基于大数据分析与LASSO分位数回归的电力负荷概率密度预测方法

发布时间：2020-10-27 14:59

　　 电力负荷预测对电力系统的调度,规划和生产计划起到了重要的作用。准确的负荷预测为电力系统的平稳运行保驾护航。在实际生活中,电力负荷通常会受到多种外界因素的影响,比如社会,经济,环境以及包含水电,风电及太阳能的可再生能源的影响。这些潜在外界影响因子及随机因素的干扰往往使得电力负荷预测变得越来越复杂。尤其是在智能电网中,基于大数据环境下,如何从复杂的外界因素中高效提取出有价值的信息成为了电力负荷预测的关键。为了解决电力负荷预测中的高维数据问题,降低预测过程中的不确定性,本文提出了基于LASSO分位数回归(LASSO-QR)的概率密度预测方法和基于LASSO神经网络分位数回归(LASSO-QRNN)的概率密度预测方法。首先,利用LASSO回归算法从电力负荷预测潜在的影响因子中筛选出重要的解释变量,建立LASSO-QR模型和LASSO-QRNN模型。接着结合核密度估计方法,进行电力负荷概率密度预测。预测结果不仅可以得到未来负荷完整的概率密度曲线,而且也得到了未来负荷较准确的预测值和波动范围。为验证本文提出方法的有效性,从统计学的角度出发,本文对概率密度曲线的概率均值、中位数和众数上得到的点预测结果进行评估,同时运用相关预测区间评价准则对预测区间进行评价。本文主要提出基于LASSO-QR的概率密度预测方法进行短期和中期电力负荷预测,提出基于LASSO-QRNN的概率密度预测方法进行电力消费预测。在预测过程中,均充分考虑外界影响因素挑选出重要的影响因子来构建合适的数学模型。本文采用五个案例进行仿真实验,包含:加拿大安大略省冬季和夏季短期电力负荷预测,中国东部某副省级市的中期电力负荷预测、中国广东省电力消费预测及美国加利福尼亚州电力消费预测。通过与其他先进方法的对比实验,进一步表明本文提出的概率密度预测方法可以显著降低预测过程中的不确定性,提高电力负荷预测的准确性。在科学性的基础上,本文提出的方法不仅能满足电力系统决策人员的要求,避免重大的经济损失,而且也为解决大数据环境下负荷预测问题寻找到一个有效途径,具有重要的实际意义。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F416.61;TM715
【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 电力负荷预测研究现状
        1.2.2 概率性预测（概率性区间预测、概率密度预测）
        1.2.3 基于大数据分析的预测方法研究
    1.3 研究思路和研究方法
        1.3.1 研究思路
        1.3.2 研究方法
    1.4 创新点及全文结构安排
        1.4.1 创新点
        1.4.2 结构安排
第二章 相关理论概述
    2.1 LASSO回归
        2.1.1 模型表示
        2.1.2 模型求解及参数估计
    2.2 分位数回归
        2.2.1 模型表示
        2.2.2 参数估计
    2.3 神经网络分位数回归
第三章 考虑风电影响的短期电力负荷概率密度预测研究
    3.1 考虑风电因素的LASSO分位数回归模型
    3.2 考虑风电因素的基于LASSO分位数回归的概率密度预测
    3.3 算例分析
        3.3.1 评价准则
        3.3.2 案例描述
        3.3.3 加拿大安大略省2017 年冬季案例分析
        3.3.4 加拿大安大略省2017 年夏季案例分析
第四章 基于LASSO分位数回归的中期电力负荷概率密度预测
    4.1 基于LASSO分位数回归模型
    4.2 基于LASSO分位数回归的中期电力负荷概率密度
    4.3 算例分析
        4.3.1 算例描述
        4.3.2 概率密度预测结果分析
第五章 基于LASSO神经网络分位数回归的电力消费概率密度预测
    5.1 基于LASSO神经网络分位数回归模型
    5.2 基于核密度估计的LASSO-QRNN概率密度预测方法
    5.3 算例分析
        5.3.1 评价准则
        5.3.2 中国广东省电力消费预测案例分析
        5.3.3 美国加利福尼亚电力消费预测案例分析
第六章 总结与展望
    6.1 主要研究工作及解决的实际问题
    6.2 研究工作不足及展望
参考文献
攻读硕士学位期间的学术活动及成果情况

【参考文献】

相关期刊论文 前10条

1 崔和瑞;彭旭;;基于ARIMAX模型的夏季短期电力负荷预测[J];电力系统保护与控制;2015年04期

2 张素香;赵丙镇;王风雨;张东;;海量数据下的电力负荷短期预测[J];中国电机工程学报;2015年01期

3 何耀耀;闻才喜;许启发;撖奥洋;;考虑温度因素的中期电力负荷概率密度预测方法[J];电网技术;2015年01期

4 刘涛雄;徐晓飞;;大数据与宏观经济分析研究综述[J];国外理论动态;2015年01期

5 何耀耀;许启发;杨善林;余本功;;基于RBF神经网络分位数回归的电力负荷概率密度预测方法[J];中国电机工程学报;2013年01期

6 郑高;肖建;;基于区间二型模糊逻辑的电力负荷预测研究[J];电机与控制学报;2012年09期

7 许启发;蒋翠侠;;分位数局部调整模型及应用[J];数量经济技术经济研究;2011年08期

8 周湶;任海军;李健;张昀;周永勇;孙才新;邓景云;;层次结构下的中长期电力负荷变权组合预测方法[J];中国电机工程学报;2010年16期

9 周建中;张亚超;李清清;郭俊;;基于动态自适应径向基函数网络的概率性短期负荷预测[J];电网技术;2010年03期

10 刘东;李莉;;小波神经网络嵌入专家系统的短期电力负荷预测[J];陕西电力;2009年10期

本文编号：2858675