1) spatial load forecasting
空间电力负荷预测
1.
A new fuzzy logic reasoning method which can consider the weights of the premise and the uncertainty of the rules at the same time are presented, and then,the method is used in the analysis of small area land use in fuzzy spatial load forecasting.
提出了一种在知识不完备情况下 ,能够同时考虑推理前提重要性权重和观察事实及规则知识等的不确定性和不精确性因素的新的基于模糊逻辑的推理方法 ,并将其应用于空间电力负荷预测的小区用地分析中 ,最后通过实例检验了该方法的有效
2.
An actual exam ple of small area land- use analysis based on the spatial load forecasting in a true power system illustrates the application process and efficiency of the m ethod.
用一个实际系统的空间电力负荷预测的小区用地分析实例说明了该方法的应用过程和有效
3.
A novel fuzzy- logic- based approxim ate reasoning m ethod which can consider weights in the premise in rules and a defuzzification decision- making function is presented and used in the small areas land- use suitability assessment and superiority- inferiority assessm ent based on spatial load forecasting of urban distribution system planning.
提出了一种在知识不完备的情况下 ,计及前提重要性的基于模糊逻辑的近似推理和决策新方法 ,并将其用于城市配电网规划空间电力负荷预测的小区用地适应性和优劣性分析中。
3) spatial load forecasting(SLF)
空间电力负荷预测(SLF)
4) spatial load forecasting
空间负荷预测
1.
Application of spatial load forecasting in urban power network planning;
空间负荷预测在城市电网规划中的应用
2.
A new spatial load forecasting(SLF) model for distribution network is proposed.
根据预测结果,结合待预测区域的整体发展规划,给出待预测区域各类负荷增量;最后,结合各类负荷密度预测值、各类用地发展总量、各类用地发展排序,给出空间负荷预测值。
3.
According to fuzzy rough set theory, acomprehensive data mining method is proposed and applied inspatial load forecasting (SLF).
基于模糊粗糙集理论,提出了一种综合数据挖掘方法,并将其应用于空间负荷预测中。
5) electric load forecasting
电力负荷预测
1.
Largest Lyapunov exponent of short-term electric load forecasting model simulation;
最大Lyapunov指数短期电力负荷预测模型仿真
2.
The simulation results show that the orthogonal decomposition feature expansion based process neural networks is supprior to time-domain feture expansion based proscess neural networks in training speed,veracity in prediction,and more suitable for the application of electric load forecasting.
结果表明,基于正交分解特征扩展的过程神经元网络在训练速度、预测准确度等方面均优于基于时域特征扩展的过程神经元网络,更适于电力负荷预测应用。
6) load forecasting
电力负荷预测
1.
The application of grey model GM (1, 1) in the electric power load forecasting;
灰色模型GM(1,1)在短期电力负荷预测中的应用
2.
The Research of Application of Data Mining in Electricity Load Forecasting;
数据挖掘在电力负荷预测中的应用研究
补充资料：电力负荷预测方法
电力负荷预测方法
load forecasting method
d{anl一fuhe yuee fangfo电力负荷预侧方法(foad foreeasting meth-ed)在电力系统规划中，电力负荷预侧是通过研究国民经济和社会发展的各种相关因素与电力需求之间的关系，预侧电力用户的需电量和最大负荷。为做好负荷预侧摇掌握国民经济和社会发展的历史、现状和规划资料以及电力消费水平和特性变化，研究经济政策、经济发展水平、人均收人变化、产业政策变化、产业结构调整、科技进步、节能措施、需求侧管理、电价、各类相关能源与电力的可转换性及其价格、气候等因索与电力箱求水平和特性之间的影响，需分析研究电网的扩展和加强、城市电网改造、供电条件改善、农村电气化等对电力需求的形响. 一电.的预侧方法需电量传统的预侧方法主要有用电单耗法、电力弹性系数法、回归分析法、时间序列法、综合用电水平法和负荷密度法等。近年来又研究了一些新的预侧方法，如计t经济模型法、灰色系统预侧法、专家系统法和神经网络法等方法. 用电单耗法将预侧期的产品产量(或产值)乘以用电单耗，可得所需要的用电量，计算式为E一艺况m，式中E为某行业预侧期的需电t，民为各种产品产量(产值)的用电单耗;成为各种产品产量(或产值);n为计算的行业的企业数。 这个方法适用已有生产或建设计划的中近期负荷预侧。 电力弹性系数法电力弹性系数是在某一时期内用电t的平均年增长率与同一时期国内生产总值(gross aomesti。produet，GDP)平均年增长率的比值。该系数从客观上反映电力发展速度与国民经济发展速度的相对关系。这一系数与电力工业发展水平、科学技术水平、国家经济政策及产品结构、人民生活水平等因素有关.美国、日本、法国、中国1971~1950年的电力弹性系数分别为1.26，1·01，l·59和l·22;1981~1985年的分别是0.66，0.75，2.52和0.64;1986~1990年的分别是1.2，1.08，0.94和1.12.中国1991~1997年的电力弹性系数分别是1.12，0.85，0.73，。.85，。.84，。.74和。.58。当预测出电力弹性系数后，预侧未来的需电t的计算式为E.=E。(l+K夕)，式中E.为预侧期末的需用电量.E。为预侧初期的需用电量;K为规划期的电力工业弹性系数冲为计算期年数;夕为国内生产总值平均年增长速度. 电力弹性系数是一个宏观指标，用作远期粗略的负荷预测。 回归分析法它利用数理统计原理，对大t的统计数据进行数学处理，并确定用电量与某些自变t之间的相关关系，建立一个相关性较好的数学模式即回归方程，并加以外推，用以预侧今后的用电盆。回归分析法包括一元线性、多元线性和非线性回归法。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条