题关联度题关联度的1.pptVIP

负荷预测技术的新发展 电力负荷优选组合预测技术 一、优选组合预测概念 1、将几种预测方法所得的预测结果，选取适当的权重 进行加权平均的一种预测方法； 2、在几种预测方法中进行比较，选择拟合优度最佳或 标准离差最小的预测模型作为最优模型进行预测。 组合预测方法是建立在最大信息利用的基础上，它集 结多种单一模型所包含的信息，进行最优组合。通过组 合预测可达到改善预测结果的目的。 电力负荷优选组合预测技术 二、等权平均组合预测法（Equal Weight, EW） 设 fi ( i = 1,2, … ,k ) 为第 i个模型的预测值，如果 用 fc 代表组合预测值，则EW方法得到的组合预测值为 目的：为了降低风险，使预测更为稳妥。 缺点：不知道各模型的预测精度，没有优选的含义。 电力负荷优选组合预测技术 三、方差－协方差优选组合预测法（MV方法） 设 f1、 f2 是两个关于 f 的预测值， fc 是加权平均的 组合预测值。预测误差分别为 e1、 e2 和 ec ， 取w1、 w2 是相应的权系数，且 w1 ＋ w2 ＝ 1，有 fc = w1 f1 ＋ w2 f2 电力负荷专家系统预测技术 电力负荷专家系统预测技术 电力负荷神经网络预测技术 一、基本情况 运用神经网络技术进行电力负荷预 测，是刚刚兴起的又一新研究方法，其 优点是可以模仿人脑的智能化处理，对 大量非结构性、非精确性规律具有自适 应功能，具有信息记忆、自主学习、知 识推理和优化计算的特点，特别，其自 学习和自适应功能是常规算法和专家系 统技术所不具备的。因此，预测被当作 神经网络（Artificial Neural Networks, ANN）最有潜力的应用领域 之一。 电力负荷神经网络预测技术 二、建模情况 提出一个简单的三层人工神经网络模型，就能实现 从输入到输出间非线性映射任何复杂函数关系。可将对 电力负荷影响最大的几种因素作为输入，即当天的天气 温度、能见度、峰谷负荷及相关负荷等，争取获得较好 的预测结果。 电力负荷神经网络预测技术 电力负荷神经网络预测技术 三、神经网络模型 电力负荷神经网络预测技术 四、误差反向传播算法（BP学习算法） 1、逐一学习方式 每次取一个训练样本，利用该样本的输出误差调整 各神经元的阈值和连接权值，直至收敛；再取下一个训 练样本进行调整；重复这一过程，直至对所有样本都满 足精度要求。 2、批量学习方式 一次性将所有训练样本全部输入，利用其总体的输 出误差调整各神经元的阈值和连接权值，反复进行直至 收敛。 电力负荷神经网络预测技术 五、人工神经元网络在电力负荷预测中的应用 1、利用预测日当天的三个温度参数（即最高、最低和 平均温度）预测当天的峰值负荷； 2、利用这三个温度参数预测当天的总负荷； 3、利用预测小时前两个小时的负荷和平均温度以及预 测小时的预测温度来预测该小时的负荷 4、利用预测日和前一天该地区三个点的最高温度、最 低温度以及与预测日负荷类型（即工作日、星期天或假 日）相同的最近10天的最高温度、最低温度及峰值和低 谷负荷、总负荷）。 5、12个历史负荷数据、6个温度数据、7个表示星期几 的数据和5个表示预测时间的数据。 电力负荷的情景预测技术 电力负荷的情景预测技术 电力负荷的情景预测技术 数据挖掘中的预测技术 数据挖掘中的预测技术 数据挖掘中的预测技术 数据挖掘中的预测技术 数据挖掘中的预测技术 数据挖掘中的预测技术 数据挖掘中的预测技术 数据挖掘中的预测技术 模糊处理/粗糙集等 模糊处理方法是采用模糊数学的算法对定性指标原始数据进行处理，使之可以进行模型输入； 粗糙集与属性约简。数据或变量过