共查询到10条相似文献，搜索用时 20 毫秒
1.
对风力发电进行有效的预测,可降低电网调度的难度。先对风速历史数据进行小波分解,再针对各小波分量分别建立改进型BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。 相似文献
2.
为提高对短期负荷的预测精度,提出基于小波变换,并加入电价因子构建MLP神经网络对负荷进行短期预测的方法。首先通过小波变换将原始负荷、电价序列进行分解,得到高、低频率的时间序列带;其次分别利用高频、低频电价序列对高频、低频负荷序列进行MLP神经网络训练与预测;最后,将预测的高频、低频负荷值通过小波变换,重构完整的负荷预测值。采用美国电力联盟实例对该方法进行验证,并与含电价因子的MLP网络预测法、经典MLP网络预测法,以及不含电价因子的CWT-MLP网络预测法预测效果进行比较。结果证明,含有电价因子,并结合小波与MLP神经网络构建的模型能够丰富数据信息,提高负荷预测精度。 相似文献
3.
混沌时间序列单变量和多变量重构的预测比较 总被引：2，自引：0，他引：2
提出了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数的选取方法，给出了多变量混沌时间序列的局部平均预测法，局部线性预测法和BP神经网络预测法等3种非线性预测方法．通过Lorenz系统的仿真计算表明，无论用3种非线性预测方法中的哪一种，多变量混沌时间序列要比单变量混沌时间序列的预测误差小得多，即使前的数据长度只有后的一半，前的预测误差也要小很多．另外从预测误差最小的角度验证了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数选取方法的有效性． 相似文献
4.
《实验室研究与探索》2020,(2):28-33
为降低风电场的运营成本和提高设备维护效率,提出了基于离群点检测和PSO-BP的风速预测模型。将基于距离和统计学的离群点检测方法结合,并通过分组剔除风速数据中的异常值;然后利用小波阈值去噪算法对风速数据进行去噪;最后使用粒子群算法优化后的BP神经网络进行预测。仿真结果证明,改进的离群点检测方法和小波阈值去噪降低了风速数据的波动性和随机性;对于3组不同风速数据,基于离群点检测和PSO-BP预测模型的预测精度均高于其他对比模型。 相似文献
5.
刘朋辉 《江西电力职业技术学院学报》2023,(2):10-12
当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法：获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明：新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。 相似文献
6.
山西电网节假日短期负荷预测研究与分析 总被引：1，自引：0，他引：1
在对短期负荷预测的方法进行了研究、比较后,提出了几种提高预测精度的办法。实际应用于山西电网2006年春节假日短期负荷预测,结果表明该方法实用、有效。 相似文献
7.
8.
9.
运用R/S分形理论对我国及各省区1952—2012年期间粮食产量的波动规律及预测方法的选择进行了研究,结果表明:自1952年以来,我国粮食产量不断增长,但是增速逐渐变缓。粮食产量存在着明显的波动特征,正负波动基本相当。在1952—2012年期间,我国粮食产量的时间序列具有较明显的持续性,但这种持续性影响经过一段时期之后即会消失。各个省区的Hurst指数存在较大的差别,从区域分布来看,Hurst指数较高的省区主要为我国水土资源及气候条件均相对较为优越的粮食主产区。Hurst指数高的粮食产量时间序列具有自相关性,使用ARMA模型进行短期预测的精度会相对较高。Hurst指数在0.5附近的粮食产量时间序列波动基本处于随机状态,适合使用马尔科夫链模型进行短期预测。Hurst指数低的时间序列是反持久性的时间序列,具有均值回复的特征,适合使用EMD提取趋势线进行预测。 相似文献
10.
电力负荷预测一直是电力系统的重要研究课题。在考虑天气状况因素的前提下,通过MATLAB软件实验平台,构建了一个RBF神经网络模型,并用历史电力负荷数据进行训练,成功的进行了电力系统的短期负荷预测,预测结果误差比较小,结果令人满意,证明了RBF神经网络在电力短期负荷预测领域的有效性和可行性。 相似文献