区间预测

摘要： 科学准确的需水量预测结果可以为城市水资源供需平衡决策提供合理依据。针对城市需水涉及因素多、历史数据样本量少、需水量具有波动性和不确定性的特点,提出了基于GA-BP神经网络与正态区间估计的组合预测模型,模型使用主成分分析法、灰色关联分析法筛选影响因子,加入遗传算法优化BP神经网络,构建GA-BP神经网络,最后引入正态区间估计,输出需水量区间预测值,利用此模型对邯郸市2019年总需水量进行模拟预测,结果表明:单一使用GABP神经网络的点预测结果相对误差在-6.2%~5.13%之间;基于GA-BP神经网络和正态区间估计的组合预测模型的区间预测结果相对误差在-1.01%~0.004%之间,可见基于GA-BP神经网络与正态区间估计的组合预测模型更稳定、更准确,更接近邯郸市实际需水状况,该组合模型可作为邯郸市需水量预测的一种方法。

摘要： 为了减少负荷预测中电网运行不确定因素产生的误差,本文结合BP神经网络与分位数回归(QR)算法,提出基于BP-QR模型的负荷区间预测方法,以气象因素与前一日用电负荷值作输入,实现当日负荷区间预测。实验结果表明,该模型能准确反映用电负荷的波动趋势,可实现任意置信水平下的区间预测,为电力调度提供参考信息。

摘要： 针对电力负荷预测中点预测模型无法量化描述未来负荷不确定性的问题,提出一种基于滑块自助法与长短时记忆网络组合的区间预测方法。利用滑块自助法对历史数据进行重抽样获取具有时间连续性的样本数据,使用粒子群寻优方法优化长短时记忆网络模型进行点预测,最终对所有样本模型获得的点预测值进行大子样估计,实现区间预测。为验证方法的性能,在同等条件下将预测结果与其他算法对比。结果表明,区间预测的评价指标能更好说明预测模型的优劣,所提出的区间预测模型的预测结果在所有对比算法中表现最优。采用区间预测方法对未来负荷进行预测,可根据实际需要确定置信区间,减少了计算资源消耗并达到更优的预测效果,提高了灵活调度的能力。

摘要： 风力发电不确定性强、波动性大,日前预测精度有待改善。为提高风电日前区间预测效果,提出一种基于鲁棒多标签生成对抗的风电场日前出力区间预测方法。首先,采用皮尔逊相关系数分析风电出力与多种气象因素、历史风电出力间的相关性,构建含数值天气预报气象特征与风电出力的原始数据集。然后,在原始数据集中去除待预测日风电功率,得到聚类数据集开展k-means聚类,获得带簇标签的原始数据集。之后,基于鲁棒性辅助分类生成对抗网络,生成海量带标签场景。最后,根据已知的历史风电出力和数值天气预报获得的特征,确定待预测日的簇标签,在生成场景中按对应簇标签筛选与待预测日风电功率特征相似度高的多个场景,组成相似场景集。基于相似场景集的待预测日风电功率均值及上下限,分别获得待预测日(次日)24个时段的风电功率点预测及区间预测结果。以中国东北某地区实际风电场数据为例验证了所提方法的优越性。

摘要： 在高比例可再生能源参与市场竞争的背景下,电价波动更为剧烈。为了对电价区间进行预测,提出了动态贝叶斯网络(Dynamic Bayesian Network, DBN)的电价区间预测方法。该方法以风电发电量、总发电量和总用电量的预测值以及历史电价真实值为输入数据,以贪婪搜索算法确定DBN的网络结构,以最大似然估计法(Maximum Likelihood Estimate, MLE)估计DBN网络参数,建立DBN模型。然后以风电发电量、总发电量和总用电量的预测值为推理证据,采用联合树推理得到电价预测的离散值和后验概率,实现电价的区间预测。最后将所提方法与电价真实值、对比方法进行比较,验证了所提方法的有效性。所提方法不仅能得到电价的预测区间,而且能给出对应的概率,对提高市场成员的收益、规避价格风险具有指导意义。

摘要： 针对目前船舶能耗预测方法仅仅能进行单点预测的问题,提出一种梯度提升决策树分位数回归方法对船舶能耗区间进行预测。对船舶能耗及其影响因素数据进行预处理(空值、异常值删除等),获得更加准确的船舶能耗数据集。结合相关领域知识,确定对地航速、艏艉吃水、左右吃水、风速等9个影响因素进行建模。以区间覆盖率和平均带宽作为该方法的性能评价指标。实验结果表明,该方法能有效获取船舶能耗区间值,与分位数回归森林(quantile regression forest,QRF)、普通线性分位数回归(quantile regression,QR)相比,其预测性能更佳。提出的方法可为智能船舶能耗状态实时监测、异常识别等提供参考。

摘要： 风能是随机波动的不稳定能源,大规模风电并入电网将对电网稳定性造成很大影响,有效预测风电功率区间将极大提高电网经济性与稳定性。针对风电功率数据的非线性,非平稳特性,提出一种基于VMD的CNN-BiLSTM超短期风电功率多步区间预测方法。首先对风电功率数据进行小幅上下波动,形成CNN-BiLSTM模型的初始上下限。其次运用变分模态分解(VMD)分别将上下限数据分解为若干个子分量,以降低风电功率时间序列的非平稳特性。然后将子分量输入CNN-BiLSTM模型,得到风电功率预测区间。最后以改进覆盖宽度准则为目标函数优化区间,得到给定置信水平下的风电功率预测区间。使用某风电场实际运行数据,与CNN-GRU、CNN-LSTM、KELM、SVR这4种模型作比,验证结果表明基于VMD的CNN-BiLSTM超短期风电功率多步区间预测方法可有效提高风力发电超短期区间预测精度。

摘要： 针对降水预测中的不确定性、随机性和已有的降水预测模型无法反映其不确定性信息的问题,提出一种基于Bootstrap法和极限学习机的月降水区间预测模型,将模型应用于栾川县白土站,对其进行不确定性分析,建立月降水区间预测模型,并通过可靠性和清晰度对其预测结果进行评价。结果表明,构建的区间预测模型相比传统的确定性点预测模型,能同时兼顾可靠性和准确性,为区域水资源利用和水旱灾害管理提供更全面有效的降水信息。

摘要： 传统的点预测难以描述风电功率的随机性和不确定性。针对点预测的不足,提出了基于改进型鲸鱼优化算法和快速学习网(IWOA-FLN)的区间预测模型。首先,通过改进收敛因子、加入自适应惯性权重和混沌搜索策略提高算法的收敛速度和精度;然后,根据上下限估计法提出了新的评价指标;最后,将新的评价指标作为目标函数,使用改进后的鲸鱼优化算法优化FLN网络参数从而得到最后的预测区间。实例证明,所提方法可以有效地提高区间覆盖率、降低区间带宽,具有较强的实际意义。

摘要： 航空货运是国家重要的战略资源,在国内及国际间的贸易中扮演着不可或缺的角色。对航空货运需求进行的科学预测是航空公司制定基础设施规划和总体投资决策的重要依据。针对航空货运量数据的不确定性,从实际需求出发,引入Bootstrap方法进行不确定性估计,提出一种基于分解集成的区间预测方法。具体来说,首先用局部加权回归的时间序列分解(STL)方法将货运需求数据进行分解;其次,由支持向量回归(SVR)和季节自回归综合移动平均(SARIMA)分别预测分解所得的趋势分量与季节分量;再次,创新性地将白噪声分量进行提取并用Bootstrap方法作重采样处理;最后,将预测结果与处理后的白噪声进行集成重构,利用分位数构造区间进行不确定性量化。对中国两大枢纽机场货运数据的实验结果表明,构建的区间能够有效地结合预测结果量化不确定性,为区间预测提供了一种新的研究思路。

摘要： 中国城市轨道交通的网络化进程正在不断加快,而随之暴增的客流量也为运营管理工作带来了一系列的挑战,其中客流高峰更是成为提升轨道交通服务质量的关键瓶颈.考虑到客流的随机波动特性,本文提出了一种基于加速失效(AFT)模型的持续时间区间预测方法来研究轨道交通客流高峰持续时间.不同于以往持续时间研究仅输出对目标的点估计,本文的区间预测方法通过建立生存函数的反函数可以实现对任意置信水平下持续时间区间的预测.采用来自南京地铁二号线的470天数据共627个客流高峰样本对区间预测方法进行了估计和验证.根据有效覆盖率(CP)和预测区间平均宽度(PIAW)两个指标评价了区间预测方法的方法,结果显示该方法具有很高的可靠性和实用价值,同时还表现出良好的时间稳定性.本文的研究结果可以为轨道交通客流高峰的管理提供很好的帮助.

摘要： 信息产品在这网络信息爆炸的年代已成为普及的商品,也因产品的迅速更新与消费者需求的快速变化,导致如何建构精准的信息产品销售预测模型成为重要的课题.点预测为过去最常使用的预测方法,但随着科技的迅速演进,点预测已经无法满足企业在管理上的需求,故区间预测也开始受到各企业界的重视与应用,但区间预测极少应用在销售预测中.本研究使用支持向量回归(Support veotor regression,SVR)进行信息产品区间销售预测的研究,主要目的是以目前文献上常见的中心及半径法、上下界限法预测模型来进行区间预测.本研究以台湾某信息公司的笔记型计算机与液晶显示器的周销售额作为实证资料.结果显示,使用机器学习法的SVR相对于传统的回归分析与天真预测法有最佳的预测绩效.

摘要： 针对因受到一些未知因素的影响,卫星电源系统遥测数据会呈现出非线性、非平稳的特点,首先利用àTrous小波方法建立小卫星电源系统遥测数据的预测模型.在此基础上,根据实际工程应用需要给出了该模型的预测区间构造方法,预测值不再是一个点值,而是具有一定置信度的区间,因此该方法更具有工程实用价值.最后用某小卫星遥测数据验证了所提方法的可行性.

摘要： 较大区域的供水管网是一个典型的参数时变的复杂系统，由于关键信息很难及时获取，存在严重的信息不对称，导致很难对其物理漏失做出及时和客观的评价。本文应用灰色GM(1，1)新陈代谢区间预测模型，为管网系统建立一个以进入该系统日最低流量为评价尺度的具体方法，实现对复杂管网系统物理漏损的预警和评估。

摘要： 本发明公开了一种基于概率区间预测的计及风电接纳的旋转备用区间预测方法，其特点是针对负荷和风电出力的不确定性，以概率区间预测替代点预测，利用概率区间预测理论和预测误差概率分布预测负荷变化区间及风电出力变化区间；再根据极限场景理论，由负荷预测区间及风电出力预测区间求得含大规模风电系统旋转备用区间，从而给出极限条件下系统所需的正备用和负备用值，为计及风电接纳的电力协调优化调度提供合理的数据范围。

摘要： 本发明公开了一种基于自适应优化构造区间的电力负荷区间预测方法，结合PID思想，在自适应构造区间的调整策略中考虑了PICP和PINAW的一阶和二阶差分，对训练过程进行改进。除了区间覆盖率PICP之外，本方法将区间预测中的重要指标平均区间宽度PINAW加入到自适应构造区间的调整策略中。该方法步骤包括：对电力负荷数据样本进行预处理；构建GRU区间预测模型；构造区间作为训练标签；训练GRU区间预测模型，基于每次训练得到的预测区间的PICP和PINAW的一阶和二阶差分优化构造区间宽度；基于训练好的GRU区间预测模型进行电力负荷区间预测。本方法能够得到高质量的预测区间，即在PICP满足置信度的前提下，具有较窄的区间宽度，且训练结果具有较好的一致性。

摘要： 本发明公开了一种基于新能源发电量区间预测的区间潮流计算方法，包括以下步骤(1)采集参数数据发电量历史数据；(2)构造区间二型模糊逻辑系统；(3)初始参数输入到系统中，输出得到区间二型模糊预测集合；(4)构建区间潮流计算模型；(5)将集合作为区间潮流计算模型初次迭代区间，计算得到Krawczyk‑Moore算子，并用Krawczyk‑Moore算子和初始区间求交集，得到新的区间并将其作为第二次迭代的初始区间，判断该区间宽度是否满足收敛条件，若满足则输出区间，若不满足则返回步骤(4)进行下一次迭代。本发明避免人为规定初始区间所造成的区间迭代的不收敛，收敛过快或过慢问题，从而提高了计算的精确度。

摘要： 本发明公开了一种贝叶斯网络预测模型的风电功率区间预测方法，根据经过预处理得到的预测风速和实际功率数据，建立具有相关性的贝叶斯网络关系，计算比较得到区间变化幅值参数βHigh和βLow的变化范围，运用遗传优化算法通过优化适应度值得到最优区间变化幅值βHigh_best和βHigh_best，带回贝叶斯网络模型之后带入测试数据得到风功率预测区间，通过各项评价指标评价预测结果。不仅能得到预测风电功率的变化波动范围，还能有效评估其可靠性，为电力调度决策提供有效参考。

摘要： 本发明提供了一种异常区间预测模型构建及异常区间预测方法，涉及风电机组状态监测技术领域。本发明所述构建方法包括：获取风电机发电功率数据，通过自适应异常点标注算法对所述风电机发电功率数据进行标注得到标注数据，根据所述标注数据构建异常区间数据，根据所述异常区间数据构建基于多尺度时序Transformer的异常区间预测模型。通过自适应异常点标注算法对风电机发电功率数据进行标注，以标注发生趋势变化的异常点，有效降低了标注成本，提高了标注效率和精度，并根据异常区间数据构建基于多尺度时序Transformer的异常区间预测模型，充分利用多尺度的时序信息进行预测，有效提高异常区间预测精度，从而能够实现时序数据尤其是风电机发电功率数据的异常区间预测。

摘要： 本发明公开了一种考虑爬坡特性与预测区间优化的电热水器集群功率短期区间预测方法。首先，针对EWHs负荷的不确定性，提出了一种考虑爬坡特性和样本分布多源异构特性的EEMD‑PCA‑MKRVM高精度组合点预测方法；然后，为获得期望预测覆盖率下宽度更窄的预测区间，提出了一种新的区间误差评价指标，结合区间平均宽度和区间预测覆盖率，设计了一种核密度估计法与多目标粒子群相结合的改进预测区间确定与多目标优化方法，优化了多核相关向量机核参数，并避免了参数选择的随意性。最后，求得EWHs聚合功率预测值和预测误差，得到EWHs聚合功率预测区间。本发明具有较高的预测精度和较好的清晰度，能够提供高质量的预测区间。

摘要： 本发明公开了一种基于概率区间预测的计及风电接纳的旋转备用区间预测方法，其特点是针对负荷和风电出力的不确定性，以概率区间预测替代点预测，利用概率区间预测理论和预测误差概率分布预测负荷变化区间及风电出力变化区间；再根据极限场景理论，由负荷预测区间及风电出力预测区间求得含大规模风电系统旋转备用区间，从而给出极限条件下系统所需的正备用和负备用值，为计及风电接纳的电力协调优化调度提供合理的数据范围。

摘要： 一种开始利用区间预测装置（200），对于消耗电力的多个设备，预测作为被预测为被开始利用的可能性高的时间区间的预测区间，该开始利用区间预测装置具有（200）：评价部（106a），使用利用区间的履历数据算出用于决定预测方法的评价值，所述预测方法为各设备的预测区间的预测方法；决定部（106b），基于评价值，至少按照设备，决定第一预测方法和第二预测方法中的至少一方为用于该设备的预测区间的预测方法，所述第一预测方法为利用了该设备在预先规定的周期所利用的特性的预测方法，所述第二预测方法为利用了在作为其他的设备的第一设备的开始利用或结束之后到经过预先被规定的时间为止期间内、作为该设备的第二设备被开始利用的特性的预测方法；以及预测部(106c)，按照所决定的预测方法预测预测区间。

摘要： 本发明公开了一种基于自适应优化构造区间的电力负荷区间预测方法，结合PID思想，在自适应构造区间的调整策略中考虑了PICP和PINAW的一阶和二阶差分，对训练过程进行改进。除了区间覆盖率PICP之外，本方法将区间预测中的重要指标平均区间宽度PINAW加入到自适应构造区间的调整策略中。该方法步骤包括：对电力负荷数据样本进行预处理；构建GRU区间预测模型；构造区间作为训练标签；训练GRU区间预测模型，基于每次训练得到的预测区间的PICP和PINAW的一阶和二阶差分优化构造区间宽度；基于训练好的GRU区间预测模型进行电力负荷区间预测。本方法能够得到高质量的预测区间，即在PICP满足置信度的前提下，具有较窄的区间宽度，且训练结果具有较好的一致性。

摘要： 本发明公开了一种基于新能源发电量区间预测的区间潮流计算方法，包括以下步骤(1)采集参数数据发电量历史数据；(2)构造区间二型模糊逻辑系统；(3)初始参数输入到系统中，输出得到区间二型模糊预测集合；(4)构建区间潮流计算模型；(5)将集合作为区间潮流计算模型初次迭代区间，计算得到Krawczyk-Moore算子，并用Krawczyk-Moore算子和初始区间求交集，得到新的区间并将其作为第二次迭代的初始区间，判断该区间宽度是否满足收敛条件，若满足则输出区间，若不满足则返回步骤(4)进行下一次迭代。本发明避免人为规定初始区间所造成的区间迭代的不收敛，收敛过快或过慢问题，从而提高了计算的精确度。