近年来，世界很多地方出现了严重的自然灾害，如雪灾、地震、洪水、海啸等，这些灾害延缓了国家的经济发展，给人们的生活带来了很多不便，尤其当电网受到破坏时，给工农业生产造成了巨大损失。因此，如何使电网在遭受各种风险影响下能够快速而有效的启动应急机制，保障电网安全，是电网规划的一个重要方面。由于受负荷增长、环境条件、需求管理的有效性等不确定因素影响，电网规划变得越来越困难。在不确定环境下，电网规划必须灵活，以适应各种不确定因素，另外，电网规划还要满足经济有效性和可靠性。高精度的负荷预测能提高电力系统安全性，减少电力成本，还与制定电网规划、保证电网可靠有着密切联系。此外，它是电力市场中电价预测的重要指标。迄今为止，许多方法已经用来改进负荷预测的精度，如人工神经网络、模糊分析、粗糙集等。然而这些方法都没有考虑不确定因素的影响，其模型不能很好地预测实际情况。
对不确定因素的处理是电网规划的重要方面，也是保障负荷能够精确预测的重要因素。对不确定信息的分析可以采用随机方法、模糊方法、灰色方法等，这些方法可以有效地处理随机、模糊及区间不确定性等，但却不能处理不确定信息的另一方面——未确知信息。而未确知数学就是根据未确知信息建立起来的新的科学，可以有效地处理未确知信息，是处理未确知数据的有力工具。本书首先在考虑广义项目风险元传递理论基础上，充分考虑不确定信息的三种特征：随机性、模糊性、未确知性，对风险元进行分类。其次，为了使整个电网在遭受各种风险因素影响时，能够有效快速地处理各种不确定信息，建立了电力智能中心的理论框架，然后在此框架下对未确知风险元进行分析，给出相应的数学定义和基本操作。在此基础上，利用未确知风险元理论对Elman's递归神经网络进行改进，得到适合处理未确知信息的电力动态联盟负荷预测模型。最后，给出各种方法的预测对比。算例分析表明，模型可以有效提高预测准确性。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
