导读:本文包含了区间预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:区间,组合,算法,负荷,函数,功率,风电。
区间预测论文文献综述
袁晓冬,郁正纲,张宸宇,伏祥运,李建林[1]（2019）在《计及光伏区间预测和储能SOC均衡的配电网优化》一文中研究指出光伏发电具有随机性、间歇性等特点,其大规模接入配电网给电网安全、经济运行带来挑战。储能是解决高渗透率光伏输出功率波动的有效手段。为此,提出一种结合相邻时段实时预测误差和极限学习机的光伏功率区间预测方法;提出一种分布式储能的区间离散SOC均衡控制策略。在此基础上,构建了包含储能运行成本、系统网损和电压偏差的多目标区间优化运行模型。应用区间泰勒展开的仿射算法将不确定区间潮流问题转化为确定性代数方程组实现潮流计算,同时依据电压–功率和网损–功率灵敏度矩阵重新表达目标函数,采用线性规划法求解。最后,基于改进的IEEE33节点配电网络进行了算例仿真,仿真结果表明,所提光伏功率区间预测方法可以显着提升预测精度,所提储能控制策略能够有效降低网损和改善电压分布。(本文来源于《全球能源互联网》期刊2019年06期）
丁勤祥,陶志富,葛璐璐,赵勤[2]（2019）在《基于L1范数的IOWGA算子的区间组合预测模型》一文中研究指出为提高区间值时间序列的预测精度,文章提出了基于L1范数的IOWGA算子的区间组合预测模型。把区间中心和区间半径作为出发点,在IOWGA算子的基础上,将L1范数与区间组合预测模型相结合,避免了预测误差"放大"或"缩小"的效应和可能出现的区间数的左端点大于右端点的情况,并且克服了各单项预测方法取固定权系数的缺陷。并通过实例分析对比,考虑了中心和半径非等权时的情况,结果表明:该模型可以显着提高预测的精度。(本文来源于《统计与决策》期刊2019年22期）
吴茵,莫东,李秋文,张德亮,黄红伟[3]（2019）在《基于分类波动性统计的短期负荷改进区间预测方法》一文中研究指出为支撑电力现货市场下实时交易与安全校核的需要,提出了一种基于分类波动性统计的短期负荷区间预测方法。首先,介绍了传统的负荷波动性统计分析及区间预测限值计算方法,通过将负荷历史数据标幺化处理,绘制负荷波动性分布直方图,计算在给定精度下的区间限值;接着结合我国实际,从居民、商业、工业叁类用户出发,分别讨论不同类型用户负荷的波动性特点,在此基础上汇总形成全网负荷区间预测的上、下限值,实现对全网负荷的区间预测。最后基于某省实际数据构造的算例表明,通过深入分析不同类型负荷的波动性,本文所提出的方法能实现预测准确性和区间宽度的整体最优,在保证相同的预测精度的前提下,减少区间宽度,提高负荷区间预测结果的实用性。(本文来源于《电力大数据》期刊2019年11期）
杨锡运,康宁,杨雨薇,苏杰[4]（2019）在《基于EEMD的SOA-KELM风电功率概率性短期区间预测》一文中研究指出针对风电功率概率短期区间预测问题,提出了基于集合经验模态分解(EEMD)与人群搜索算法(SOA)优化的核极限学习机(KELM)模型。首先,在风电功率非平稳性时频分析的基础上,利用EEMD将原始风电功率序列分解为不同的子序列,并对各EEMD子序列建立基于上下限直接估量的预测子模型。然后,使用SOA寻求KELM子模型输出权值上下限的最优解,以优化模型预测性能。最后,以实际数据为算例,将本文模型与粒子群优化(PSO)算法优化的5种预测模型进行对比。结果表明:EEMD-SOA-KELM模型收敛速度更快且全局收敛,可获得更加可靠优良的区间预测结果。(本文来源于《动力工程学报》期刊2019年11期）
王志刚,袁宏俊[5]（2019）在《基于机器学习方法的区间组合预测模型优化》一文中研究指出随着数据量的不断增多,对于预测精度的要求也越来越高。引入了机器学习中的损失函数和梯度下降算法,与传统的线性规划求解组合系数方法相比,简化了计算步骤,在保证精度的同时也提升了算法对大量数据的处理能力。最后通过实例表明,基于机器学习方法的区间组合预测模型能够有效地提升预测精度。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2019年06期）
杜进桥,徐诗鸿,胡志豪,李艳,随权[6]（2019）在《基于光伏出力区间预测的相变储能电-热联合调度策略》一文中研究指出分布式光伏出力具有较大不确定性。为分析其对相变储能电-热耦合系统联合调度的影响,对传统区间预测评价指标进行改进,并利用改进的区间预测模型,提出了一种分布式光伏出力波动范围评估方法。基于现有相变储能电-热联合调度模型,合理计及光伏出力波动性,制定了其电-热联合调度策略。并开展不同出力置信水平下,电-热联合调度策略作用后系统的经济性与风险评估。最后通过仿真算例,分析了光伏出力波动与系统经济性和风险性之间的影响关系,为相变储能系统的实际应用提供了参考借鉴。(本文来源于《电力系统保护与控制》期刊2019年21期）
李麟玮,吴益平,苗发盛,薛阳,张龙飞[7]（2019）在《考虑变形状态动态切换的阶跃型滑坡位移区间预测方法》一文中研究指出为解决传统阶跃型滑坡位移预测模型研究中存在的突变状态预测结果滞后和结果可靠性不明确等典型问题,提出一种新型滑坡位移区间预测改进方法。首先,采用SOM网络和K均值聚类相结合的方法,将阶跃型滑坡的变形状态划分为变形稳定状态与变形突变状态两类。然后,在综合运用工程地质类比法和自适应综合采样算法扩展突变状态样本的基础上,采用随机森林算法建立能够自动识别滑坡变形状态的集合分类器。最终,基于Bootstrap-KELM-BPNN模型,构建考虑滑坡变形状态动态转换的位移区间预测框架,实现滑坡位移的动态区间预测。以叁峡库区内典型阶跃型滑坡——白水河滑坡为例,选取XD01监测点在2006年6月～2016年12月期间的数据进行研究,验证该方法的有效性、准确性和可靠性。(本文来源于《岩石力学与工程学报》期刊2019年11期）
杨茂,杨春霖,董骏城[8]（2019）在《基于预测误差分布优化模型的风电功率超短期概率区间预测研究》一文中研究指出提出一种基于预测误差分布优化模型的风电功率概率区间预测方法。由于风功率数据存在显着的时间相依结构,该方法首先对预测功率按出力不同进行划分,以划分区段内的预测误差为统计样本,分别采用多种分布模型拟合误差概率密度,通过拟合指标选择优化模型,进而求解该分布模型的累积概率,并通过计算指定置信水平下的置信区间进行概率区间预测。利用性能指标比较典型单一分布模型和优化模型的预测结果,表明基于优化模型的概率性预测区间覆盖率更高、平均带宽更窄、精度更好、效果更优。(本文来源于《太阳能学报》期刊2019年10期）
任利强,张立民,王海鹏,郭强[9]（2019）在《基于IPSO-GPR的短期负荷区间预测》一文中研究指出针对现有的点预测方法难以计及电网运行中的诸多不确定性因素的问题,提出一种结合改进粒子群(IPSO)和高斯过程回归(GPR)的短期负荷区间预测方法。将不同核函数进行组合,实现组合核函数高斯过程回归算法;通过改进粒子群算法实现以均方误差最小为目标的GPR模型超参数优化求解,建立改进粒子群-高斯过程回归(IPSO-GPR)负荷区间预测模型,获得一定置信水平的日小时负荷区间预测结果。将该方法与比较方法的预测性能进行对比,算例分析结果显示,改进粒子群优化组合核函数GPR模型取得了更好的区间预测效果,验证了所提方法的有效性。(本文来源于《计算机工程与设计》期刊2019年10期）
李炳军,杨卫明[10]（2019）在《基于灰色区间预测和GM(1,N)模型的我国粮食供需结构平衡分析》一文中研究指出在农业供给侧改革背景下为更全面准确地分析预测我国粮食供需结构平衡性问题,首先对我国主要粮食进口量及生产现状进行分析,然后利用灰色区间预测和GM(1,N)预测方法分别对我国主要粮食的需求量和粮食产量进行预测和分析。结果表明,我国主要粮食的需求量、产量在2017、2018、2019年持续增长,但供需依然存在较大缺口,其中大豆需求量日益增长,而生产远远跟不上。应该针对不同粮食的供需情况制定不同的生产策略,根据不同粮食影响因素的影响程度进行针对性生产,及时把握粮食消费需求情况,引导粮食合理消费。(本文来源于《江苏农业科学》期刊2019年18期）
区间预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高区间值时间序列的预测精度,文章提出了基于L1范数的IOWGA算子的区间组合预测模型。把区间中心和区间半径作为出发点,在IOWGA算子的基础上,将L1范数与区间组合预测模型相结合,避免了预测误差"放大"或"缩小"的效应和可能出现的区间数的左端点大于右端点的情况,并且克服了各单项预测方法取固定权系数的缺陷。并通过实例分析对比,考虑了中心和半径非等权时的情况,结果表明:该模型可以显着提高预测的精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
区间预测论文参考文献
[1].袁晓冬,郁正纲,张宸宇,伏祥运,李建林.计及光伏区间预测和储能SOC均衡的配电网优化[J].全球能源互联网.2019
[2].丁勤祥,陶志富,葛璐璐,赵勤.基于L1范数的IOWGA算子的区间组合预测模型[J].统计与决策.2019
[3].吴茵,莫东,李秋文,张德亮,黄红伟.基于分类波动性统计的短期负荷改进区间预测方法[J].电力大数据.2019
[4].杨锡运,康宁,杨雨薇,苏杰.基于EEMD的SOA-KELM风电功率概率性短期区间预测[J].动力工程学报.2019
[5].王志刚,袁宏俊.基于机器学习方法的区间组合预测模型优化[J].齐齐哈尔大学学报(自然科学版).2019
[6].杜进桥,徐诗鸿,胡志豪,李艳,随权.基于光伏出力区间预测的相变储能电-热联合调度策略[J].电力系统保护与控制.2019
[7].李麟玮,吴益平,苗发盛,薛阳,张龙飞.考虑变形状态动态切换的阶跃型滑坡位移区间预测方法[J].岩石力学与工程学报.2019
[8].杨茂,杨春霖,董骏城.基于预测误差分布优化模型的风电功率超短期概率区间预测研究[J].太阳能学报.2019
[9].任利强,张立民,王海鹏,郭强.基于IPSO-GPR的短期负荷区间预测[J].计算机工程与设计.2019
[10].李炳军,杨卫明.基于灰色区间预测和GM(1,N)模型的我国粮食供需结构平衡分析[J].江苏农业科学.2019
论文知识图
