摘要：商业区电力能源内部拥有海量电力数据,动态预测能源用电量可以有效改善系统业务,确保用户拥有较好的用电体验。针对目前预测系统准确率较低这一问题,文中基于边缘计算设计了一种新的商业区电力能源用电量动态预测系统。在硬件设计上,利用AC/DC模块将交流电转化为直流电,运用电动机控制器连接被测量电动机与商业区供电,连接传动轴与供电测功机,实现电流传递。利用测功机控制器对区域电网动力电进行管理和控制。在软件设计上,采用边缘计算的方式对区域内电力能源进行分析,模拟构建电量动态预测程序,根据动态预测程序实现用电量预测。实验结果表明,该系统在短期预测和长期预测方面,都具有良好的能力,输出值与真实值相关系数为0.99,预测误差低于0.55%。

摘要：电力需求预测是电力规划的重要环节。提出考虑远景发展情景约束的用电量预测思路,即首先对远景水平年用电量水平进行综合研判,再利用具有饱和特性的Logistic曲线来拟合用电量增长过程,模型参数辨识环节增加远景用电量水平约束,使所建模型既能准确反映用电量历史增长趋势,又能与用电量长期发展趋势相符。最后利用所建模型求取中间水平年用电量预测值。将上述方法运用于全国和广西中长期用电量预测,验证了本文方法的可行性,对电力需求预测具有一定的参考意义。

摘要：智能电网的发展将给传统用电方式带来重大变化,在此背景下,基于灰色理论提出一种用电量预测新方法。首先通过灰色关联分析法确定影响用电量的主因素变量,然后采用多变量灰色模型(multi-variable grey model,MGM)(1,n)进行用电量预测,该方法能够反映各因素间的相互制约、相互促进的关系,避免了传统灰色模型GM(1,1)未考虑其他随机因素对用电量影响的局限性。对一个实际电力系统的用电量进行预测,结果表明所提方法能有效提高预测精度且适用于中长期电量预测。

摘要：因电力系统的复杂性和不确定性,建立了一种自适应灰色分数加权模型来预测某省的用电量,有效提高了用电量的预测精度。模型引入分数加权系数来设计新的初始条件,与传统灰色模型相比,新的初始条件能够动态捕捉用电信息特性方面的优势。此外,为了进一步提高预测精度,利用粒子群算法(PSO)估计了初始条件的加权系数和相应的时间参数,并对比了5个预测模型的结果,验证了模型的有效性。试验结果表明,模型在用电量预测中表现出了良好的性能,能更好地利用所有数据信息。

摘要：为了提升用电量预测的精度,针对传统支持向量机(SVM)算法在参数确定时的不足,采用粒子群(PSO)算法根据电力应用场景对预测算法进行了改进。对于迭代过程中全局最优和局部最优的矛盾,根据个体适应度的差异进行了子种群划分。而对于粒子群中群体过早收敛的问题,算法引入了自适应变异及惯性权重机制。通过在Schaffer’s F6、Rosenbrock函数上的测试分析结果表明,改进后的PSO算法迭代效率提高了60%以上,达优率也提升了11%。在进行用电量预测时,同时对影响用电量的不同指标进行了特征分析。基于SVM的递归特征消除特性(RFE)筛选了11个影响用电量的指标作为PSO-SVM的模型输入,充分发挥了SVM模型在低维预测上的优势。仿真结果表明,相较于传统SVM算法,所提算法的MAE与RMSE分别提升了9.15%和4.94%。

摘要：探讨了纺织厂月用电量特征和预测方法,给出了实用的预测数学模型。还以某纺织厂为例,分析了纺织厂月用电量预测方法和修正原则。给出厂月用电量预测程序设计框图。

摘要：用户用电量周期规律复杂多变,各标签之间的相关性不稳定,企业用电量分类精度较低,时间复杂度较大。为提高用电量周期标签分类精度,提出计及匹配偏差分值的用电量周期标签分类方法。根据用电量预测的偏移量收集用电用户的各个维度数据,通过计算用电用户的身份特征属性权重预测用户的用电量。采用匹配偏差分值的计算方式获取用电量的时间序列,根据电力用户的初始特征初步匹配用电用户的行业标签,结合用电量时间序列匹配流程完成用电量时间序列的匹配。基于用户特征的目标函数评估标签位置在排序过程中的移动情况,结合用电量时间序列的匹配偏差分值计算结果设计用电量周期标签算法,实现用电量的周期标签。实验结果表明,所提方法能够根据行业用电量为其标记标签,将行业分类精度和标签与行业之间的匹配度提高到了90%和95%以上,迭代次数达到30时,时间复杂度为2.94 s,提高了用电量周期标签分类精度。

摘要：电网电能难以储存,其准确预测可用于指导发电计划,是电力系统运行的基础。针对用电量预测中需求波动幅度大与需求变动趋势不确定的特点,基于已有的用电数据,运用多元线性回归预测与时间序号、月度、日期、小时等因素直接相关的用电量趋势,实现用电量的宏观量级控制。其次,采用不同神经网络预测实际值与趋势值之间的偏移量,推演用电量的微观波动规律,进一步推算预测用电量。算例证明,融合多元线性回归和神经网络的预测方法减小了总体预测误差,其预测精度高于没有多元线性回归处理的神经网络。

摘要：　分别用年均递增率法电力弹性系数法、分行业预测法对平顶山市2000～2015年期间的用电量做出预测,对平顶山市的经济发展具有较大意义。

摘要：城市年用电量由于受经济、社会、气候等多种因素影响,具有一定的灰色特征。针对传统GM(1,1)模型预测误差较大的缺点,将直接灰色预测模型(DGM)引入到年用电量预测中,从而避开了灰微分方程参数辨识时合理选取背景值的问题。以DGM的还原值与实际值的平均相对误差最小化为目标,建立了相应的优化模型并设计了基于微分进化的求解算法。对5种不同增长规律的城市电网年用电量进行预测,并与多种预测方法进行比较,结果验证了所提方法的有效性。