导读:本文包含了相似日的选择论文开题报告文献综述及选题提纲参考文献，主要关键词:短期楼宇负荷预测,灰色关联度,BP神经网络,相似日选择
相似日的选择论文文献综述
赵立强,杨镜非,张美霞,李泰杰,杨秀[1]（2019）在《基于相似日选择和BP神经网络的商场短期负荷预测》一文中研究指出为了改进传统楼宇短期负荷预测的准确度与效率,以上海市某商场建筑为研究对象,采取了基于相似日选取和BP神经网络的方法,对其夏季短期负荷进行了预测。首先,对夏季气象类因素进行去量纲处理,并采用灰色关联度挑选出对负荷影响最大的气象因素;然后,以关键气象因素为基准,采用加权相似度函数选择相似日,并按照相似度大小进行降序排列;最后,将相似日的负荷和关键气象因素数据输入到BP神经网络模型中,预测输出该商场2017年夏季短期负荷值,并对预测结果进行对比分析。通过实例数据进行了算例验证,结果表明,提出的方法具有较好的有效性和实用性。(本文来源于《供用电》期刊2019年01期）
钟春霞[2]（2016）在《基于相似日选择算法和Elman神经网络的光伏输出功率预测》一文中研究指出光伏发电具有时变性和随机性,随着光伏发电渗透率的提高,准确预测其输出功率有助于缓解光伏发电对电力系统的不利影响.由于相似日的输出功率具有很强的关联度,提出基于气象特征向量的相似日选择算法来寻找预测日的相似日.设计一种基于相似日选择算法和Elman神经网络的预测模型,利用相似日的输出功率序列,对于预测日的输出功率进行直接预测.通过某光伏电站的实测数据对所提模型进行训练和验证,结果表明,该模型面对天气情况突变时具有较好的预测精度,具有一定的可行性和工程实用性.(本文来源于《南京工程学院学报(自然科学版)》期刊2016年01期）
周海锋,徐伟,鲍颜红,郭剑,严明辉[3]（2015）在《基于相似日选择的调度计划安全校核潮流数据生成》一文中研究指出为了提高调度计划安全校核的准确度和精细度,提出了一种基于相似日选择的调度计划安全校核潮流数据生成方法。根据候选基准方式与计划方式综合相似度最高原则从相似日历史数据中筛选出基准方式,在此基础上生成内网潮流数据的拓扑信息和无功电压数据。通过在潮流计算迭代过程中自动投退容抗器,将计划方式母线电压控制在基准方式实际电压值附近,形成收敛的合理的内网潮流数据。根据联络线一致且联络线潮流最接近原则从外网潮流数据中筛选出待拼接的外网方式,在此基础上将内网潮流数据和外网方式数据进行拼接,通过调整外网潮流满足边界节点电压和联络线有功约束,生成满足调度计划安全校核的全网潮流数据。通过实际电网应用,验证了该方法的实用性和有效性。(本文来源于《电力系统保护与控制》期刊2015年18期）
张玲玲,杨明玉,梁武[4]（2015）在《微网用户短期负荷预测相似日选择算法》一文中研究指出微网用户负荷基荷小、波动性和随机性大,增大了短期负荷预测难度。科学合理地选择相似日可以在一定程度上改善短期负荷预测的效果。分析了相似日选择的影响因素,针对微网用户负荷特点,提出了一种负荷点尺度上的相似日选取算法。该算法考虑了前几日气象因素的累积效应、短期负荷的连续性和周期性及时间距离的影响,其相似日评价函数计及了日特征相似和局部形相似,并引入时间因子,克服了传统人工经验选取相似日算法的主观性,使得选择的相似日更加客观合理。实例验证表明,该方法所选择的相似日用于微网用户短期预测时,可以提高预测精度,有一定的使用价值。(本文来源于《中国电力》期刊2015年04期）
曹彦,姜静,周驰[5]（2014）在《负荷预测中相似日和影响因素的选择研究》一文中研究指出随着经济的不断发展,用电量的急剧增加,短期预测成为各个供电部门一个不可或缺的部分.电力负荷受多种因素影响,针对短期负荷预测,提出一种考虑各种影响因素的新算法,该方法首先利用模糊C均值聚类方法对历史样本进行聚类,依据输入样本的相似度选取训练样本,然后在选取的样本上,利用遗传算法实现负荷影响因素的提取和支持向量机参数的选择,最后利用支持向量机建立预测模型.采用上述方法对河南电网负荷进行了预测分析,结果证明了该方法的有效性.(本文来源于《周口师范学院学报》期刊2014年05期）
刘超男,潘志远[6]（2013）在《基于无监督支持向量机的相似日选择》一文中研究指出负荷预测是电力系统安全经济运行的基础,合理选择预测相似日有利于提高负荷预测的精度,而传统依据人工经验选择相似日并不具备最好的预测效果。为了进一步提高负荷预测准确度,该文深入研究了负荷预测中相似日选择的问题,依据对日负荷水平及趋势的影响大小提取特征量,并在此基础上提出一种基于无监督支持向量机的模型。最后,通过算例验证了所提模型的有效性。(本文来源于《国网技术学院学报》期刊2013年06期）
徐志刚,王超[7]（2010）在《基于灰色关联投影法的短期负荷预测相似日选择算法》一文中研究指出为了提高短期负荷预测的精度,合理有效地选取预测相似日是非常重要的,提出了基于灰色关联投影法的相似日选取算法。该算法首先针对影响负荷变化因素的复杂性和不确定性,以灰色理论计算出了相应的权重,接着,结合投影法计算历史日相对于待预测日的灰色投影值,比较投影值,可以得到与待预测日最接近的相似日。理论与实例均表明,该算法具有通用性,对任意包含多个因素的历史日都能够快速准确地算出其与待预测日的相似程度,具有很好的相似日选择效果。(本文来源于《电气开关》期刊2010年04期）
黄金榜[8]（2008）在《负荷预测中相似日的选择研究》一文中研究指出电力系统短期负荷预测是电力系统调度、用电、规划等管理部门的重要工作。负荷预测水平直接影响电力系统的经济效益和社会效益。随着电力市场的发展,用电需求量急剧增加,短期负荷预测成为各个供电部门一个不可或缺的部分,合理地选择预测相似日是提高负荷预测综合预测模型预测效果的有效途径,传统依据人工经验选择相似日并不具备最好的预测效果,目前,国内外对该方面的研究报告还非常少,为了进一步提高负荷预测准确度,需要对负荷预测中相似日的选择进行研究。本文对负荷预测中相似日的选择作了初步的探讨。由于电力负荷受经济、气候、以及电力负荷自身状况等多种因素的影响,因此相似日的选择是一项十分复杂的工作。本文首先分析了电力系统负荷的构成,阐述了国内外短期电力负荷中相似日选择的基本方法,然后介绍了基于模糊聚类的带小波除噪的时间序列选择模型,并在此基础上对浙江某地区近两年来的负荷数据和气象进行统计分析,重点介绍了数据预处理的方法、相似日的选取和AGO模型在电力负荷相似日选择中的应用。文章最后给出了负荷预测中相似日选择系统的设计过程并验证了预测算法的有效性。(本文来源于《浙江大学》期刊2008-05-01）
李如琦,唐卓贞,唐伍斌,郑贤,杨立成[9]（2008）在《证据理论在短期负荷预测相似日选择中的应用》一文中研究指出合理选择预测相似日是提高综合负荷预测模型预测效果的有效途径。依据人工经验选相似日的传统方法并不具备最好的预测效果。选择相似日问题可以归结为一个判决问题,即选择与待预测日气象等因素最相似的一天。影响电力系统短期负荷的因素有很多,且常常难以定量表达,针对电力系统短期负荷预测中存在的不确定性问题,将证据理论应用于短期负荷预测中的相似日选择上来。用广西某地方电网的实际数据验证表明,将证据理论应用于相似日的选取,能较准确选择相似日从而提高了预测精度。(本文来源于《继电器》期刊2008年07期）
钱卫华,姚建刚,龙立波,张凯[10]（2007）在《基于负荷特性分析的短期负荷预测相似日选择方法》一文中研究指出从选择历史负荷数据的角度来看,各类短期负荷预测方法本质上都基于相似原理。科学合理地选择相似日是提高预测效果的有效途径。为了挖掘出负荷曲线形状与预测日最大可能相似的历史日,提出了在负荷特性分析的基础上确定日特征向量、采用模糊分类和改进灰色关联分析法进行选择的方法。预测时引入时间跨度系数以消除负荷水平差异的干扰。实际系统的应用效果验证了该方法的有效性和实用性。(本文来源于《华中电力》期刊2007年01期）
相似日的选择论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
光伏发电具有时变性和随机性,随着光伏发电渗透率的提高,准确预测其输出功率有助于缓解光伏发电对电力系统的不利影响.由于相似日的输出功率具有很强的关联度,提出基于气象特征向量的相似日选择算法来寻找预测日的相似日.设计一种基于相似日选择算法和Elman神经网络的预测模型,利用相似日的输出功率序列,对于预测日的输出功率进行直接预测.通过某光伏电站的实测数据对所提模型进行训练和验证,结果表明,该模型面对天气情况突变时具有较好的预测精度,具有一定的可行性和工程实用性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
相似日的选择论文参考文献
[1].赵立强,杨镜非,张美霞,李泰杰,杨秀.基于相似日选择和BP神经网络的商场短期负荷预测[J].供用电.2019
[2].钟春霞.基于相似日选择算法和Elman神经网络的光伏输出功率预测[J].南京工程学院学报(自然科学版).2016
[3].周海锋,徐伟,鲍颜红,郭剑,严明辉.基于相似日选择的调度计划安全校核潮流数据生成[J].电力系统保护与控制.2015
[4].张玲玲,杨明玉,梁武.微网用户短期负荷预测相似日选择算法[J].中国电力.2015
[5].曹彦,姜静,周驰.负荷预测中相似日和影响因素的选择研究[J].周口师范学院学报.2014
[6].刘超男,潘志远.基于无监督支持向量机的相似日选择[J].国网技术学院学报.2013
[7].徐志刚,王超.基于灰色关联投影法的短期负荷预测相似日选择算法[J].电气开关.2010
[8].黄金榜.负荷预测中相似日的选择研究[D].浙江大学.2008
[9].李如琦,唐卓贞,唐伍斌,郑贤,杨立成.证据理论在短期负荷预测相似日选择中的应用[J].继电器.2008
[10].钱卫华,姚建刚,龙立波,张凯.基于负荷特性分析的短期负荷预测相似日选择方法[J].华中电力.2007