电力需求预测的实用方法研究

电力需求预测的实用方法研究作者：何云辉学位授予单位：四川大学参考文献(36条)1.戴文进.付小科电力系统负荷预测[期刊论文]-世界科技研究与发展2002(3)2.肖国泉.王春.张福伟电力负荷预测20013.牛东晓.曹树华.赵磊.张文文电力负荷预测技术及其应用19984.周晖基于用电需求的负荷预测系统的初步设计[期刊论文]-华北电力技术1999(6)5.魏伟.牛东晓.常征负荷预测技术的新进展[期刊论文]-华北电力大学学报2002(1)6.史德明.李林川.宋建文基于灰色预测和神经网络的电力系统负荷预测[期刊论文]-电网技术2001(12)7.叶舟.黄婷.戴韧.陈康民季节性自回归滑动平均混合模型及其在电力负荷预测中的应用[期刊论文]-四川电力技术2001(1)8.周中明.李建平.张鑫.韦钢ANN在电力系统中期负荷预测中的应用[期刊论文]-电力系统及其自动化学报2003(2)9.GarciaAADemandSideManagementIntegrantionIssues:ACaseHistory198710.AbrahamA.NathBAneuro-fuzzyapproachformodellingelectricitydemandinVictoria2001(02)11.CharytoniukW.BoxED.LeeW-J.Chen,M.-SKotas,P.;VanOlinda,PNeural-network-baseddemandforecastinginaderegulatedenvironment200012.ReddyBSudhakara.ParikhJyotiKEconomicandenvironmentalimpactsofdemandsidemanagementprogrammes1997(03)13.ToshioSugiharaAnApproachofElectricPowerDemandForecastingusingData-MiningMethod:acasestudyofapplicationofData-Miningtechniquetoimprovementofdecision-making200214.TerraGS.LopesMCS.EbeckenNFFAdataminingapproachformedium-termdemandforecasting200315.赵希正中国电力负荷特性分析与预测200216.陈霞山.安伯义.陈广林电力负荷预测理论与方法200117.李艳梅.孙薇多元线性回归分析在用电量预测中的应用[期刊论文]-华北电力技术2003(11)18.MooleBR.KorrapatiRBForecastingdemandusingprobabilisticmultidimensionaldatamodel200519.邓聚龙灰色系统预测与决策198620.陶靖轩.田林组合预测模型及其应用-河南省高等师范教育发展趋势预测[期刊论文]-系统工程理论与实践1997(10)21.ChowMY.TramHApplicationoffuzzylogictechnologyforspatialloadforecasting1997(03)22.BorgulyaIArankingmethodformultiple-criteriadecision-making1997(09)23.ArakiH.KimuraI.ArizonoI.Ohta,HDemandForecastingbasedonDifferencesofDemandsviaNeuralNetworks1996(02)24.DasguptaCG.DisdensaGS.GhoseSComputingthepredictiveperformanceofaneuralnetworkmodelwithsometraditionalmarketresponsemodels199425.KitagawaG.GerschWAsmoothnesspriortime-varyingARcoefficientmodelingofnon-stationarycovariancetimeseries1985(01)26.VojinovicZ.KecmanV.SeidelRModelingempiricaldataanddecisionmakingwithneuralnetworks2002(02)27.王大光.林美月.林因.张榕林.林瑞兴福建省电力需求预测研究[期刊论文]-电力系统自动化2000(4)28.SugiharaTAdaptiveDemandForecastingApproachbasedonprincipalcomponentstime-series:anapplicationofdata-miningtechniquetothedetectionofmarketmovement2002(03)29.NguyenDat-Dao.KiraDennisSAssessmentofpreferenceinmulti-criteriadecisionmakingwithneuralnetworksvs.utilityfunctions:Anempiricalinvestigation200330.SlimCForecastingthevolatilityofstockindexreturns:astochasticneuralnetworkapproach31.YaoAlbertWL.ChiSC.ChenJHAnimprovedGrey-basedapproachforelectricitydemandforecasting2003(03)32.KirschenDanielSDemand-sideviewofelectricitymarkets2003(02)33.MullerH.RudolfA.AumayrGStudiesofDistributedEnergySupplySystemsUsinganInnovativeEnergyManagementSystem200134.潘国美用灰色系统理论建立浦东新区电力需求预测模型2000(01)35.高海波电力市场分类与电力需求分析2000(05)36.赵文霞电力需求的经济预测及波动周期分析2001(04)相似文献(10条)1.期刊论文廖志高.谢妮自组织数据挖掘在电力需求预测中应用-电力科学与工程2004,(4)简要回顾了各种电力需求预测方法,并针对最近兴起的神经网络方法的不足,提出了用自组织数据挖掘技术进行电力预测.用成都市电力需求的有关数据进行了电力需求预测,得出了较好结果,指出了近期电力需求预测出现偏差的可能原因.2.期刊论文彭远芳.董红生.PENGYuan-fang.DONGHong-sheng电力系统中基于聚类分析的主导因素挖掘方法-中国电力2006,39(12)影响电力系统发展的指标可能很多,在众多的因素中挖掘出最具代表性和影响力的若干主导因素,是有着重要需求的现实问题.借鉴聚类分析和数据挖掘的基本原理,提出了基于聚类分析的电力系统主导因素挖掘方法.对于电力系统某种指标,每一种相关指标都是一个衡量尺度,利用聚类分析法,综合多种衡量尺度对相关指标群体进行划分和识别,从而得到影响电力需求的主导因素.文中的方法可望在电力需求分析中发挥重要的作用.3.学位论文张文英基于数据仓库的云南电网需求侧分析2005电力需求侧管理是国家能源战略的重要组成部分，是缓解电力供应紧张状况，提高电力使用效率的重要举措，对促进能源、经济、环境协调发展具有重要意义。电力系统中有的发电厂及电业局已经有现成的联机事务处理系统(OLTP)，积累了大量的基础数据。供电企业如何“扩供促销”、移峰填谷、提高经济效益，都可以从企业信息库的数据中获得帮助，使数据为企业的决策提供支持和科学依据。数据仓库技术对操作型数据转化成全面、集成的信息，以及对海量数据的查询和统计提供了有效的解决方案。本文在介绍数据仓库、联机分析处理、数据挖掘的概念和技术的基础上，讨论了如何在MicrosoftSQLServer2000中将数据仓库和数据挖掘技术结合起来为决策支持服务。在分析电力需求侧管理系统应具备的功能的基础上，提出了一个需求侧分析系统的构想。从需求侧管理中电量分析主题入手，设计了数据仓库的结构和查询分析内容。详细分析了多维数据库的建立和多维视图的展现等技术。同时对数据仓库技术在完成电量数据的查询、统计、分析、生成各种统计报表方面的具体应用作了讨论。此外，还强调了客户分类管理在需求侧管理中的重要意义，用数学模型反映了分析型管理模型的可实施性。并给出了两个具体的应用实例：基于模糊聚类方法的客户划分和基于灰色模型的客户需求预测。还对数据仓库与决策支持技术的结合进行了初步探讨。4.会议论文王殉.姜婷.吴靖电力需求侧管理决策支持系统的实证研究2007随着能源与环境问题的日益突出，电力需求侧管理在中国已经得到高度重视与广泛应用。本文对电力需求侧管理决策支持系统作了分析和探索，阐述了基于数据挖掘技术和信息管理的电力需求侧决策支持系统的设计原理和系统架构。5.学位论文李春祥基于知识发现的电力需求复合预测研究2009电力需求预测是电力系统规划与运行的重要基础工作，是电力企业制定购电和发电计划的重要依据，也是电网安全经济运行的重要保障。电力需求指标会受到各种因素的影响，知识发现理论和方法能够用来挖掘指标变化的内在规律及其与影响因素之间的相互关系，从而做出更加科学准确的预测。本文在电力需求预测方面做了如下研究：(1)研究并提出了基于三指标量的复合预测模型。三指标量即指标总量、指标增长量和指标增长率，将预测指标序列转换为三指标量序列，对每个序列进行独立分析并预测，然后再拟合成最终的预测结果，称之为复合预测。文中将电力需求预测划分为电量预测和负荷预测，并应用灰色关联分析对电量指标与影响因素之间的相互关系进行了分析。根据复合预测思想的设计了实现模型，即基于三指标量的电量复合预测综合模型。该模型借鉴了组合预测的思想，首先利用层次分析法针对三指标量序列分别进行模型评价和优选，评价的标准包括模型预测误差、模型拟合度、模型专家信任度和预测趋势可信度，之后研究了两种拟合方法，分别为基于预测有效度的拟合方法和径向基神经网络的拟合方法，并分析了两种方法的优缺点。通过实例分析，对比了综合模型相比传统模型的优势。复合预测方法能够通过对预测指标的多角度分析，获得更多有关数据变化的内在规律，从而做出更加科学的预测。(2)研究了综合利用多种数据挖掘方法进行短期负荷预测的方法。首先基于粗糙集对负荷的影响因素集合进行约简，以约简的影响因素集作为日特征集，之后利用模糊C—均值聚类方法对日负荷曲线进行聚类分析，将曲线形态最为近似的聚为一类，最后以日特征集代替对应的日负荷曲线，并计算每类的类中心。进行预测时，计算预测日的日特征集到各类中心的距离，距离最近的为预测日的归属类，从归属类中选取历史数据作为训练样本对BP神经网络预测模型进行训练。通过实例分析，该方法能够显著提高预测精度，并且能够适应一些特殊日期的负荷变化。(3)研究了协同知识发现在电力需求预测中的应用方法。协同知识发现能够融合用户驱动知识和数据驱动知识，使用户参与到知识发现的整个过程中，通过知识聚焦实现对知识的进一步挖掘，实现知识库的动态更新和知识的全面评价。文中提出了电力需求预测协同知识发现逻辑模型，充分考虑了电力需求预测的特点，主要实现对预测结果的综合评价，并在此基础上实现对预测结果的微调。(4)研究并开发了电力需求预测分析系统。系统应用了复合预测的思想，采用模块化设计，具有界面友好、功能丰富、分析全面、可扩展性强等特点，已经在河北省电力公司发展策划部成功应用两年多，并获得了河北省电力公司科技进步二等奖。6.会议论文邱永生.李扬.周靖.仲伟宽.肖晶数据仓库技术在电力需求侧管理中的应用2004电力需求侧管理涉及的数据具有量大、面广、复杂、不易采集等特点,这