智能主体驱动的短期负荷预测系统：功能分层与网页数据集成

本文档探讨了"多agent的短期负荷预测系统"（2008年），它将智能主体（agent）技术引入电力行业的负荷预测领域，旨在提高预测的准确性和效率。作者张谦、俞集辉、李春燕和李克提出了一种创新的解决方案，通过构建功能分层模型来组织多agent架构。 在该系统中，关键的挑战是如何有效地从Web页面（如U9B页面）收集和整合相关数据，以支持负荷预测。为解决这个问题，研究者提出了一种结合agent技术的方法，即利用agent将HTML页面转换为XML数据源。这种转换不仅简化了数据处理流程，还使得数据采集层能够自动获取和存储Web页面上的动态信息，增强了数据的实时性和完整性。 文章的核心部分详细介绍了功能agent的设计和实现，包括它们在数据采集、处理和集成过程中的角色。这些agent能够自主地搜索和抓取相关数据，减少了人工干预的需求，并确保数据一致性。此外，通过一个实际案例，作者展示了这种方法的有效性和实用性，证明了多agent系统在短期负荷预测中的显著优势。 本文的研究还涉及到了基金支持，即重庆市自然科学基金资助项目，这表明了研究团队对该领域的重视和资金保障。作者张谦作为一名重庆大学讲师和博士研究生，专注于电力市场和电力工程优化技术的研究，她的专业背景对本文的研究成果有着重要贡献。 这篇论文通过多agent技术的应用，革新了短期负荷预测系统的数据获取和管理方式，提升了预测的科学性和实用性，为电力行业的负荷管理提供了有力的技术支撑。