【摘 要】
：
传统的在线集成负荷预测模型根据固定时间长度窗口内样本数据的预测误差更新模型参数，忽略了窗口内不同预测误差对参数更新影响程度不同的问题。为此，本文提出了一种新的基于误差在线更新的集成负荷预测模型。首先，建立了基于拉格朗日的集成预测最优权重求解模型，在目标函数中引入误差影响矩阵来量化窗口内不同位置的预测误差对模型权重影响的差异。然后，借鉴AdaBoost调整样本权值的思想，设计了一个权重衰减因子用于在
论文部分内容阅读
传统的在线集成负荷预测模型根据固定时间长度窗口内样本数据的预测误差更新模型参数，忽略了窗口内不同预测误差对参数更新影响程度不同的问题。为此，本文提出了一种新的基于误差在线更新的集成负荷预测模型。首先，建立了基于拉格朗日的集成预测最优权重求解模型，在目标函数中引入误差影响矩阵来量化窗口内不同位置的预测误差对模型权重影响的差异。然后，借鉴AdaBoost调整样本权值的思想，设计了一个权重衰减因子用于在窗口滑动过程中动态调节误差影响矩阵。应用本文提出的模型对中国北方某城市五个地区的真实用电负荷数据进行了负荷预测实验，本文模型的平均预测误差MAPE为5.10%。与现有的在线集成预测模型相比，预测误差平均降低了0.91%。
其他文献
发展普惠金融可以助力乡村振兴。孟加拉格莱珉模式是普惠金融的典型代表,能够帮助被传统金融机构排斥在外的群体获得贷款的机会和人性化的社会服务。迄今,格莱珉模式已经帮助世界上很多贫困人口脱贫致富,并在很多国家实现了商业上的成功。格莱珉模式在中国推行多年,有其长处与短板,其发展模式的演进对我国发展乡村振兴有一定的借鉴意义。为探索中国普惠金融发展道路,对格莱珉中国河南兰考、云南大理太邑乡以及陕西安康岚皋三个
4月30日，在国网台州供电公司技术人员的调试下，大陈岛氢能综合利用示范工程的质子交换膜电解水制氢系统成功实现制氢。大陈岛氢能综合利用示范工程是全国首个海岛“绿氢”综合能源示范项目。该项目通过构建基于百分百新能源发电的制氢-储氢-燃料电池热电联供系统，实现清洁能源百分百消纳与全过程零碳供能。“绿氢”是利用可再生能源分解水得到的氢气，从源头上实现了CO2零排放，是纯正的绿色新能源。在制氢过程中，制氢系
体育竞技运动鞋是体育运动装备中的重要组成部分，对专业运动员在运动过程中起到了关键性作用。伴随着时代发展体育竞技运动的多元化，对运动鞋类的需求理念也逐渐发生了改变。对体育竞技运动鞋类的发展现状进行梳理，分析现代体育竞技运动鞋多样化设计表现形式，从设计款式、工艺制作、面料选取对体育竞技运动鞋的现代设计方式提出合理化建议，以期待提升体育竞技运动鞋的功能性及专业性能不断提升，满足更多体育爱好者和专业运动员
作为一个现代、全面、高质量、互惠的大型区域自贸协定,RCEP对标国际高标准自贸规则,整合区域内经贸规则,涵盖货物贸易、服务贸易、投资、自然人移动等方面的市场开放政策。其中,作为RCEP重要特征之一的"区域性关税减免及零关税",意味着打破关税壁垒,迈入零关税时代。
Graves眼病（GO）是一种与甲状腺疾病相关的自身免疫性眼眶疾病，其发病机制复杂，治疗困难。影像学检查，尤其是磁共振成像在Graves眼病的诊治中具有实用价值，不仅可以辅助诊断GO，而且对于活动性评估以及疗效预测和评估具有重要价值，未来有望指导临床治疗。本文将对MRI应用于Graves眼病诊治中的实用价值与进展进行综述。
日前负荷预测对于制定合理的调度计划，保证电力系统安全可靠具有重要意义。电力负荷时间序列通常存在随机误差，而基于智能算法的预测模型为了充分提取负荷信息，结构复杂、计算量大。为此，本文利用台区配电网的历史电力负荷时间序列，提出一种基于重复小波变换-支持向量机（RWT-SVM）混合模型的日前电力负荷预测方法。该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列；利用平均绝对误差（MAE）计
准确的负荷预测是电力系统安全稳定运行的重要保障。当充分考虑多因素影响,海量输入数据的前端预处理与变量遴选对提高负荷预测精度至关重要。针对传统时间变量信息模糊、维数冗余问题,引入基于余弦相似度的k-means聚类分析技术实现日负荷特性分类,并通过分类标签替代传统时间变量;考虑到负荷与多因素在小时粒度下的耦合关系,提出了基于特征集重构和最大信息系数的特征筛选策略,实现小时粒度的精细化特征筛选;最后引入
技术性贸易措施作为世界贸易组织（WTO）成员遵循WTO《技术性贸易壁垒协定》（TBT协定）和《实施卫生与植物卫生措施协定》（SPS协定）相关原则制定的法规、标准、认证等贸易措施,是企业产品进入一国市场的必须遵循,是"前提条件"。只有当产品经检验、检测、检疫、注册、监管,符合该国的安全、卫生、环保、质量等技术要求,取得相关认证证书,才能进入该国市场销售。
短期电力负荷具有不平稳、随机性强等特点，传统的负荷预测方法在建模中常表现出一定的局限性。为提高预测精度，提出了一种基于互补集合经验模态分解（complement-ary ensemble empirical mode decomposition, CEEMD）、长短期记忆（long short-term memory, LSTM）神经网络和多元线性回归（multiple linear regres