最小二乘小波支持向量机在电力负荷预测中的应用

针对中期电力负荷预测问题,提出了一种基于多维允许小波核的最小二乘小波支持向量机(least squares wavelet support vector machines,LS-WSVM)方法,并且给出了一种可有效求解LS-WSVM的Cholesky分解算法.该方法结合小波技术和最小二乘支持向量机,其中小波核函数具有近似正交以及适用于局部信号分析的特性.将LS-WSVM应用于电力负荷预测的两个实例中,结果表明,与LS-SVM、标准SVM、多层前向神经网络等方法相比,LS-WSVM均能给出相当好的预测性能,所提出的用于中期电力负荷预测的LS-WSVM方法显示了其有效性和应用潜能.     

基于混沌理论的短时交通流量预测

随着智能交通的发展,实时动态交通分配成为当前研究热门问题.短时交通流预测是实.时动态交通分配的关键技术之一,在当今交通控制以及车辆导航中具有不可替代的地位.通过对交通流数据进行分析,得出交通系统具有耗散系统特性.并且存在混沌.在此基础上,运用混沌理论对交通流数据进行相空间重构,并用多元局域预测法对时间序列进行预测.通过分析预测数据,得出基于混沌理论的短时交通流量预测在2～5 min内具有较高的预测精度.     

基于混沌理论的短时交通流量预测

随着智能交通的发展,实时动态交通分配成为当前研究热门问题。短时交通流预测是实时动态交通分配的关键技术之一,在当今交通控制以及车辆导航中具有不可替代的地位。通过对交通流数据进行分析,得出交通系统具有耗散系统特性,并且存在混沌。在此基础上,运用混沌理论对交通流数据进行相空间重构,并用多元局域预测法对时间序列进行预测。通过分析预测数据,得出基于混沌理论的短时交通流量预测在2～5 min内具有较高的预测精度。     

基于果蝇优化灰色神经网络的年电力负荷预测

年电力负荷预测的准确性对电力系统的经济效益和社会效益具有重要作用。灰色神经网络(GNN)是一种创新的智能计算方法,在实际中广泛应用。尤其在预测问题方面具有极大的潜力。作为一种新型的启发式和进化算法,果蝇优化算法(FOA)具有易理解和快速收敛到全局最优解的优点。为提高预测性能,提出一种以GNN为基础的年电力负荷预测模型,使用FOA自动确定GNN模型的相应参数值,提高模型的稳定性和预测精度。通过利用中国的年用电量为实例,计算结果表明,GNN结合FOA(GNN-FOA)优于GNN,广义回归神经网络(GRNN),最小二乘支持向量机(LSSVM)和回归模型等其他替代方法。     

基于混沌吸引子的时间序列预测方法及其应用

介绍相空间重构技术以及混沌吸引子的关联维数的计算方法,阐述了基于混沌吸引子的特性基础上的预测原理及预测模型,指出了已有预测模型的不足,提出改进意见并给出具体算法。然后,用Lorenz 系统所产生的时间序列作为样本,进行了预测,给出了3种模型的预测结果,并作了比较。最后,指出了还存在一些相关问题。     

基于混沌理论和神经网络的交通量预测

针对目前交通量预测不能很好地满足智能交通管理需求的现状,分析交通量数据内在混沌特性,主要包括时间延迟、嵌入维数、关联维数及Lyapunov指数的计算,并将此分析耦合人工神经网络模型进行预测,最后给出北京环路上某车道交通量预测的实例,结果显示基于混沌时间序列分析的神经网络交通量预测在数据动力特征刻画及误差控制上有显著优势。     

神经网络在热电厂锅炉热负荷预测的应用研究

热电厂在确定建设规模，制定运行、检修计划方面面临许多因素的影响，锅炉热负荷的变化是典型的非线性变化。对神经网络BP算法在热电厂锅炉热负荷预测方面的应用在理论上做了一些研究，并引入实例对所建模型进行训练和检验。     

基于混沌理论对北京二环路进行短时交通流量预测的研究

随着机动车保有量的增加,交通拥堵变成迫切需要解决的问题. 道路交通流预测可以使交通管理部门提前制订相关政策,面对即将出现的交通问题提前采取管控措施,从而可以在一定程度上缓解交通压力. 道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础. 本文在对交通系统具有耗散系统特性分析的基础上,认为交通状态中存在混沌. 本文运用混沌与分形理论恢复交通流量序列的动力学系统,并用多元局域预测法对时间序列进行预测,并实地采集数据运用模型进行分析校验. 通过分析不同时间间隔的时间序列的评价指标,比较得出此法在2至5分钟内有较高的预测精度.     

基于混沌理论对公路货运量预测方法的研究

利用混沌理论对公路货运量的预测方法进行了分析,比较了现代常用的公路货运量预测方法的优缺点,研究了混沌理论对公路货运量的预测基本原理,构思短中长期货运量预测方法的可行性,并提出了研究方法和途径。     

基于指数加权移动平均多维组合模型的电力负荷预测

随着电力行业的不断发展,对电力用户侧进行用电负荷预测成了满足用户用电供需平衡和电网规划的重要部分。在大数据背景下,为提高电力负荷预测结果的准确性,针对历史数据时间远近的影响,分别考虑同期历史数据和近期历史数据两类数据局限性的影响,基于时间占优的原理,引入指数加权移动平均模型对不同时刻的数据进行权重分配,提出了改进的电力负荷预测模型。以某地区电力负荷预测为例,所得预测结果在标准误差上提高了29.5%,平均绝对百分误差提高了25.7%,分析结果表明提出的模型是可行的且有较高的精确度,为电力负荷的预测提供可靠的参考依据。     

基于深度学习的电力负荷短期预测

为做好电网供需平衡,进一步改善电网的社会效益和经济效益,根据负荷数据的时序性特征,利用卷积神经网络的特征提取能力和长短期记忆神经网络捕捉时间序列关系的能力,采用卷积-长短期记忆混合神经网络进行电力负荷短期预测.首先根据历史数据对该模型进行训练,然后使用已训练好的模型进行预测,最后将其预测结果与长短期记忆神经网络预测结果进行比对.两组不同采样间隔的负荷预测仿真结果表明,卷积-长短期记忆混合神经网络相对于长短期记忆神经网络,可以更好地从负荷数据中提取出时序性特征,预测误差较小,精度较高,能够在电力短期负荷预测问题中提供可靠的预测结果.     

灰色理论在高速公路交通量预测中的应用

应用灰色理论,借助于EXCEL及MATLAB,对成渝等几条高速公路的交通进行预测并结合实例建立相应的模型予以验证,通过与实际情况对比,说明该预测模型用于高速公路交通量预测精度较高,且使用方便简便.     

基于小波支持向量机的电力系统短期负荷预测

根据相空间延迟坐标重构理论,基于支持向量机强大的非线性映射能力和小波核函数的局部分析和特征提取能力,提出了一种基于小波支持向量机的电力系统短期负荷预测方法,并利用该方法对嵌入维数与预测性能的关系进行了探讨。仿真结果表明,该预测方法能精确地预测电力负荷,而且在电力负荷序列的最佳嵌入维数未知时也能取得比较好的预测效果,这一结论预示着小波支持向量机是一种预测电力系统短期负荷的有效方法。     

灰色理论在高速公路交通量预测中的应用

应用灰色理论，借助于EXCEL及MATLAB，对成渝等几条高速公路的交通量进行预测并结合实例建立相应的模型予以验证，通过与实际情况对比，说明该预测模型用于高速公路交通量预测精度较高，且使用方法简便。     

混沌统计量的预测研究

提出了一种基于混沌吸引子的统计量序列预测技术．对于一个经诊断为混沌的统计量序列,应用神经网络建立模型,短期预测混沌序列．实验证明：Lyapunov指数越大,预测效果越差;神经网络的预测结果优于AR模型的预测结果．混沌序列是完全可以预测的．     

灰色理论在高速公路交通量预测中的应用

应用灰色理论,借助于EXCEL及MATLAB,对成渝等几条高速公路的交通进行预测并结合实例建立相应的模型予以验证,通过与实际情况对比,说明该预测模型用于高速公路交通量预测精度较高,且使用方便简便.     

混沌时间序列的双线性自适应预测

基于混沌动力系统相空间的延迟坐标重构和双线性表达式，设计了预测混沌时间序列的双线性自适应预测滤波器．对2种低维混沌序列的预测实验表明，采用双线性自适应滤波器的预测收敛速度快，处理约50个样本时即已收敛，预测相对误差小于0．001．     

灰色理论在公路改建项目交通量预测中的应用

采用灰色理论对公路改建项目进行交通量预测,不仅简化了传统四阶段预测法中大量的基础资料调查工作,而且也适用于无法采用增长率法的公路改建项目。采用这种方法进行的交通量预测结果也基本可信。     

工厂电力负荷用电量实时监控系统开发应用

介绍了工厂电力负荷及用电量参数实时监控系统的组成、原理、功能以及软、硬件的开发研究过程。通过对用电单位的用电状况实时监测,为用电部门提供电网运行电量数据。该系统运行安全可靠,功能强大,电力数据采集和报表查询准确、全面。     

两种短时交通流混沌预测方法分析

短时交通流预测是智能交通系统的核心内容和交通信息服务、交通诱导的重要基础。采用符合交通流特性的混沌理论对短期交通流进行预测。在相空间重构和混沌识别的基础上,建立短期交通流加权一阶局域预测模型和基于最大Lyapunov指数的预测模型,并对一组实际的交通流数据进行预测。仿真结果表明:两种方法都能较准确的预测交通流,但最大Lyapunov指数预测模型的预测精度相对较高。