共查询到20条相似文献，搜索用时 406 毫秒
1.
提出了一种能够提高负荷预测精度的方法。在对历史电网运行数据进行处理时引入大数据挖掘技术,并且使用了支技向量机来进行电力系统短期负荷的预测新方式,对基于粒子群优化的支持向量算法进行了改进,提出基于相似日聚类的支持向量机的方法以对电网的负荷状态进行预测。以湘潭市的电力负荷数据为测试数据,进行两种算法结果的对比。结果表明:本文的算法在对比中具有较大的优势,数据预处理在预测的精度上有着非常重要的关联。 相似文献
2.
交直流(AC/DC)配电系统中的负荷类型更加多样化和复杂化,因此负荷变化规律也更加难以掌握,精确的负荷预测对AC/DC配电系统的调度非常重要.针对神经网络、灰色理论和支持向量机等传统的短期负荷预测方法存在的预测精度不高的问题,本文采用改进集成学习算法对传统的预测方法进行改进,提出了一种基于浅层神经网络的梯度提升算法(GBSNN)以及基于长短期记忆网络的极度梯度提升(XGBLSTM)算法.同时,本文采用Huber函数作为预测模型的损失函数,该函数对异常的负荷数据具有很强的鲁棒性,可以有效减小模型的泛化误差.最后通过仿真分析证明本文提出的基于GBSNN和XGBLSTM的短期负荷预测方法比其他方法具有更高的预测精度,在AC/DC配电系统负荷预测中具有更好的效果. 相似文献
3.
精确高效的短期电力负荷预测在现代化电网建设和资源分配上具有重要的作用和研究意义.随着水电、风电等新能源逐渐接入,电网中数据维度飞速增长,面对具有海量特征的高维数据,短期电力负荷预测技术面临着重大的挑战.传统的短期电力负荷预测技术仅关注了某些特定的特征,因此很难对电力负荷数据在时间维度进行建模;基于循环神经网路的方法虽然能够关注数据中的历史信息,但是因为数据维度过高,导致重要信息丢失、模型无法收敛.为了解决这一问题,提出了一种基于注意力机制的长短期记忆模型(Attention-LSTM),算法使用卷积神经网络从电网高维数据中提取特征,然后使用LSTM对特征进行时序建模;同时引入Attention机制来对历史信息进行加权,减少重要历史信息的丢失.算法在中国东南某地区电力负荷数据上进行测试,预测精度明显优于目前常用的方法. 相似文献
4.
文章认为相空间局域线性回归法是电力系统短期负荷预测混沌预测法中广泛使用的方法,在用线性最小二乘法估计局部线性化模型的参数时,往往由于病态的数据矩阵导致估计值对噪声过于敏感而变得不可信.针对这种情况应用最小均方误差准则和最陡下降原理提出了一种基于自适应滤波电力系统短期负荷预测算法,避免了病态矩阵的影响.实验结果表明该算法预测结果稳定、可靠. 相似文献
5.
大数据环境下资源负荷短期预测时间跨度计算是提高大数据资源调度和数据集成的基础。通过对大数据环境下资源负荷短期预测时间跨度的准确估计,提高资源负荷的预测性能。提出一种基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计算法。构建大数据环境下资源负荷模型,基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计,进行非线性差分相点融合,进行全网拓扑信息激励传播均衡设计,通过频繁的切换来进行网络选区,将时间划分为连续区间,重新分配大数据环境下的时间跨度,最后得到基于线性差智能群辨识的资源短期预测时间跨度估计算法改进。仿真结果表明,该算法具有较好的时间跨度估计性能,提高了大数据环境下的资源负荷预测精度,具有较小的任务调度路径延时和能耗损失,为提高云平台的资源利用效率提供基础,展示了较好的应用价值。 相似文献
6.
电力系统短期负荷预测对电力系统可靠、安全、经济运行具有重要作用，它涉及到电力系统的日常运行和计划，是电力部门的一项重要工作。文章针对短期电力负荷变化的复杂性，分析了电力负荷的构成特点和负荷值变化的原因；将负荷突变值和平稳值采用平均值的方法求出接近的真实值，建立负荷短期预测模型，再输入历史负荷（常规）数据、天气状况的历史数据和特别事件预测数据，得到负荷短期预测值。 相似文献
7.
8.
为了求解约束优化问题,本文设计了一种基于约束的单纯形算法,并将其与差分算法想混合,实验证明算法能够得到较好的结果。 相似文献
9.
采用最高气温、最低气温、平均气温以及降雨情况作为本地区电力系统中最主要的影响参数,基于SVM算法进行数据预测,将输入的参量数据映射到一个高维的特征空间中,对空间状态向量进行线性回归计算,得到参数向量与电力负荷关系,得出电力预期负荷。仿真实验表明算法能最小化经验风险,结合多参量特征数据挖掘算法在多维数据空间中计算的优势,降低SVM算法的计算时间,预测误差是小于1%,完全达到了准确预测的要求,在电力负荷预测和管理领域具有广泛的应用前景。 相似文献
10.
对于机械设计过程中所涉及到的约束优化问题,本篇文章提出了对约束处理进行改进的方式,也就是自适应罚函数法。下文主要结合了机械约束优化问题中所存在的维数不高以及差分进化算法自身所具有的便捷性,使用差分进化算法能够更加便捷的得出机械设备的约束优化问题。本篇文章主要依据机械约束优化实际数值的实例,来对机械约束差分进化算法进行验算。 相似文献
11.
Making appropriate decisions is indeed a key factor to help companies facing challenges from supply chains nowadays. In this paper, we propose two data-driven approaches that allow making better decisions in supply chain management. In particular, we suggest a Long Short Term Memory (LSTM) network-based method for forecasting multivariate time series data and an LSTM Autoencoder network-based method combined with a one-class support vector machine algorithm for detecting anomalies in sales. Unlike other approaches, we recommend combining external and internal company data sources for the purpose of enhancing the performance of forecasting algorithms using multivariate LSTM with the optimal hyperparameters. In addition, we also propose a method to optimize hyperparameters for hybrid algorithms for detecting anomalies in time series data. The proposed approaches will be applied to both benchmarking datasets and real data in fashion retail. The obtained results show that the LSTM Autoencoder based method leads to better performance for anomaly detection compared to the LSTM based method suggested in a previous study. The proposed forecasting method for multivariate time series data also performs better than some other methods based on a dataset provided by NASA. 相似文献
12.
基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型 总被引：2，自引：0，他引：2
[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考。 相似文献
13.
《Journal of The Franklin Institute》2023,360(6):4272-4296
High-resolution probabilistic load forecasting can comprehensively characterize both the uncertainties and the dynamic trends of the future load. Such information is key to the reliable operation of the future power grid with a high penetration of renewables. To this end, various high-resolution probabilistic load forecasting models have been proposed in recent decades. Compared with a single model, it is widely acknowledged that combining different models can further enhance the prediction performance, which is called the model ensemble. However, existing model ensemble approaches for load forecasting are linear combination-based, like mean value ensemble, weighted average ensemble, and quantile regression, and linear combinations may not fully utilize the advantages of different models, seriously limiting the performance of the model ensemble. We propose a learning ensemble approach that adopts the machine learning model to directly learn the optimal nonlinear combination from data. We theoretically demonstrate that the proposed learning ensemble approach can outperform conventional ensemble approaches. Based on the proposed learning ensemble model, we also introduce a Shapley value-based method to evaluate the contributions of each model to the model ensemble. The numerical studies on field load data verify the remarkable performance of our proposed approach. 相似文献
14.
负荷模型对电力系统仿真结果有重要影响,由于负荷特性的辨识是负荷建模的主要方面之一,故提高负荷模型的准确度就需要对负荷特性分类进行研究。文章在详细分析SOM自组织映射神经网络结构的基础上,采用了基于SOM神经网络的负荷分类方法,以负荷模型参数作为负荷动态特性分类特征向量,应用SOM神经网络对负荷特性进行分类,并对分类结果进行测试,结果表明该方法可有效地对负荷样本进行分类。 相似文献
15.
16.
基于电力负荷预测的方法,综合分析了经济发展水平、人民生活水平、电力消费结构和气温气候等主要因素对电力负荷预测的影响。结合新疆电力负荷预测的特点,提出做好新疆电力负荷N~,l-z-作的几点建议。为避免因电力负荷预测误差过大造成严重后果,准确把握电力负荷发展规律,提高电力负荷预测准确率水平,提升电力负荷预测的专,Jk4Jc水平,本文在基础数据准确性、数据库完备性、降低大用户电力负荷波动影响和完善电力负荷预测管理水平等方面进行了详细的阐述。 相似文献
17.
基于混沌搜索的LS-SVM预测算法 总被引：1，自引：0，他引：1
为利用最小二乘支持向量机(LS-SVM)来进行预测,首先要确定影响LS-SVM模型的两个主要参数γ和σ,针对该问题提出了采用混沌搜索算法来搜索该模型的最优参数组合。混沌搜索的运动轨迹具有遍历性,随机性,可以进行全局和局部寻优,利用该算法搜索最优参数来确定预测模型,然后将该预测模型用于预测实践。实验结果表明,该模型具有较精确的预测精度和适用性。 相似文献
18.
The application of the network technology in the power grid makes the Load Frequency Control (LFC) system more vulnerable to various kinds of network attacks. The Denial of Service (DOS) attack can block the data collected by the Phasor measurement unit from being transmitted to the LFC center, thereby affecting the decision of the control center and generation of control signals, and can not adjust the frequency of the power grid timely. Aiming at the DOS attack on LFC, a defense method based on data prediction is proposed. Through the combination of the deep learning algorithm and the Extreme Learning Machine (ELM) algorithm, the Deep auto-encoder Extreme Learning Machine (DAELM) algorithm combines the advantages of the fast speed of the extreme learning machine and the advantages of high accuracy of the deep learning. We can predict and supplement the lost data based on the DAELM algorithm, and ensure the normal operation of the LFC system, thus can prevent DOS attacks. The experiments verified the effectiveness of the proposed method. 相似文献
19.
基于混沌优化的支持向量机地下水位动态预测 总被引：1，自引：0，他引：1
地下水位动态受到自然因素和人为因素的影响,随机性明显,因此在地下水物理过程分析的基础上构建地下水位动态预测的随机性模型对地下水资源评价具有重要意义。本文将小样本机器学习理论——统计学习理论中的支持向量机理论引入地下水位动态预测。最小二乘支持向量机是支持向量机的一种,考虑到地下水位动态序列的长度和峰值突变性的特点,本文提出一种改进的支持向量机-峰值识别最小二乘支持向量机;并针对支持向量机算法存在的参数优化、训练和测试速度等问题,结合混沌优化方法,建立了基于混沌优化的峰值识别最小二乘支持向量机地下水位动态预测模型;最后本文以内蒙古河套灌区义长灌域1990年~2004年3个灌期(夏灌(4月~6月)、秋灌(7月~9月)和秋浇(10月~11月)降水量、平均气温、蒸发量、引水量、地下水开采量、地下水排泄量和地下水位埋深共15年45个样本资料为数据源,将该模型和原最小二乘支持向量机模型分别用于义长灌域地下水位动态预测。结果表明,该模型的拟合值、检验值和预测值与实际值复合的很好,拟合的平均相对误差绝对值为2.0868%,检验的平均相对误差绝对值为3.4777%,预测的平均相对误差绝对值为6.8589%,且训练和测试速度快,而原最小二乘支持向量机模型预测的平均相对误差绝对值为20.6767%。因此,该模型用于地下水位动态预测是可行和有效的。 相似文献
20.
针对径流时间序列的非平稳特性及中长期预测精度低的问题,本文提出一种新的耦合预测方法：基于EMD分解的均生函数-最优子集回归（Mean Generating Function-Optimum Subset Regression,MGF-OSR）模型。首先利用经验模态分解（Empirical Mode Decomposition,EMD）方法对汾河上游上静游、汾河水库、寨上和兰村4座水文站的年径流序列进行平稳化处理,分别得到若干个固有模态函数（Intrinsic Mode Function,IMF）。对各阶固有模态函数分别建立MGF-OSR模型并进行预测,趋势项用直线拟合的方法进行预测,然后通过重构各预测值得到汾河上游4座水文站年径流量的预测结果,并与单独运用MGF-OSR模型的预测结果进行比较。结果表明,运用基于EMD分解的MGF-OSR模型对汾河上游4站年径流进行预测,准确率均为100%,确定性系数在0.975以上;而单一模型的预测准确率均为40%,确定性系数在0.732以下,耦合模型预测精度明显提高。 相似文献