【摘 要】
：
针对电力负荷的非线性变化特点，将BP神经网络应用于短期电力负荷预测领域，基于电力负荷的历史统计数据，同时考虑两个气象因素（温度、湿度）和不同日期类型（月份、工作日、周末、节假日）的影响，建立了一种高效的自学习预测模型，逐层提取负荷数据、气象数据和日期类型三者之间潜在的非线性特征.实验结果表明，经过训练的BP神经网络模型能够挖掘出短期电力负荷的深层变化模式，从而实现对未来电力负荷的精确预测.
【基金项目】
：
芜湖市科技局应用基础研究项目“基于BP神经网络的智能家电集群短期电力负荷预测方法研究”（项目编号：2022jc38）的成果；
论文部分内容阅读
针对电力负荷的非线性变化特点，将BP神经网络应用于短期电力负荷预测领域，基于电力负荷的历史统计数据，同时考虑两个气象因素（温度、湿度）和不同日期类型（月份、工作日、周末、节假日）的影响，建立了一种高效的自学习预测模型，逐层提取负荷数据、气象数据和日期类型三者之间潜在的非线性特征.实验结果表明，经过训练的BP神经网络模型能够挖掘出短期电力负荷的深层变化模式，从而实现对未来电力负荷的精确预测.
其他文献
光伏发电作为分布式能源不断普及，对电力基础设施稳定构成了一系列挑战。本文提出了一个有监督的深度学习模型用于光伏发电预测，该模型利用数值天气预报和高分辨率历史测量来预测时间间隔内的联合概率分布，而不用预测变量的预期值，与常见的基线方法——如完全连接的神经网络和长期短期记忆体系结构相比，这种设计提供了显著的性能改善，使用归一化基于平均平方误差的预测技能得分作为关键绩效指标，将提出的方法与其他模型进行比
基于“双碳”目标下房地产企业绿色经济效益可持续增长的发展要求，选取2004—2019年中国30个省市（除西藏外）省域面板数据，运用SBM-GML模型对房地产绿色全要素生产率进行测度并分析变化趋势，构建空间计量模型将房地产绿色全要素生产率、产业结构优化和住房价格纳入同一分析框架，讨论两者对住房价格的空间溢出效应。结果表明：研究期内中国房地产绿色全要素生产率水平偏低，东部地区的年均增长率高于全国和中西
针对当前现有预测方法对主动配电网进行短期负荷预测时存在预测误差大、预测精度不满足配电网运维所需的问题，该文在引入需求响应平台的基础上，提出了一种全新的负荷预测方法。基于需求响应平台，在明确用户响应合同计划的基础上，构建配电网负荷预测模型。实现对用户实际响应行为的描述后计算用户响应度。结合计算得到的用户响应度结果，实现配电网短期负荷组合预测。对比试验的方式证明，新的预测方法在实际应用中得到的预测结果
对于5G移动通信网络, 3GPP组织标准化了5G AKA等协议,用于身份认证和密钥协商.本文使用安全协议验证工具Tamarin对5G AKA协议进行了形式化分析.首先基于3GPP TS 33.501v17.0.0版本,完成了对5G AKA协议及期望其满足的安全性质的形式化建模.安全性质考虑了保密性质和Lowe鉴权性质,保密性质包括安全锚点密钥KSEAF和长期共享密钥K的保密性,鉴权性质包括协议参与
以空调负荷的预测方法为研究对象，通过预测建筑物的空调负荷，及时有效地调控系统，达到降低建筑能耗的目的。基于最小二乘支持向量机（LS-SVM）提出预测方法，并采用粒子群算法（PSO）实现优化计算，围绕济南及成都地区不同类型建筑物的空调负荷进行预测，确定影响空调负荷的各个因素并在计算过程中不断调整以简化预测过程。采用Matlab语言进行编程计算和分析，通过不断调整输入因素及部分PSO参数以降低预测误差
利用中国30个省份2010—2018年的面板数据，构建面板数据联立方程模型，考察土地财政、房价和保障房供给三者之间的互动关系。实证结果表明：（1）我国土地财政规模和房价之间存在双向因果关系，但房价上涨对土地财政的促进程度要大于土地财政对房价的促进程度。（2）在土地财政和房价上涨的互动作用下，会显著降低保障房供给水平。（3）不同地区的土地财政和房价上涨对保障房供给的影响程度存在明显的差异，相对于西部
甲醇是一种新型的清洁能源，但是使用方法不当也会造成一定程度上的危害。主要介绍了甲醇燃料的理化性质及其特点优势，其作为燃料发展过程中遇到的问题，以期对未来的甲醇燃料的安全防控方面提供参考。
为了协调电力系统供需平衡，降低运维风险和成本，引入Shaping技术改进了深度确定性策略梯度（DDPG）算法，得到Shaping-DDPG预测模型。加入经验回放技术和目标网络技术以消除数据间的关联性；设计变压器网络评估函数来评价变压器网络的优劣状态；通过数据处理模块和卷积模块提取原始数据特征，提高变压器系统的感知能力和学习效率。研究表明：与其他算法预测效果相比，Shaping-DDPG模型的RMS
提出一种基于多目标优化的组合模型（CM）,对短期电力负荷需求进行预测.将电力负荷数据预处理后,结合神经网络算法和改进后的多目标蜻蜓算法优化模型的权重.将CM分别通过2018、2019年的电力负荷数据集进行分析验证.在2019年电力负荷时间序列数据集的预测中, CM预测的平均绝对误差百分比MAPE平均值为0.63%,与MAPE最高的H-Elman算法相比低3.28%.结果表明, CM在短期电力负荷预
当前世界政治经济格局正在不断变化,国际关系悄然发生变化,新一轮科技革命促进了全球生产方式转变,进而引发社会结构的转型和居民生活方式的转变,全世界都在面临极大的机遇和挑战。科技的进步为传统金融业转型提供了关键的工具,极大地改变了金融业态,我国传统金融体系迎来新的发展机遇,能否跟上金融科技发展潮流,成为金融机构所面临的严峻挑战,金融科技正在影响着社会生产的各个方面,也深刻影响着居民的消费和生活方式。本