基于小波分析和灰色模型的甩电量预测
基于小波分解的抽水蓄能机组甩负荷反演预测

基于小波分解的抽水蓄能机组甩负荷反演预测作者:李立陈源伍志军周海舟张法来源:《人民黄河》2021年第09期摘要:首次在水電工程中提出了基于小波分解法的双机逐级增加负荷随程反演分析预测方法,并成功应用于国内某抽水蓄能电站现场“一管双机”甩负荷试验。
该方法在历次甩负荷试验实测数据基础上提取均值压力和脉动压力,通过均值压力与过渡过程计算值对比得到计算误差,进而对下一级甩负荷过渡过程计算值进行修正,叠加压力脉动极值后对试验结果进行预测,同时结合水泵水轮机全特性曲线对甩负荷过渡过程压力脉动特性进行了研究。
结果表明,该方法预测精度较高,有效控制了甩负荷试验过程压力极值可能超出调节保证设计值的风险,为抽水蓄能电站现场甩负荷试验提供了借鉴。
关键词:抽水蓄能机组;甩负荷试验;小波分解;压力脉动;反演分析与预测中图分类号:TV734.1;TV743文献标志码:Adoi:10.3969/j.issn.1000-1379.2021.09.028引用格式:李立,陈源,伍志军,等.基于小波分解的抽水蓄能机组甩负荷反演预测[J].人民黄河,2021,43(9):144-149,155.Prediction of Load Rejecting of Pump Turbine from Inversion Analysis Based on Wavelet DecompositionLI Li1, CHEN Yuan1, WU Zhijun1, ZHOU Haizhou1, ZHANG Fa2(1.Power China Zhongnan Engineering Corporation Limited, Changsha 410014, China;2.Huilong Branch of State Grid Xinyuan Company Limited, Nanyang 473000, China)Abstract: For the first time in hydropower engineering, this paper proposed a method that two units load increased with prediction from inversion analysis and based on wavelet decomposition,which had been applied successfully in the load rejection test of one pumped storage power station. It extracted the mean pressure and pulsation pressure from the measured data of previous load rejection tests, obtained calculation error by comparing the mean pressure and transient calculation value,then corrected the transient calculation value of next load rejection, accumulated the extreme value of pressure pulsation and predicted the result of next load rejection test. The pressure pulsation property during load rejection transient was researched based on the characteristic curve of pump turbine. It has been proved by practice that this method has high prediction accuracy, effectively controls the safety risk of load rejection test that the extreme pressure possibly exceeds the regulation guarantee and provides reference for load rejection test of pumped storage power station in the future.Key words: pump turbine; load rejection test; wavelet decomposition; pressure pulsation; inverting analysis and prediction抽水蓄能机组有水泵和水轮机两种运行方式,流道内水流具有双向性,水力过渡过程非常复杂。
基于小波神经网络工具箱的能源总量预测

基于小波神经网络工具箱的能源总量预测作者:刘龙李琳来源:《电脑知识与技术》2018年第25期摘要:提出一种采用小波神经网络预测能源生产总量的方法,将其预测结果与传统的BP 和RBF网络预测结果相比较,实验表明小波神经网络具有预测过程简捷,精确度高以及预测结果稳定等优点,克服了传统神经网络的局限性和预测方法的不足。
仿真实验验证了所提出方法的有效性。
关键词:小波神经网络工具箱;BP网络;RBF网络;预测中图分类号:TP391 文献标识码:A 文章编号:1009-3044(2018)25-0197-02关键词能源是人类生存发展的重要物质基础,随着现代化进程加快,我国能源消耗总量迅速增加,因此,对未来能源总量进行准确预测具有现实意义。
能源预测是通过现有数据,对未来包括原煤、原油、天然气、一次电力及其他能源在内的能源需求量进行预测。
预测结果有助于调整未来能源结构布局,更好的切合环保理念与要求,从而实现经济的可持续发展。
常用的能源预测方法有趋势外推法、灰色预测法、回归分析法等。
本文采用了BP网络预测、RBF网络预测和小波神经网络工具箱三种方法进行预测,通过对三种预测结果进行比较分析后得出,小波神经网络工具箱能够更精确的预测。
1 小波神经网络小波神经网络(Wavelet Neural Network,WNN)是小波分析方法和神经网络有机结合的产物,近年来受到广泛关注和应用。
上式可以用一个含一个隐层的神经网络实现,如图1所示。
通过对权值、aj、、bj的调整逼近函数,Wij、Wjk为输入层/隐层、隐层/输出层之间的连接权。
小波神经网络结构如图1所示[1]。
2 小波神经网络工具箱WNN工具箱[2]实现的关键是创建传递函数,利用BP网络工具箱中tansig、logsig等函数改造。
将tansig或logsig中的功能函数替换为Morlet小波函数,即[y=cos1.75x×exp-x22] (5)其导数为[dydx=-cos1.75x×exp-x22][-1.75sin(1.75x)×exp(-x22)] (6)平移和伸缩功能等效并入权和阈值调节中。
负荷预测的方法及特点

负荷预测的方法及特点负荷猜测是电力系统调度、实时掌握、运行方案和进展规划的前提,是一个电网调度部门和规划部门所必需具有的基本信息。
提高负荷猜测技术水平,有利于方案用电管理,有利于合理支配电网运行方式和机组检修方案,有利于节煤、节油和降低发电成本,有利于制定合理的电源建设规划,有利于提高电力系统的经济效益和社会效益。
因此,负荷猜测已成为实现电力系统管理现代化的重要内容,以下具体介绍负荷猜测的方法及特点:1.单耗法根据国家支配的产品产量、产值方案和用电单耗确定需电量。
单耗法分"产品单耗法"和"产值单耗法"两种。
采纳"单耗法"猜测负荷前的关键是确定适当的产品单耗或产值单耗。
从我国的实际状况来看,一般规律是产品单耗逐年上升,产值单耗逐年下降。
单耗法的优点是:方法简洁,对短期负荷猜测效果较好。
缺点是:需做大量细致的调研工作,比较笼统,很难反映现代经济、政治、气候等条件的影响。
2.趋势外推法当电力负荷依时间变化呈现某种上升或下降的趋势,并且无明显的季节波动,又能找到一条合适的函数曲线反映这种变化趋势时,就可以用时间t为自变量,时序数值y为因变量,建立趋势模型y=f(t)。
当有理由信任这种趋势能够延长到将来时,给予变量t所需要的值,可以得到相应时刻的时间序列将来值。
这就是趋势外推法。
应用趋势外推法有两个假设条件:①假设负荷没有跳动式变化;②假定负荷的进展因素也打算负荷将来的进展,其条件是不变或变化不大。
选择合适的趋势模型是应用趋势外推法的重要环节,图形识别法和差分法是选择趋势模型的两种基本方法。
外推法有线性趋势猜测法、对数趋势猜测法、二次曲线趋势猜测法、指数曲线趋势猜测法、生长曲线趋势猜测法。
趋势外推法的优点是:只需要历史数据、所需的数据量较少。
缺点是:假如负荷消失变动,会引起较大的误差。
3.弹性系数法弹性系数是电量平均增长率与国内生产总值之间的比值,依据国内生产总值的增长速度结合弹性系数得到规划期末的总用电量。
电力系统负荷预测方法及特点

电力系统负荷预测方法及特点摘要:电力系统的生产及调度运行与负荷预测有着直接的关系,负荷预测的准确性不仅影响着发电成本,还能明显提高电力系统的稳定性和安全性。
目前,随着电力市场的扩大,其中电力负荷预测的重要性更加明显。
本文就对电力系统负荷预测方法及特点进行深入探讨。
关键词:电力系统;负荷;预测;特点负荷预测是电力系统规划设计的基础,随着我国经济快速发展,电力系统负荷预测对整个社会的发展的重要性变得越来越明显。
电力系统负荷预测的准确性直接影响到整个城市规划建设。
负荷预测是根据当地电网的相关历史数据以及当地经济发展状况、行业结构,以及以后经济发展方向等资料来进行的。
负荷预测包括电量需求预测和电力需求预测两部分内容。
负荷预测的方法是多种多样的,本文常用的电力系统负荷预测方法进行研究分析,并通过实例分析了相关方法的实用性。
1、电力系统负荷预测的特点电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等,不同类型的负荷具有不同的特点和规律。
电力系统负荷预测的特点是:城市民用负荷主要来自城市居民家用电器的用电负荷,它具有年年增长的趋势,以及明显的季节性波动特点,而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。
商业负荷,主要是指商业部门的照明、空调、动力等用电负荷,覆盖面积大、且用电增长平稳,商业负荷同样具有季节性波动的特性。
虽然商业负荷在电力负荷中所占比重不及工业负荷和民用负荷,但商业负荷中的照明类负荷占用电力系统高峰时段。
此外,商业部门由于商业行为在节假日会增加营业时间,从而成为节假日中影响电力负荷的重要因素之一。
工业负荷是指用于工业生产的用电,一般工业负荷的比重在用电构成中居于首位,它不仅取决于工业用户的工作方式(包括设备利用情况、企业的工作班制等),而且与各行业的行业特点、季节因素都有紧密的联系,一般负荷是比较恒定的。
农村负荷则是指农村居民用电和农业生产用电。
此类负荷与工业负荷相比,受气候、季节等自然条件的影响很大,这是由农业生产的特点所决定的。
(时间管理)基于小波与灰色模型的滑坡时间预测预报

(时间管理)基于小波与灰色模型的滑坡时间预测预报摘要我国是世界上滑坡灾害最为严重的国家之一。
滑坡灾害往往会造成严重的经济损失,威胁人民生命安全。
据统计,我国有70多个城市,460多个县收到滑坡灾害的威胁及危害,每年平均至少造成15亿—23亿元的经济损失,由于近年来自然灾害增多,滑坡也相应增加。
如果我们能够知道滑坡发生的时间,积极采取应对措施,就可以将滑坡危害降到最低,减少不必要的人员伤亡和经济损失。
因此对滑坡时间进行预测预报研究具有十分重要的意义。
本文基于以上目的,针对滑坡预测预报中存在的问题进行时间预测预报研究。
本文主要通过对小波理论和灰色模型的介绍和研究,将小波降噪和灰色模型应用于滑坡时间预测预报。
主要研究内容如下:(1)对滑坡时间预测预报及其发展趋势做了简单的介绍。
介绍了滑坡监测技术和滑坡预测模型。
(2)时间预测预报之前需要对观测的位移时间数据进行处理,去除噪声,以提高预测精度。
本文选用小波的方法对滑坡观测的位移数据进行去噪处理。
在此之前介绍了小波理论,小波函数和小波阈值的选取规则。
后面通过选用不同的阈值来对滑坡数据进行降噪处理,并利用信噪比来比较降噪效果。
(3)简单介绍灰色系统模型,利用matlab编写相应的程序。
并利用灰色模型对已经降噪处理的数据进行时间预测,并分析结果。
(4)把小波阈值降噪方法和灰色模型应用到新滩滑坡,对观测数据进行降噪处理并预测时间,并将结果与真实值进行对比分析。
关键词:滑坡小波分析小波阈值灰色模型降噪时间预测iiAbstractChina is one of the countries which have the most serious landslide calamity in the world。
Landslide calamity can always cause serious economic losses, which threatens the safety of people's life.According to the statistics, about 70 cities and 460 counties in our country have been threatened and damaged by the landslide hazard. As a result, the economic usually suffers from a loss between at least 1.5 billion and 2.3 billion every year. As the natural disasters increase recently, the landslides also increase accordingly.If we know that the landslide occurred at certain time and take actions, then the landslide hazard can be reduced at most, besides we can reduce unnecessary casualties and economic losses.Consequently, research of forecasting Landslide-time is significant.Based on the purpose above, in this paper, for the problems in the prediction of landslide, we will make a detailed research. According to the introduction and study of wavelet theory and Grey model, wavelet noise reduction and Grey model can be applied to landslide prediction.The main research contents are as follows:(1)A succinct introduction of the landslide-time prediction and development tendency, including the landslide monitoring technology and landslide prediction model.(2)Before theTime prediction, In order to improve predictionivaccuracy, it is necessary to process observed displacement time data and remove noise. In this paper, the technique of wavelet is applied to remove the noise in the observed landslide displacement data.Wavelet theory, wavelet function and the selection rules of wavelet threshold are proposed before, Then conduct noise reduction for landslide data by different threshold values, besides, through the signal to noise ratio to compare the result of noise reduction.(3)Proposing Grey model succinctly, programming by MATLAB and using Grey model to estimate the time of the noise reductive data, then analyzing the results.(4)Apply the noise reduction method for wavelet threshold and Grey model to the new beach landslide, conduct noise reduction for the observed data and estimate the time, then compare the results to the true value.Keyword: Landslide;wavelet analysis;wavelet threshold;Grey model;wavelet denosing ;Time prediction目录第一章绪论 (1)1.1 论文的研究背景 (1)1. 2滑坡灾害时间预测预报及其发展趋势 (2)1.3 滑坡预测预报研究目的和意义 (4)1.4论文的主要内容 (5)第二章滑坡监测技术与预测模型 (6)2.1 滑坡监测技术 (6)2.2 滑坡预报模型 (6)第三章小波理论 (8)3.1小波变换 (8)3.2 小波变换原理与分类 (9)3.2.1 小波变换原理 (9)3.2.2 小波变换分类 (9)3.3 多分辨率分析 (13)3.4 Mallat算法 (15)3.4.1 Mallat算法综述 (15)3.4.2 Mallat分解算法 (16)3.4.3 Mallat合成算法 (17)3.5 常用的小波函数 (18)3.6 小波变换用于信号降噪的原理 (22)vi3.7 非线性小波变换阈值法 (25)3.7.1 算法实现 (25)3.7.2 阈值的选取 (26)3.8 小波降噪效果评价指标 (28)第四章滑坡监测灰色模型 (30)4.1 灰色系统介绍 (30)4.2 滑坡监测数据的生成 (31)4.2.1 累加生成(AGO) (32)4.2.2 累减生成(IAGO) (33)4.2.3 均值生成 (34)4.2.4 级比生成 (34)4.3 滑坡监测灰色建模方法 (35)4.3.1 灰色模型的一般形式(GM(n,h)) (35)4.3.2 GM(1.1)模型 (36)4.4 GM(1,1)模型的精度检验 (39)4.4.1 相对误差检验法 (39)4.4.2 后验差检验法 (39)4.4.3 关联度检验法 (41)第五章小波降噪与灰色模型预测的实例分析 (42)5.1 新滩滑坡简介 (42)5.1.1 滑坡复活的地质环境 (42)5.2 小波数据处理 (43)5.2.1 小波阈值法降噪 (44)5.2.2 去噪结果分析 (49)5.3 灰色预测预报 (50)5.3.1 滑坡灰色模型预测 (50)5.3.2 时间预测结果分析 (52)结论与展望 (53)参考文献 (54)致谢 (57)viii第一章绪论1.1 论文的研究背景滑坡是斜坡上的岩土体沿某一界面发生剪切破坏向坡下运动的现象(DB 50/143—2003,《地质灾害防治工程勘察规范》)。
应用于月度用电量预测的小波分析法

应用于月度用电量预测的小波分析法吴雪花【摘要】月度用电量预测是中期负荷预测的主要内容,也是制定月度发电规划的基础.文中以美国亚利桑那州为例,采用小波分析法,首先使用小波变换获得若干个采样点减少一半的小波系数;然后分别对各系数插零、重构,恢复到原数据的长度;最后采用RBF神经网络对恢复长度的各系数进行预测.该方法将月度用电量的时间序列分解成趋势项和波动项,分别进行预测,提高了预测精度.【期刊名称】《江苏电机工程》【年(卷),期】2014(033)002【总页数】4页(P8-11)【关键词】用电量预测;小波;RBF神经网络【作者】吴雪花【作者单位】南京航空航天大学金城学院,江苏南京211156【正文语种】中文【中图分类】TM715月度用电量预测是中期负荷预测的主要内容,也是制定月度发电规划的基础。
近年研究发现,用电量不仅呈逐年变化的趋势,而且受气温波动的影响[1]。
因此将月度用电量数据逐年变化趋势的特征和随气温波动的特征这2 种特征进行分离剖析,能够提高预测的准确性[2,3]。
小波分析法是一种运用伸缩平移运算,对高频分量进行时间细分,低频分量进行频率细分,最终将信号分解成一系列小波函数叠加的分析方法。
该方法实现了时间频率的局部化分析。
相较于傅里叶分析,小波函数可以逼近非稳态信号中尖锐变化的部分,也可以逼近离散不连续具有局部特性的信号,描述能力更强,是信号分解的一种常用方法,对非线性信号具有较好的分解效果[4]。
文献[3]采用小波分析法,将用电量数据分解成若干不同尺度的分量,使得数据逐年变化趋势的特征和随气温波动的特征这两种特征分离,然后采用BP神经网络对各分量分别进行预测,总体预测精度更高。
然而小波分析每进行一次分解,小波系数的采样点会减少一半,影响预测精度,文献[3]并未对小波分解的这种不足加以分析。
针对这种不足,本文将做如下改进:首先采用小波分析法对月度用电量进行分解;然后采用小波重构将各小波系数恢复到原数据的长度;最后采用RBF神经网络对恢复长度的各系数进行月度用电量预测,并与传统的小波分析法进行比较。
基于改进灰色关联度及尺度一小波能量谱的输电线路故障选相
n- l 1 k
) ) ) 1 , ( , ) 4 。( )
76
广 西 电 力
GUANGXI ELECTRI C P0W ER
21 0 1年 1 2月
Vo1 4 . N 0. 3 6
23 灰色 关联 度矩 阵 .
进 灰 色关联 度 F ( i =1 ,… , ;i a ,C) k ,2 = ,b ; 4令 = ( 础+ + ) 3 =1 ,… , ; ) , r / ,七 ,2
=
的 向量 。
设X = ) = , ,…,2 o {( , 1 2 0 ,为 )
=
0 ,
故 障参考序列 的向量序为
{f ), = ,2 k 1 ,…,, =1 ,…,, ( z ;f ,2 ) 为 故 障参 考 序列 。
令 △ k l( )=X )一 f ) o k, (
l fd I ̄ - ()a 厂 )t R - 2 口 d, (l = C l E a
其 中
( 6 )
( 7 )
E = (, )b () j bl , I : d
式( ) E ( 称为信号的尺度一 7 中, 口) 小波能量谱 。 对离散小波 变换 , 定义 尺度 一 小波能量谱序列
) ) )0 取) | , j=。 , ( , ) , , i J 0 <则 ( } } ) ) )
则 序 列 Xo 与 的改进 灰色 关联 度为 :
)( , )=上 J
=
y , ) ∑) () f ) 。 ( ) ( = , 0 , ( ) 1 ( 庀 庀 0
(> t )
(
1 尺度一 小波能量谱
11 小波 变换 .
式 () 4 为关 于 基 小 波 的 连续 小 波 变 换 。式 ( ) , 4中
基于改进的小波分析的电力负荷预测方法研究
基于改进的小波分析的电力负荷预测方法研究针对当前电力负荷预测方法研究的不足,文章提出了一种改进的基于小波分析的电力负荷预测方法。
方法对选取的样本数据进行预处理操作,然后将样本数据归一化,进行三级小波分解,建立分析预测模型,最后根据建立的预测模型对预测结果进行分析与修正。
文章提出的方法可以使得到的样本数据更加平滑,同时可以使预测结果更加准确,减小预测误差。
标签:负荷预测;小波分析;预测模型1 概述当前电力部门的发展和需求越来越高,这样对电力负荷的需求也就随之增长,但是并不是负荷需求增大,就无限的增加电量,所以需要对负荷的需求量做出精准的预测。
从而可以及时进行电力调整。
当前并没有一种合理的电力负荷预测分类的标准,一般可以按照负荷时间长短来划分,包括长期电力负荷预测、中期电力负荷和短期电力负荷。
长期电力负荷预测和中期电力负荷的预测需要有大量甚至海量的历史数据作为基础,因此无论从一次方法和预测质量上都不是太好,并且预测的实际意义并不是很大,而短期电力负荷预测就成了整个电力负荷预测的重要研究内容,当前预测方法基本上都是以一定的历史数据作为预测的对象,然后形成特定的预测模型,然后根据适当调整电量[1-2]。
短期电力负荷预测不仅已经成为当前重要研究方向之一,而且预测的好坏直接影响到电厂的调度计划和经济运行环境等多方面[3]。
区域性的用电预测和季节性的用电规划等都是需要考虑的问题,如何保证用电单位和用户的正常消费用电并能合理调度用电设备是当前急需需要解决的问题。
2 电力负荷预测方法传统的短期电力负荷预测方法包括以下几种方法:(1)回归分析法;(2)时间序列法;(3)趋势外推记忆法;(4)傅立叶展开法;(5)多元线性回归法[4]。
这些方法都是线性模型分析方法,尽管方法都是常用成熟的方法,但是对样本的要求比较高,首先要保证数据的完整性,例如缺失数据要少,样本数据要保证是线性的。
短期电力负荷预测的研究意义和应用意义在于以下几方面:(1)电力系统调度和电力合理分配的依据;(2)满足电网的调度需求,保证电力系统的平稳运行降低发电成本;(3)可以形成历史数据,便于后期的预测分析。
灰色预测模型论文
灰色预测模型论文
灰色预测模型是一种基于小样本数据的预测方法,该方法通过对已有数据的分析和处理,得到未来趋势的预测结果。
灰色预测模型适用于预测非常规变化或变化不规则的时间序列数据,具有简单、方便、快速的特点。
在灰色预测模型的基础上,研究者们持续进行着探索和研究。
相关的论文和研究逐渐丰富。
例如,张贵耀等人在《基于FFT变换与遗传算法的灰色预测模型及其在环境优化中的应用》中,提出了一种基于FFT变换和遗传算法的灰色预测模型,该方法在应用于环境优化中取得了较好的预测效果。
另外,魏伟等人在《基于灰色理论和神经网络的锂电池SOH 估计方法研究》中,将灰色理论与神经网络相结合,提出了一种新的锂电池SOH估计方法。
该方法不仅能够准确地评估锂电池的状态,而且还能够预测其未来的寿命。
此外,吕振国等人在《一种基于蚁群算法和灰色预测的PM2.5浓度预测方法》中,将蚁群算法和灰色预测模型相结合,开发出一种新的PM2.5浓度预测方法。
该方法在实际应用中,能够较准确地预测PM2.5浓度变化趋势。
综上所述,灰色预测模型是一种有效的预测方法,在各个领域得到了广泛的应用和研究。
未来,随着人工智能和大数据技术
的发展,灰色预测模型也将在更多领域得到应用并取得更好的预测效果。
基于灰色预测和随机森林组合算法的电量预测
2020年第7期总第398期基于灰色预测和随机森林组合算法的电量预测杨晓雷1,姚剑锋1,徐久益1,徐晨2(1.国网浙江嘉兴供电公司,浙江嘉兴314000;2.嘉兴恒创电力集团有限公司华创信息科技分公司,浙江嘉兴314000)经济增长与电力需求,是分析一个国家经济运行状况的两个重要指标。
同时,用电量又称“经济晴雨表”,其变化趋势与经济增长的变化趋势基本一致。
精确的电量预测是进行电网规划和建设的重要依据。
因此,精确的电量预测方法是当前电网公司研究的重点。
随着电力行业的高速发展与泛在电力物联网概念的提出,电量预测技术研究的重要性也日益突显。
目前,电量预测方法种类很多,已经形成了相对成熟的理论体系。
传统的电量预测方法,如回归分析法、指数平滑法、神经网络、时间序列预测等方法[1-4]研究者颇多,这些预测方法对于特定数据样本类型有预测优势,如回归分析法适合于中长期预测,算法简单;神经网络在大样本数据的电量预测有优势,非线性拟合能力强;时间序列适合短期电量预测,算法复杂度较低;趋势外推对小样本、中短期的电量预测有较好的效果。
月度电量预测受诸多复杂因素的影响,如经济因素、政策因素、季节因素、气候因素等,其中,经济因素与用电量的相关度最高[9]。
如今,中国的经济发展由高速度转向高质量,各地区月度用电量的变化也呈现差异性和多样性。
因此,这给众多电量预测方法的通用性和预测准确度带来挑战[10]。
基于此,本文通过对区域历史电量数据和经济数据的研究分析,挖掘其发展的规律和特点,并创新性地提出了一种基于灰色预测和随机森林的组合电量预测方法。
为地区月度用电量预测提供了一种新思路。
1数据分析和处理1.1数据分析项目所需的数据为南方某城市近4年的月用电量数据及该城市统计局主要年经济指标数据。
用电量为一维,相关经济数据为四维,包括规模以上工业增加值、固定资产投资、社会消费品零售总额和出口总值这4个经济指标,数据已脱敏处理。
具体数据如表1和表2所示。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
4 灰 色预测模型预测实例分 析
负荷 预 测 研 究 的 对 象 是 不 确 定 的 事 件 , 它是 根 据 过 去 和 现
在的电力负荷数值 , 推测 受 到 很 多 复杂 因 素 的影 响 .其 未 来 的 发 展 是 不 确 定 的 , 在 未 来 某 一 时 刻 的 状 态 又是 很 难 把 握 的 , 只能 在 一 定 的 条 件 下, 做 出若 干 假 设 , 进行一定简化 , 才能模糊得到预测结果 。因
物 之 间 的 内 在联 系 和发 展 变 化 规 律 , 以 未来 韵 经 济 、 气 象 等 因 素 的 发展 趋 势 为 依 据 , 对 电力 需 求 作 出 预 先 的估 计 和推 测 。从 中小 波 分 析
和 灰 色 模 型 角 度 分析 了用 电量 预 测 。 介绍 了中 小 波 分 析 和 灰 色模 型 的概 念 和 原 理 , 通 过实 例 对 灰 色 预 测模 型 韵 预 测 效 果 进 行 分 析 。
一
授 发现 使 用 少量 的 微 分 方 程 建 模 数 据 , 可 以 找 到 较 长 时 期 起 作
用 的 规 律 。 这项 工作 一 开 始 并 不 顺 利 , 目前 还 没 有 建 立供 应 模 型。后来 , 他 用 历 史 数 据 进 行 各 种 处理 , 发现累加生成 。 发 现 累 加 生 成 曲线 是 以 指 数 增 长 曲 线 近 似 和 指 数 增 长 是 与 微 分 方 程 的 形式 解 线 。在此 基 础 上 , 进 一 步 研 究 了 离散 函数 光 滑性 , 微 分 方程平射性 、 背 景 值 等 一些 基 本 问题 , 定 义 了指 标 集 拓 扑 空 间
关键词 : 用电量预测 ; 中小波分析 ; 灰色模 型; 应用实例
1 用 电量 预 测
用电量预测是根据电力负荷、 经济 、 社会 、 气 象 等 的 历 史 数
析 或 是 用来 重 建 原 始 信 号 。这 些 优 点使 研 究 可 以 有 效 地应 用 于
负 荷 预 测问 题 韵 小 波 分 析 。
I 1 电 力建设 电力系 统
基 于小 波 分析 和灰 色模 型 的甩 电量预 测
周 军
( 兴 义 市 供 电局 , 贵 州兴 义 5 6 2 4 0 0 )
摘
要: 电 力 系统 用 电量 预 测 是 指 从 电力 负荷 自身 的变 化 情 况 以及 经 济 、 气 象 等 因素 的影 响 规 律 出 发 , 通 过 对 历 史 数 据 韵 分 析 探 索 事
据 , 不 重视 规 则 的 发 展 。在 可 利 用 数 据不 多 的 情 况 下 , 邓 聚 龙教
要数据源 , 也是 电力 系统 经 济 运行 的基 础 。 在任何时间里 , 电力 系 统 的 经济 运行 需 要 电 力需 求 预 测 . 这 对 电 力 系 统 规 划 和 运 行 极为重要。近年来 , 随 着 我 国 电力 供 应 和 电 力 行 业 的 市 场 化 运 作机制 , 电力供需之 间的矛盾 , 电 力 需 求 预 测 的 准 确性 有 待 进
据, 当 前及 未来 天 气 信 息 , 预 测 未 来 电 力 负 荷 的过 程 。 用 电量 预
测 是 电力 系 统运 行管 理 的 关 键 组 成 部 分 。电 力 负荷 及 用 电量 因
3 灰色模型
所 谓灰 色 模 型 是 指 信 息 部 分 明确 、 部 分 不 明 确 的 系 统 。灰 色 系统 理 论 是特 定 信 息 的 使用 . 通 过 对 有 限 序 列 的 形 成 微 分 方
天气 、 社会活动的变化 , 具有很大的波动性和季节性 ; 对 电 力 负 荷 作 出正 确 的预 测 , 是电力系统制订扩容 、 运行 、 检 修 等计 划 的 基 础 。 为 了 电力 系统 运 行 的有 效 性 和运 行 效 率 , 我 们 需 要 准 确 地 预 测 系 统 负荷 ; 如果 系 统 用 电 量 预 测 过 高 , 系 统 发 电 容 量 偏 大 导致 运行 成本 过 高 ; 相反 , 如 果 系 统用 电量 预测 偏 低 , 将 会 影 响 到 系统 的 可 靠 性 和 安全 性 。
的灰导数 , 同时也 考虑了有限和无限 的相对性 。 最 后 解 决 了微 分 方 程 韵建 模 问 题 。
步提 高 。用 电量 预测 方 法 可 分 为 确定 性 用 电 量 预 测方 法和 不 确 定 性 的 电力 需 求 预 测 方 法 来 预 测 一 个 或 一 组 方 程 来 描
确 定性 用 电量 预 测 方 法 。 述电的使用 , 有 电力 负 荷 与 变 量 之 间 的 一 个 明 确 的 关 系 , 包 括
时间序列预测法 、 回归 分 析 法 、 预测方法 、 趋 势 外 推 预 测 方 法 等 经 典 技 术 。 解 决 在 实 际 电 力 负 荷 变 化 规 律 的 发 展 是 非 常 复 杂 的 ,不 能 被 描 述 在 相 应 的 和 相 关 的 显 式 的 数 学 方 程 这 一 问 题 . 通过不懈的努力 , 有 关 电力 预 测 许 多 专 家 和学 者 引 进 许 多 新 的
用 电量 预 测 是 电 力 系 统 的 重 要 组 成 部 分 , 是 电 力 交 易 的 主
程, 以寻 求 法 律 的 参 数 不 确 定 的 信 息 , 分 析 方 法 和发 展 趋 势 展
开 。灰 色模 型 理论 的形 成 是 有 过程 的 。
邓 聚 龙 教 授 早 在 理论 和模 糊 控 制 系统 取 得 了 大 量 的 成 果 。 后来 。 他 获 得 全 国 粮 食 产 量 预测 的 任 务 , 以 提 高概 率统 计 预 测 , 他 研 究 了大 样 本 的 追 求 , 必 须 先知 道 分 布 规 律 、 发 展趋 势 , 他研 究 了 概 率 统 计 追 求 大 样 本 量 。拟 合 时 间 序 列 方 法 只 提 交 的数