1) cooling load prediction
冷负荷预测
1.
Then, the influences of temperature prediction accuracy on cooling load prediction, cooling load prediction accuracy on off-line optimization are discussed.
结果表明,人工神经网络冷负荷预测的准确度不受异常天气情况的影响;而负荷预测的准确度直接影响非线性优化的结果;在线修正是至关重要的。
2) fore-cooling load
预冷负荷
1.
When λ increases,both the warm-up heat load and the required fore-cooling load could be reduced significantly,which leads to enhance COP evidently and improve the refrigeration continuity of the system.
1%;增大λ值,可大大减少所需预热负荷和预冷负荷,从而较为明显地提高系统COP,改善系统制冷连续性,且λ越大,回热系统的优势越明显。
3) load prediction
负荷预测
1.
Comparative analysis of air conditioning load prediction methods;
常用空调负荷预测方法分析比较
2.
Grey System Theory Method of City Gas Long-term Load Prediction;
城市燃气长期负荷预测模型的灰色方法
3.
Application of wavelet neural networks in short-period power load prediction;
小波神经网络在短期电力负荷预测中的应用
4) load forecast
负荷预测
1.
Comprehensive models for mid-long term load forecast based on three-target quantities;
基于三指标量的中长期负荷预测综合模型
2.
To raise accuracy rate of daily load forecast by scientific management measures;
应用科学管理手段提高日负荷预测准确率
3.
Weather line regression and combination load forecast of mountainous area contain small hydro-power unit;
含有山区小水电负荷的气象回归短期负荷预测技术
5) load forecasting
负荷预测
1.
Research on combination forecasting method and application in electric power load forecasting;
组合预测方法研究及其在电力负荷预测中的应用
2.
Short-term electric load forecasting based on accumulated weather and ACA-GRNN;
基于气象累积和ACA-GRNN的短期电力负荷预测
3.
Province and region integrated load forecasting and management platform based on weather factors;
基于气象要素的省地一体化负荷预测与管理平台
6) power load forecasting
负荷预测
1.
Application of ANN to short-term power load forecasting basedon simulated annealing Gauss-Newton algorithm;
基于模拟退火的Gauss-Newton算法神经网络在短期负荷预测中的应用
2.
Parameter selection for support vectormachines based on genetic algorithms to short-term power load forecasting
基于遗传算法优化参数的支持向量机短期负荷预测方法
3.
Based on the grey forecast theory, the principle and deficiency in power load forecasting by the basic grey model and other improved models is studied, a new method—the combination optimized grey model is introduced.
基于灰色预测理论,研究了基本灰色预测模型及其改进模型的原理和它们在电力负荷预测中存在的局限性。
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