负荷预测研究[J].电力工程技术.2019
[4].吴茵,莫东,李秋文,张德亮,黄红伟.基于分类波动性统计的短期负荷改进区间预测方法[J].电力大数据.2019
[5].宋学伟,刘天羽,江秀臣,盛戈皞,刘玉瑶.基于改进鱼群算法与最小二乘支持向量机的短期负荷预测[J].电气技术.2019
[6].谢毓广,张金金,陈凡,郭力.基于频域分解的短期负荷预测[J].电工技术.2019
[7].唐菁敏,马含.基于混沌粒子群优化的微电网短期负荷预测[J].云南大学学报(自然科学版).2019
[8].宋来森,王哲,张国营,王瑞,代兵琪.基于云计算的智能电网短期负荷预测[J].电世界.2019
[9].陈寒冬,郭佳田,施海斌,范华东,施春波.考虑气象因素的精细化短期负荷预测模型研究[J].电力学报.2019
[10].翟毅,徐丽燕,季学纯,季慧英,王纪立.基于长短期记忆神经网络的短期负荷预测[J].信息技术.2019
论文知识图
