1) short-term load forecasting system
短期负荷预测系统
1.
It designs an efficient short-term load forecasting system which takes elements like temperature and types of dates into special consideration.
针对电力系统受多种因素影响的特点,应用模糊逻辑理论和人工神经网络两种方法,发挥各自优势,设计出一个有效的电力系统短期负荷预测系统。
3) short-term load forecasting
短期负荷预测
1.
Power system short-term load forecasting based on empirical mode decomposition and dynamic neural network;
基于经验模态分解与动态神经网络的短期负荷预测
2.
Power system short-term load forecasting based on fuzzy clustering analysis and rough sets;
基于模糊聚类和粗糙集的电力系统短期负荷预测
3.
Development of short-term load forecasting system based on COM and multi-agent techniques;
基于COM及多Agent技术的短期负荷预测系统开发
4) very short-term load forecasting
超短期负荷预测
1.
And a method for very short-term load forecasting is presented based on the local shape similarity.
在对电力负荷局部特性分析的基础上,定义了一个描述负荷序列形状相似程度的指标——负荷曲线形系数,提出了一种基于局部形相似的超短期负荷预测方法。
5) ultra-short term load forecasting
超短期负荷预测
1.
A ultra-short term load forecasting method based on autoregression;
基于自回归模型的超短期负荷预测方法
2.
A novel method called load derivation is introduced for ultra-short term load forecasting of power system.
仿真表明了改进模型的有效性和算法的可行性,对于超短期负荷预测这类需要反应迅速的问题,采用本文提供的方法进行预测是可靠且非常有效的。
3.
This paper applies cluster analysis theory in analyzing load tendency through discussion on the main problems existing in ultra-short term load forecasting, and presents a fixed cluster load forecasting method firstly.
分析了当前超短期负荷预测中存在的主要问题;在对大量历史负荷观测的基础上,提出并应 用聚类分析理论进行负荷变化趋势分析;通过分析,在固定分类预测算法的基础上,提出了动态分 类预测算法,该方法能够根据预测目标自动调整预测样本;大量的模拟测试表明,改进后的预测方 法能够在无需频繁维护样本的情况下,大幅提高超短期负荷预测精度,尤其是对节假日负荷预测, 效果更为明显。
6) short-time load forecasting
短期负荷预测
1.
A short-time load forecasting system based on multi-agent system;
多agent的短期负荷预测系统
2.
Application of RBF neural network and adapt-self fuzzy control for short-time load forecasting;
RBF神经网络自适应模糊控制在短期负荷预测中的应用
补充资料：电力系统实时负荷预测
电力系统实时负荷预测
real time load forecast-ing of electric power system
z(‘)一名a，关(‘)+，(‘)式中f，(t)为负荷时间序列自校正功能的特征函数，由近期负荷历史数据求得;氏为模型参数，也由负荷历史数据求得;F(t)为误差项，假定为白噪声. 谱分析方法能较为精确地描述非平稳随机过程.因此这个模型具有较强的适应天气因素变化的能力，具有较好的预侧精度。谱分析方法要由历史数据的负荷变化余t形成Q矩阵，求解Q矩阵的特征值及特征向量才能求解出特征函数关(·)及参数风，计算t比较大。 (2)鲍克斯一詹金斯模型。利用了时间序列方法，又称ARMA模型.预测负荷的形式为 z(t)，Y，(t)+Y(t)式中Y，(t)为正常天气棋式下各小时的负荷分t;Y(t)为附加的残差项.它反映天气模式与正常情况的差别及随机相关效应。在ARMA模型中，残差项可表示为 用山Y(t)一名a.Y(，一i)十艺名勺u.(t一j.)盛一12决·0+习C.W(‘一k) 盛.]式中u.(t)为‘个天气因素的输人，也可为系统中不同地区的天气效应;W(t)为零均值的白嗓声，反映负荷的随机变化，久、bj.、C.及，、n，、m.、H都是模型的参数，是未知常数，都需要由仿真法辨识. 短期负荷预侧及超短期负荷预侧的模型荃本相似，只是在所取历史数据的长短及采样间隔上有所不同。 节点负荷的预测节点的负荷不直接进行预侧。根据各个节点的历史负荷数据统计出两个比例系数:各节点在一天中几个时段的有功负荷与相应时段的系统总有功负荷的比例系数;各节点在一天中几个时段无功负荷与有功负荷的比例系数。由这些比例系数及各个时段系统总有功负荷即可计算出各个节点每个时段的预侧有功负荷及无功负荷。d ronl一x一torlg stl一shl{L{he丫一」ce电力系统实时负荷预测(real time load fore-easting of eleetrie power system)利用电力系统实时信息和历史数据对未来时刻的电力系统负荷进行预测。它是能量管理系统(energyn、anagomontsystem，EMS)中的一项实时功能。一般预测的对象是电力系统总有功负荷及系统中各个节点的有功负荷与无功负荷。 负荷预测的目的与意义对未来的系统负荷情况的预测是制定电力系统运行计划(或称发电计划)的依据。电力系统运行的特点是任何时刻发电机发出的功率必须紧密跟踪系统负荷的需求(包括电力网中的功率损耗及厂用电)，以保持电力系统频率恒定。根据预测负荷来制定发电计划.决定机组间的负荷分配、水火电机组的协调、机组起停及与相邻系统间的功率交换等。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条