【预测模型】基于狮群算法优化核elman神经网络实现电力负荷预测matlab源码.zip

【布局优化】基于差分进化算法求解电力负荷分配matlab源码.md

如何挖掘和评估电力系统负荷的可调度潜力是当前国内外关注的热点。选择城市负荷中比重较大的空调负荷进行研究。在用户室内温度模型的基础上，研究了空调周期性间断运行的特性；建立了考虑类周期性温度变化、中央空调用户的舒适度需求以及响应电网调度需求等多种核心影响因素的优化模型，提出了分时段的直接负荷控制策略；从削峰填谷、负荷管理、节电潜力3个层面归纳得出了一种适用于所提模型的负荷可调度潜力评估方法；构建算例对空调负荷实施优化控制、应用可调度潜力评估方法，验证所提策略与方法的有效性和可行性。

通过国标规范了产品性能。尤其对负控终端开发者很有意义

智能电网非侵入式负荷监测技术应用.pptx

为了克服BP的这些缺陷，本人对算法做了一些改进确定连接权修正值的计算过程，实际上是优化计算的梯度下降法。当能量公式对应的误差曲面为窄长型时，这种算法在谷的两壁跳来跳去，影响了网络的收敛速度，对算法最普通的改进方法是增加附加动量项。利用附加动量项可以起到平滑梯度方向的剧烈变化，增加算法的稳定性。在具体计算中，学习率η越大，学习速度会越快，但过大时会引起震荡效应；而动量因子α取得过大可能导致发散，过小则收敛速度过慢。并为了解决BP易于陷于极小值现象，用人工遗传算法来优化BP网络的初始权值。遗传算法是根据生物进化思想而启发得出的一种全局优化算法，在本质上是一种不依赖具体问题的直接搜索方法，它仅需给出目标函数的描述，从一组随机产生的称为“种群(population)”的初始解开始，从全局空间出发搜索问题的最优解。由于遗传算法善于全局搜索，且能以较大的概率找到全局最优解，故用它来完成前期搜索能较好的克服BP算法的局部极小的缺陷。将GA和BP结合起来，形成GA-BP混合训练算法，以GA优化BP网络的初始权值和阈值，再由BP算法按负梯度方向修正网络权值及阈值，进行网络训练。这种方法避免了BP网络易陷入局部极小问题，达到优化网络目的，更能精确的实现城市用电量预测。 实例讲解

基于BP算法进行负荷预测。过程包括数据预处理、基于BP进行训练和测试，并将预测值与实际值进行了比较。

为了解决传统短期用电负荷预测系统存在响应时间慢、预测精度差的问题，设计了一种基于梯度提升树的短期用电负荷预测系统。该系统框架采用C/S架构模式搭建，根据预测需求选择系统的组成硬件，并以梯度提升树为核心，建立预测模型，完成系统软件及短期用电负荷预测系统的设计。实验结果表明，与基于神经网络、数据挖掘、支持向量机的三种传统用电负荷预测系统相比，本系统运行下，响应时间缩短，预测精度提高，为电力企业电量生产和供应提供了可靠的依据。

电信设备-考虑负荷数据虚假注入的电力信息物理协同攻击分析方法.zip

通过蒙特卡洛方法计算得到电动汽车充电负荷，充分考虑电动汽车出行分布，有详实的程序资料。