• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Annual electrical peak load forecasting methods with measures of prediction error.
【24h】

Annual electrical peak load forecasting methods with measures of prediction error.

机译：带有预测误差的年度电力峰值负荷预测方法。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Search analyzes the problem of predicting annual pea load for electrical utilities and provides a measure of risk or uncertainty on the prediction. A review of the literature dealing with this topic revealed that the overwhelming number of works in electrical peak load prediction centered on the short term, i.e., hourly or daily predictions of peak load. Further, it was found that methods for estimating prediction intervals or assigning risk to the point estimate were not discussed. The work to date on this topic can be classified by the method applied to solve the problem. These methods are: (1) regression based approaches; parametric and non-parametric, (2) stochastic or probabilistic approaches, such as time series analysis, (3) neural networks or expert systems, (4) fuzzy logic based approaches, and (5) econometric models. A thorough review along with application of the regression based approaches and the stochastic model is presented herein. The major contribution of this work is to present three new approaches for predicting annual peak load and for assigning a measure of risk or uncertainty to the predicted quantity. These now approaches are (1) The Bootstrap, (2) Extreme Value Theory, and (3) Parametric Survival Models. Each approach is detailed and applied to predict peak load in successive years. Data is made available for this project by the Power Service Company of Oklahoma and includes daily peak load readings and the maximum and minimum temperature recorded on each day for all days between 1982 and 1998. Finally, the results using each model are compared and a summary of conclusions is presented.
机译：搜索分析了预测电力公司每年豌豆负荷的问题，并提供了对预测的风险或不确定性的度量。对涉及该主题的文献的回顾表明，在电力峰值负荷预测中，绝大多数工作集中在短期内，即峰值负荷的每小时或每天预测。此外，发现未讨论用于估计预测间隔或将风险分配给点估计的方法。迄今为止，有关该主题的工作可以通过解决问题的方法进行分类。这些方法是：（1）基于回归的方法;参数和非参数方法;（2）随机或概率方法，例如时间序列分析;（3）神经网络或专家系统;（4）基于模糊逻辑的方法;以及（5）计量模型。本文介绍了基于回归的方法和随机模型的全面回顾。这项工作的主要贡献是提出了三种新的方法来预测年度高峰负荷以及为预测的数量分配风险或不确定性的度量。现在这些方法是（1）引导程序（2）极值理论和（3）参数生存模型。每种方法都很详细，可用于预测连续几年的高峰负荷。俄克拉荷马州的电力服务公司为该项目提供了数据，其中包括每日的峰值负荷读数以及1982年至1998年之间每天的每天记录的最高和最低温度。最后，比较了每种模型的使用结果并总结了此数据。结论的提出。

著录项

  • 作者

    Loredo, Elvira Nieves.;

  • 作者单位

    Arizona State University.;

  • 授予单位 Arizona State University.;
  • 学科 Engineering Industrial.
  • 学位 Ph.D.
  • 年度 2001
  • 页码 142 p.
  • 总页数 142
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 一般工业技术;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号