针对传统灰色模型在多原始数据、长时间尺度的负荷预测情景下预测精度差的问题，文中分析了灰色模型（Gray Model，GM）的基本原理，并提出相应的改进措施，其中包括原始数据的加权处理、选取合适的初始条件及自适应优化模型参数。并将改进灰色模型（Improved Grey Model，IGM）应用于电力负荷预测。通过算例分析结果表明，无论在短期负荷预测还是在中长期负荷预测的情景下，所提出基于改进灰色模型的电力负荷预测方法相比于传统灰色模型，均具有更高的预测准确性，能够为电力系统的安全、稳定运行以及合理的规划提供重要支撑。
2023-02-10 20:09:24
1.51MB
1
【电力负荷预测】 GUI粒子群支持向量机短期电力负荷预测【含Matlab源码 751期】.zip
2023-01-04 20:54:33
124KB
1
【电力负荷预测】 GUI灰色系统理论电力负荷预测【含Matlab源码 769期】.zip
2022-12-11 21:31:26
111KB
1
MATLAB源程序18 Elman神经网络的数据预测—电力负荷预测模型研究.zip
2022-11-18 16:28:00
3KB
为凸显负荷波动的随机性、周期性和相关趋势，通过探求负荷变化机理显著提升预测精度，提出了一种基于EMD的负荷波动机理研究方法。首先对负荷进行EMD分解，得到随机、周期和趋势分量；然后分析各分量的变化规律与候选影响因素的关联关系，推导负荷变化机理，提取时标特征值；最后进行特征的去冗余。该方法创新点是能提取出特征值的时标特性。以广东省负荷数据集作为预测案例研究，对比实验研究结果表明了所提方法的有效性。
2022-10-30 18:30:18
1.18MB
1
SVM、PSO、PSO-SVM的三种MATLAB短期电力负荷预测源代码，内含资料。
2022-10-28 09:08:00
1.12MB
1
针对电力负荷数据的非线性和非平稳性特性，为提高短期电力负荷预测的精度，提出一种基于EMD-DA-LSSVM的短期用电负荷预测模型。首先，采用EMD分解短期电力负荷数据，获得互不耦合的IMF分量；其次，针对各IMF分量建立最优参数下的EMD-DA-LSSVM短期电力负荷预测模型，重构得到预测值。通过算法验证分析，与LSSVM、DA-LSSVM和EMD-LSSVM相比，EMD-DA-LSSVM模型具有更高的预测精度，短期电力负荷预测精度高达2.203%。
2022-07-15 15:48:07
584KB
1
电力负荷预测数据集（2018.1-2020.12，间隔15min，10w多条，含温度、风速等天气因素特征）.zip
2022-05-30 17:05:27
2.71MB