继电器
繼電器
계전기
RELAY
2007年
17期
22-26
,共5页
石恒初%严正%黄涛%葛夕武
石恆初%嚴正%黃濤%葛夕武
석항초%엄정%황도%갈석무
小波分析%人工神经网络%Bp网络%ARIMA%短期负荷预测%组合预测
小波分析%人工神經網絡%Bp網絡%ARIMA%短期負荷預測%組閤預測
소파분석%인공신경망락%Bp망락%ARIMA%단기부하예측%조합예측
为了提高电力系统短期负荷预测的精度,提出了基于小波分析的人工神经网络(ANN)和累积式自回归滑动平均(ARIMA)模型的组合预测方法.针对电力系统负荷具有拟周期性、非平稳性和非线性的特点,首先利用小波变换对负荷序列进行小波分解与单支重构,得到各频段上的近似序列和细节序列.根据各序列的自身特点,将经奇异性检测后的数据分别采用相匹配的BP模型和ARIMA模型进行预测,最后将各负荷序列的预测结果加以组合得到最终的预测结果.经实际算例验证,该方法能够有效地提高预测精度.
為瞭提高電力繫統短期負荷預測的精度,提齣瞭基于小波分析的人工神經網絡(ANN)和纍積式自迴歸滑動平均(ARIMA)模型的組閤預測方法.針對電力繫統負荷具有擬週期性、非平穩性和非線性的特點,首先利用小波變換對負荷序列進行小波分解與單支重構,得到各頻段上的近似序列和細節序列.根據各序列的自身特點,將經奇異性檢測後的數據分彆採用相匹配的BP模型和ARIMA模型進行預測,最後將各負荷序列的預測結果加以組閤得到最終的預測結果.經實際算例驗證,該方法能夠有效地提高預測精度.
위료제고전력계통단기부하예측적정도,제출료기우소파분석적인공신경망락(ANN)화루적식자회귀활동평균(ARIMA)모형적조합예측방법.침대전력계통부하구유의주기성、비평은성화비선성적특점,수선이용소파변환대부하서렬진행소파분해여단지중구,득도각빈단상적근사서렬화세절서렬.근거각서렬적자신특점,장경기이성검측후적수거분별채용상필배적BP모형화ARIMA모형진행예측,최후장각부하서렬적예측결과가이조합득도최종적예측결과.경실제산례험증,해방법능구유효지제고예측정도.
