造價通
更新時間：2025.05.10
基于云模型的電力負荷預(yù)測

格式：pdf

大?。?span class="single-tag-height">1.3MB

頁數(shù)： 5頁

提出了一種基于云模型的電力負荷預(yù)測模型.利用云模型中的云發(fā)生器,分別將有限的國民生產(chǎn)總值和工業(yè)生產(chǎn)總值的增長率和增長變化率樣本數(shù)據(jù)空間擴充為更具隨機性和普遍性的擴展樣本數(shù)據(jù).以國民生產(chǎn)總值為例,建立國民生產(chǎn)總值與電力負荷之間的規(guī)則推理,構(gòu)造云規(guī)則推理器.利用云規(guī)則推理器獲得電力負荷預(yù)測增長率,將國民生產(chǎn)總值和工業(yè)生產(chǎn)總值獲得的電力負荷預(yù)測增長率進行加權(quán)平均,并換算得到最終的電力負荷預(yù)測值,獲得的預(yù)測結(jié)果精度高.

小波網(wǎng)絡(luò)應(yīng)用于空調(diào)負荷預(yù)測

格式：pdf

大?。?span class="single-tag-height">270KB

頁數(shù)： 4頁

準(zhǔn)確預(yù)測空調(diào)負荷不僅對蓄能空調(diào)高效運行意義重大,而且也是冷熱電三聯(lián)產(chǎn)技術(shù)發(fā)揮優(yōu)勢的關(guān)鍵所在。本文提出一種小波網(wǎng)絡(luò)應(yīng)用于空調(diào)負荷的預(yù)測模型,通過小波分解,把空調(diào)負荷序列分解為不同頻段的小波系數(shù)序列,再將各層的小波系數(shù)子序列重構(gòu)到原尺度上,然后對小波系數(shù)序列采用相匹配的BP神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測,最后合成空調(diào)負荷序列的最終預(yù)測結(jié)果。該預(yù)測模型中的低頻小波系數(shù)a3和中頻小波系數(shù)d3的神經(jīng)網(wǎng)絡(luò)輸入變量為前1天小波系數(shù)值和對應(yīng)時刻的溫度、相對濕度、風(fēng)速、總輻射量、天氣狀況和星期幾編碼共7個因子,并采用主成分分析法進行輸入變量的降維;高頻小波系數(shù)d2和d1以前幾日的小波系數(shù)為輸入因子。經(jīng)過對西安市某綜合樓的空調(diào)負荷進行預(yù)測,證明了預(yù)測值和實際運行值擬和很好,相對誤差為-10%~8%。該預(yù)測模型具有預(yù)測精度較高、推廣能力較強及計算速度較快的優(yōu)點。

熱門知識

負荷預(yù)測

精華知識

負荷預(yù)測

最新知識

負荷預(yù)測
點擊加載更多>>

相關(guān)問答

負荷預(yù)測
點擊加載更多>>
專題概述
負荷預(yù)測相關(guān)專題

分類檢索：