简介:摘要在我们国家的经济飞速发展的带动下,电力已经被广泛的应用于更行各业,也同样渗透到人类生活的各个方面.短期负荷预测是电力系统运行和分析的基础,提高负荷预测精度,是保障电力系统优化决策科学性的重要手段。在现代电力系统中,考虑气象因素成为相关部门改进负荷预测精准度的重要方法之一。基于我国某两个地区的长期电力负荷数据和气象因素数据,建立多元回归气象选择模型和时间序列预测模型,综合运用EVIEWS与MATLAB软件,分析日最高负荷、日最低负荷、日平均负荷与日最高温度、日最低温度、日平均温度、日相对湿度以及日降雨量5个气象因素的关系,并对未来短时间内的电力负荷进行预测,可以为城市电网的科学发展规划提供有价值的参考依据.
简介:摘要本文阐述了电力系统负荷预测的概念。介绍了电力系统短期负荷预测的意义与特点。综合介绍了短期负荷预测的传统方法和现代方法,指出了它们的优缺点及一些相关改进方案。
简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).