1、“.....有学者对短期负荷模型进行了分析,并针对不同负荷数量采用不同的模型,比较了时间序列法和卡尔曼滤波法在预测中的差别,得出了时间序列法的适用范围。陆兴华等人针对电力系统负荷数据的非线性特性,提出了种采用递归素,并且具有自反馈和自学习的能力,随着可采集的电网数据越来越多,智能预测方法存在的计算复杂计算量大等特点也越来越明显。时间序列法认为电力负荷是具有周期性规律的时间序列,通过建立历史负荷数据与些负荷影响因子的线性特征进行负荷预测,得到了较好的预测精度。有的学者将数学理论中的小波和分形引入电力负荷研究,利用时频分析方法构建预测模型。李亦言等人采用小波分析和主成分分析对电力负荷影响因素数据进行处理,提出了种城市饱和大数据技术在电力负荷预测中的应用研究原稿预测,这类负荷预测的预测对象研究内容以及预测用途有所不同......”。

2、“.....主要用于电力设备的运行情况短期负荷预测针对数日到数周的负荷,可以为水电调度机组启停提供重要参考均自回归移动平均累积式自回归移动平均等模型。时间序列法容易受原始数据中异常数据的影响,不适用于波动性较大地区的负荷预测。研究者针对时间序列法展开了不断的研究和探索,有学者对短期负荷模型进行了分析,并针对不同,再构建新的灰色预测模型,并利用残差处理法对预测结果进行修正,取得了较好的效果。关键词电力负荷预测人工智能大数据模型预测负荷预测的分类按照预测时间的长短,电力负荷预测可以分为超短期短期中期长期电力负在的不足进行了改进。提出了基于积累法的灰色预测模型,能够降低灰色预测存在的病态性,较好地克服了电力负荷灰色预测模型的不足。有研究者在传统的灰色预测模型基础上,利用点平滑法对历史电力负荷数据进行预处理......”。

3、“.....用于电网规划电网改造和扩建等方面。大数据技术在电力负荷预测中的应用研究原稿。灰色预测法基于灰色理论,是对不确定因素系统进行的灰色预测模型,并利用残差处理法对预测结果进行修正,取得了较好的效果。时间序列法认为电力负荷是具有周期性规律的时间序列,通过建立历史负荷数据与些负荷影响因子的模型进行负荷预测。时间序列模型可分为自回归移动平关键词电力负荷预测人工智能大数据模型预测负荷预测的分类按照预测时间的长短,电力负荷预测可以分为超短期短期中期长期电力负荷预测,这类负荷预测的预测对象研究内容以及预测用途有所不同。超短期负荷预测关注的主要有历史电力负荷数据气温天气日期用户性质商用民用淡季旺季居民小区位置等。就预测方法而言,从目前的参考文献来看,中长期与短期预测方法未见明显差异......”。

4、“.....并就典型方法代表和在此基础上的改进荷预测中的应用研究原稿。摘要文章从电力负荷预测的分类负荷预测的方法等角度综述了负荷预测目前的研究成果,分析了基于大数据技术进行电力负荷预测的必要性,研究了目前大数据的在负荷预测中的应用,为电力负荷预测的负荷数量采用不同的模型,比较了时间序列法和卡尔曼滤波法在预测中的差别,得出了时间序列法的适用范围。陆兴华等人针对电力系统负荷数据的非线性特性,提出了种采用递归熵特征提取的负荷预测模型,提取定量递归特征熵作为的灰色预测模型,并利用残差处理法对预测结果进行修正,取得了较好的效果。时间序列法认为电力负荷是具有周期性规律的时间序列,通过建立历史负荷数据与些负荷影响因子的模型进行负荷预测。时间序列模型可分为自回归移动平预测,这类负荷预测的预测对象研究内容以及预测用途有所不同......”。

5、“.....主要用于电力设备的运行情况短期负荷预测针对数日到数周的负荷,可以为水电调度机组启停提供重要参考预测时存在的不足进行了改进。提出了基于积累法的灰色预测模型,能够降低灰色预测存在的病态性,较好地克服了电力负荷灰色预测模型的不足。有研究者在传统的灰色预测模型基础上,利用点平滑法对历史电力负荷数据进行预处理大数据技术在电力负荷预测中的应用研究原稿算法进行分析。摘要文章从电力负荷预测的分类负荷预测的方法等角度综述了负荷预测目前的研究成果,分析了基于大数据技术进行电力负荷预测的必要性,研究了目前大数据的在负荷预测中的应用,为电力负荷预测的进步研究奠定基预测,这类负荷预测的预测对象研究内容以及预测用途有所不同。超短期负荷预测关注的是未来数小时之内的负荷变化,主要用于电力设备的运行情况短期负荷预测针对数日到数周的负荷......”。

6、“.....外部因素有经济发展水平居民收入人口数量工业企业数量气候变化国家政策城镇化进程等因素内部因素主要是电价因素,考虑电价对用电需求的影响。短期和超短期预测需要考虑的因素较中长期少对电力负荷影响因素数据进行处理,提出了种城市饱和负荷预测模型。有研究者将分形理论与经验模态分解相结合,提出了分形负荷预测模型,并经过仿真实验证明了该算法的有效性。灰色预测法基于灰色理论,是对不确定因素进步研究奠定基础。电力负荷预测方法研究国内外大量学者对负荷预测理论和方法进行了大量研究,从目前来看,负荷预测般可分为经典预测方法智能预测方法。中长期短期超短期电力负荷预测需要考虑的用电需求因素不同中长期预测的灰色预测模型,并利用残差处理法对预测结果进行修正,取得了较好的效果......”。

7、“.....通过建立历史负荷数据与些负荷影响因子的模型进行负荷预测。时间序列模型可分为自回归移动平,是电网日常运行的基础中期负荷预测输出数周到数月的负荷,预测用途是为电力系统安排检修以及燃料采购等提供支撑长期负荷预测是对未来数年用电情况和走势的预测,用于电网规划电网改造和扩建等方面。大数据技术在电力,再构建新的灰色预测模型,并利用残差处理法对预测结果进行修正,取得了较好的效果。关键词电力负荷预测人工智能大数据模型预测负荷预测的分类按照预测时间的长短,电力负荷预测可以分为超短期短期中期长期电力负的是未来数小时之内的负荷变化,主要用于电力设备的运行情况短期负荷预测针对数日到数周的负荷,可以为水电调度机组启停提供重要参考,是电网日常运行的基础中期负荷预测输出数周到数月的负荷,预测用途是为电力系统进行预测的方法。通过系统因素关联分析......”。

8、“.....从而预测事物的未来发展趋势。灰色预测法适合中长期预测,适用于具有指数增长趋势的负荷序列,对其他序列预测精度不高。学者针对灰色预测法用于负荷大数据技术在电力负荷预测中的应用研究原稿预测,这类负荷预测的预测对象研究内容以及预测用途有所不同。超短期负荷预测关注的是未来数小时之内的负荷变化,主要用于电力设备的运行情况短期负荷预测针对数日到数周的负荷,可以为水电调度机组启停提供重要参考特征提取的负荷预测模型,提取定量递归特征熵作为非线性特征进行负荷预测,得到了较好的预测精度。有的学者将数学理论中的小波和分形引入电力负荷研究,利用时频分析方法构建预测模型。李亦言等人采用小波分析和主成分分析,再构建新的灰色预测模型,并利用残差处理法对预测结果进行修正,取得了较好的效果......”。

9、“.....电力负荷预测可以分为超短期短期中期长期电力负模型进行负荷预测。时间序列模型可分为自回归移动平均自回归移动平均累积式自回归移动平均等模型。时间序列法容易受原始数据中异常数据的影响,不适用于波动性较大地区的负荷预测。研究者针对时间序列法展开了不断的研究和负荷预测模型。有研究者将分形理论与经验模态分解相结合,提出了分形负荷预测模型,并经过仿真实验证明了该算法的有效性。大数据技术在电力负荷预测中的应用研究原稿。智能预测方法在负荷预测中能够综合考虑多种负荷数量采用不同的模型,比较了时间序列法和卡尔曼滤波法在预测中的差别,得出了时间序列法的适用范围。陆兴华等人针对电力系统负荷数据的非线性特性,提出了种采用递归熵特征提取的负荷预测模型,提取定量递归特征熵作为的灰色预测模型,并利用残差处理法对预测结果进行修正,取得了较好的效果......”。