简介：摘要建立基于小波分析和神经网络现相结合的商业体电力负荷预测模型，通过修正网络权值和小波基函数系数，使网络模型的的输出无限逼近真实负荷，为商业体前期的方案设计和后期的运营管理提供了技术支持。最后通过Matlab仿真来验证了此法的可行性。

简介：

简介：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度过慢（慢于SDBP模型），不适于在实际应用中采用。

简介：摘要：考虑到历史电力负荷数据、天气、时间等信息的影响，电力负荷预测用于预测未来的电力负荷。对于独立的系统运行，有许多电力负荷预测应用为调度员提供信息和市场运行，如发电调度和系统备用发电，因此准确的电力负荷预测模型是规划管理和运行的必要条件。本文主要分析了基于进化神经网络的短期电力负荷预测研究。

简介：摘要　电力负荷数据具有非线性与周期性等特点，传统的预测模型不能准确地把握负荷数据的特点，因此使用传统预测模型所得的结果较差。本文提出一种基于SAA-LSTM神经网络预测模型，通过SAA(模拟退火算法)对LSTM神经网络参数进行优化，使电力负荷数据与网络结构更加匹配，提高预测的准确率。本文研究了温度、工作日与非工作日、节假日等因素对电力负荷数据的影响，并使用上述两种模型进行多因素电力负荷预测实验。实验结果表明，SAA-LSTM神经网络模型相较于LSTM神经网络模型在多因素电力负荷预测方面效果更好。

简介：

简介：精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度。提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层。增强了Elman神经网络的动态信息处理能力。仿真结果表明，改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman，同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。

简介：以风电功率预测为背景,将小波理论与神经网络结合,在BP神经网络模型的结构基础上构造了小波神经网络,并提出了基于附加动量法改进的小波神经网络。利用附加动量的小波神经网络建立天气预报数据与发电功率的映射模型,并进行实际预测。利用MATLAB进行仿真,验证了设计预测模型的实际可行性,并且预测精度满足相关要求。

简介：针对VTS水域船舶交通流随机性大、影响因素多的特点,选择基于小波神经网络的时间序列预测方法,建立船舶交通流预测模型。该预测方法对海事部门提高VTS水域通航效率和服务水平具有一定的参考意义。

简介：摘 要：风能储量巨大，是可再生能源的重要组成部分，发展潜力无限。本文根据风的特性，提出了基于提升小波和人工神经网络的短期风电功率预测模型并通过运用我国某风电场的实际数据进行仿真分析，结果表明，本文提出的方法在短期风电功率预测上确实有效可行。

简介：提出了自适应BP神经网络模型预测短期负荷的方法。依据负荷的日相关性把历史负荷分成24组样本数据，再用BP网络来映射样本数据。采用初始化样本数据，增大节点作用函数陡度，变换隐层节点作用函数形式，自适应调整学习参数等方法提高了BP网络的学习速度，得到了较为满意的预报结果．

简介：为准确预测电力系统中期负荷，针对常用BP算法的预测速度慢、易陷入局部最优解的缺点，改进了基本BP算法，建立了中期负荷预报模型。负荷预测仿真表明，对BP算法的改进可使预测精度和收敛速度均得到显著的提高．

简介：摘要本文主要研究基于BP神经网络的电力负荷预测，首先对BP神经网络理论进行了分析，阐述了BP神经网络结构和学习算法，然后重点研究基于BP神经网络的电力负荷预测，包括历史数据的选取及预处理、负荷数据的归一化处理、BP神经网络的拓扑结构、BP神经网络学习参数的选取以及预测误差的分析，在实际验证中取得了良好的效果。

简介：摘要随着我国电力行业逐步推进智能电网建设，电网管理问题变得愈发重要，电网管理的主要内容就是负荷预测。通过分析电力负荷预测的重要性，分析电力负荷预测中人工神经网络的应用。

简介：城市交通流具有复杂性、随机性、模糊性和非线性的特点,城市交通流的准确预测对于解决城市交通问题具有现实意义。针对RBF网络存在的隐层节点中心难以求得的问题,通过构建的小波神经网络对扬州市文昌西路时代广场路口东西方向的交通流进行仿真预测。结果表明,小波神经网络可以准确地、实时地预测交通流,与RBF网络的预测结果对比,小波神经网络拥有相对较高的预测精度。

简介：摘要：长期以来，短期负荷预测（short-term load forecasting，STLF）一直是电力运行关注的问题，对制定经济、可靠、安全的电力系统运行策略起关键作用。由于负荷时间序列具有非线性、非平稳性和非季节性等特点，准确预测负荷趋势具有很大的挑战性.

简介：摘要电力系统短期负荷预测是实现电力系统优化运行的基础,对于电力系统运行的安全性、可靠性和经济性都有显著影响。因此,寻求有效的负荷预测方法以提高预测精度具有重要意义。

简介：摘要随着我国科技不断创新，我国有了翻天覆地的变化，电力行业也有了新的提高，电力负荷预测作为电力企业调度工作的重要组成部分，其预测的好坏将直接决定电力供电服务的质量。但传统的神经网络属于静态网络，而电力负荷属于时间序列，随着时间的变化而不断更新。

简介：摘要 : 对电力的需求是人们日常生活的主要生活需求之一 。在整体电力企业的管理当中，对电网进行有效的管理是中小企业主要运营的重要问题之一。从具体的应用而言，整体电网的运营与管理工作具有的较为丰富的多样性。其中对电力负荷进行有效的预测是整体电网运营工作中的重点工程之一。有效的电力负荷预测工作，能够使相关技术人员对整体电网的运行有效的调整，进而使 整体电网管理拥有更加优质的管理效果。并使整体电力企业的经济效益进一步以能源管理的方式得以提升。文章 对人工神经网络在整体电力负荷预测中的重要作用进行相应的分析，并解释其具体的应用过程，希望能够为电力管理工作提供有效的现实 性参考。

简介：