电力负荷预测论文市场调查预测论文

电力负荷预测论文市场调查预测论文

ID:44563703

大小:30.50 KB

页数:3页

时间:2019-10-23

电力负荷预测论文市场调查预测论文_第1页
电力负荷预测论文市场调查预测论文_第2页
电力负荷预测论文市场调查预测论文_第3页
资源描述:

《电力负荷预测论文市场调查预测论文》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、能源管理高校节能短期电力负荷预测的应用与研究万力,1李芳2(1合肥工业大学建筑设计研究院,安徽合肥.2合肥工业大学计算机与信息学院,安徽合肥・摘230009;230009)要:在分析了事例推理原理和相关技术的基础上,根据高校负荷变化的特万力(1967),男,点,利用事例推理原理建立了高校短期电力负荷预测系统的基木框架。通过试验平台的开发验证了其冇效性和实用性,为高校节能捉供了非常冇意义的参考价值和理论基础。教授级高级工程师,研究方向为智能建筑、宇口动化、筑楼建电气。关键词:电力负荷预测;事例推理;高校节能屮图分类号:TU201.5文献标志码:A文章编号:16

2、748417(2010)120034040引言ReviseRetain通常翻译为检索、、,重用、修改/修止和保留所示。[2]o基于事例推理的工作原理[3]如图1随着全国高校节能工作的开展,电力负荷预测在高校越来越受到重视,然而传统的负荷预测由于仅依靠工程人员的经验,存在预测工作量大、精度低等缺点。木文将人工智能屮的事例推理方法应用到高校短期电力负荷预测中,结合高校能耗监控系统丰富的历史数据,开发了高校短期电力负荷预测系统,为高校能源管理部门准确、合理地做出供配电规划和运行调度捉供依据,使供配电在安全、可靠的基础上更加经济、优化。[1]图1CBR工作原理图1事

3、例推理的原理基于事例推理(CaseBasedReasoningCBR),是人工智能的一个分支,也是类比推理方法的一种。其核心思想是从事例库中检索出和当前事例相近的事例,对它进行修止,并应用于新问题的求解过程中。一个完整的CBR系统一般包括几个循环过程,Amodt和Plaza归纳为!4R?:RetrieveReuse,,李芳(1986),女,硕士研究生,研究方向为智能建筑。2关键技术CBR的核心技术包描事例表示、事例检索和事例维护。21事例表示・事例表示是建立事例推理系统的基础。事例推理系统运行的效率和事例表示芮邢喙?所以如何选择适合该系统的事例表示方法是事例

4、34能源管理推理系统首先要解决的问题。事例表示可以借鉴人工智能领域屮的知识表达方法,如特征向量、面向对彖、逻辑谓词、义网络、媒体等。语多根据负荷预测自身的特点,该系统采用一个特征向量对应-•个事例来表示影响电力负荷变化的各种因索,如F1期、采样时间、采样点、天气、节F1、假期、星期类型、实际负荷。22事例检索•事例检索是事例推理系统的中心环节。检索到的事例是系统工作的起点,其准确与否很大程度上决定了一个CBR系统的效果。在实际应用过程中,常用的检索方法有最近邻法、归纳引导策略、多维分析法、知识引导法等。该系统在事例检索中采用应用广泛且技术基本成熟的最近邻法[

5、4]定的阀值,表明其与事例库中的事例非常相近,可不存储;否则,可以作为新事例添加到事例库中。基于事例推理系统采用增量式的学习,能不断积累经验和知识,这其屮主要来源于对新事例及解法的保留。但如果无条件地对事例进行保留,势必导致一个新的问题,即无法控制事例库中事例数口的增长而使系统检索吋间增加,检索效率下降。因此,为了解决这个问题,CBR系统采用主动学习策略。3高校电力负荷预测系统的分析实现事例推理的应用范围非常广,成千上百个CBR系统在实际应用领域中发挥着重要作用,如法律诉讼、客户管理、电子商务、医疗诊断、机器组装、建筑设计、分子生物学、机器人控制、医药、企业

6、管理、地质勘测、石油开采、语音识别等。木文成功地将事例推理的理论应用到了高校节能工作屮,开发了一个基于事例推理的短期高校电力负荷系统,既拓宽了事例推理的应用领域,又解决了高校的节能难题。31高校负荷变化特点•为了分析影响高校负荷变化的主要因素,建立合理的事例,首先要找出高校电力负荷变化的特点。经过对某高校多年丿力史数据分析,概描出如下特点:(1)负荷总量逐年增加,增长缓慢。2006〜2009年学校总用电量逐年增加,增长幅度在5%〜7的范围内,如图1所示。用电量逐年增大%的主要原因是学校基础设施的逐年完善、在校人数的壇加以及学校科研项目的增多。。最近邻法是通过

7、计算目标事例和源事例的加权距离,找出与目标事例距离最近的事例的方法。距离定义为相匹配的输入事例特征加权和。用公式表示为dij=k=1#wNNkdVik,Vjk(1)其中,wk为第k个属性权值大小,可以赋予一个实数,wk随事例不同属性重要性的不同而赋了不同的权值,一般要求#wk=1k=LdVik,Vjk表示第i个和第j个事例在第k个屈性上的距离。最近邻法的相似度计算公式为lSimVi,Vj=l+dVi,Vj1=1+dij(2)其中,Vi,Vj是某个屈性V的两个屈性值。系统将当前事例的属性集In与事例库中事例的属性集Ip中相对应的属性进行两两比较,根据上述的最近

8、邻法计算其相似度,定义相似度小于5%的即为检索成功。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。