基于演化多智能体的中长期电力负荷预测方法

导出

摘要利用人工智能领域中的多智能体模型技术设计了中长期电力负荷预测支持系统。主要包括人机界面、交互模块、预测模块和集成模块等。通过应用演化的优化集成算法,此方法可以综合现有的及未来的各种基础负荷预测方法的优点,得到准确度相对较高的中长期电力负荷预测结果。

作者赵飞宁卜

机构地区北京市电力公司冀北电力有限公司检修分公司

出处《电气应用》北大核心 2012年第24期86-90,共5页 Electrotechnical Application

关键词人工智能多智能体电力负荷预测

参考文献6

1魏平,李均利,陈刚,张永吉.基于小波分解的改进神经网络MCP预测方法及应用[J].电力系统自动化,2004,28(11):17-21. 被引量：40
2刘海燕,王献昌,王兵山.多Agent系统的研究[J].计算机科学,1995,22(2):57-62. 被引量：54
3陈志业,牛东晓,张英怀,谢宏,齐喜全.电网短期电力负荷预测系统的研究[J].中国电机工程学报,1995,15(1):30-35. 被引量：35
4张显,王锡凡.短期电价预测综述[J].电力系统自动化,2006,30(3):92-101. 被引量：78
5胡代平.基于Agent的预测支持系统的研究：博士论文[M].天津大学,1999..
6Shoham Y.Agent-Oriented Programming[J].AI, 1993; 60: 51～92
7[3]A.G Bakirtzis et al.A Neural Network Short-Term Load Forecasting Model for the Greek power System[J].IEEE Power Engineer Peview.1997,17(3):39-44.
8胡代平，博士学位论文，1999年
9王寿云，开放的复杂巨系统，1996年，31页
10CUARESMA J C,HLOUSKOVA J,KOSSMEIER S,et al.Forecasting electricity spot-prices using linear univariate timeseries models.Applied Energy,2004,77(1):87-106.

1李之波.多因素支持向量机模型在江苏省中长期电力负荷预测中的应用[J].华北水利水电学院学报,2009,30(1):59-60. 被引量：2
2冯再勇,钟康惠,马永旺.小波网络和BP网络在负荷预测中的比较研究[J].江汉大学学报（自然科学版）,2007,35(2):51-55. 被引量：2
3谢品杰,谭忠富,尚金成,侯建朝,王绵斌.基于小波分析与广义自回归条件异方差模型的短期电价预测[J].电网技术,2008,32(16):96-100. 被引量：17
4宋福根,瞿轶喆.基于自适应模型遴选规则库的组合预测系统初探[J].东华大学学报（自然科学版）,2008,34(4):490-495. 被引量：1
5赵飞.基于Multi-Agent的电力负荷管理系统设计[J].电力需求侧管理,2009,11(2):35-38.
6侯红梅.提高地区电网的短期负荷预测准确率[J].华北电力技术,2009(7):1-4. 被引量：2
7顾洁,储琳琳,施伟国.不确定性中长期电力需求预测方法探讨[J].电力需求侧管理,2010,12(3):10-14. 被引量：2
8王桓,何怡刚,陈少江,邓汉钧.售电均价的市场细分预测算法[J].电力系统及其自动化学报,2010,22(4):77-80.
9蔡宁,孟濬,颜文俊.基于模糊Box-Jenkins方法的电价建模与短期预测[J].统计与决策,2011,27(3):167-169.
10曾德明.电力负荷的预测方法的建模与仿真[J].计算机仿真,2011,28(12):331-334. 被引量：7

电气应用

2012年第24期

内容加载中请稍等...