基于改进支持向量机的微电网负荷预测研究

发布时间：2017-10-29 04:05

  本文关键词：基于改进支持向量机的微电网负荷预测研究

  更多相关文章： 微网负荷 小波去噪 支持向量机 主成分分析法 多种群遗传算法

【摘要】：微电网负荷预测是微网电力系统能量调度的重要组成部分,其直接影响着微网运行的稳定性和经济性,是分布式能源智能化管理的重要前提,是提高微网用户侧负荷优化的基本依据。由于微网负荷具有结构简单、波动性强、负荷数据非线性且负荷影响因素难以统计等特点,因此本文的主要研究内容为基于支持向量机算法的微电网负荷预测。首先,本文选用智能微网小区的历史负荷数据作为分析微网负荷预测的主体,构建了基于天气影响因素、星期类型、实时电价等外界影响因素的多维数据变量。由于微网负荷数据在采集、传输过程中存在“噪点”数据,影响负荷预测准确性,针对这一难点将采用小波阈值方法进行数据去噪,通过matlab仿真分析验证小波消噪方法不仅可以使负荷数据中无用信息大部分剔除,还尽可能地把微网负荷特性完整的保留下来。其次,在负荷异常数据的处理上,采用模糊C均值聚类算法提取特征日负荷曲线,对异常数据辨识和修正。另外,针对影响微网负荷数据维数众多难以取舍的问题,采用主成分分析法的原理,通过提取各维变量的特征函数,根据个体贡献率和累计贡献率这两个指标确定变量维数,达到降维的目的。最后,针对支持向量机建模的过程中核函数难以选取的问题,应用控制变量法确定以径向基函数为核函数。支持向量机在负荷预测过程中需要调节运行参数,而最优的运行参数对提高负荷预测精度具有决定性作用,针对这一缺点,本文提出采用多种群遗传算法优化支持向量机中的运行参数,通过将标准遗传算法改为多种群遗传算法,提高了参数寻优的局部搜索能力和全局搜索能力,避免参数优化陷入局部极值,从而提高支持向量机微网负荷预测的精度和泛化能力。
【关键词】：微网负荷 小波去噪 支持向量机 主成分分析法 多种群遗传算法
【学位授予单位】：东北石油大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715
【目录】：

• 摘要4-5
• ABSTRACT5-7
• 创新点摘要7-10
• 第一章 绪论10-17
• 1.1 研究背景及意义10-11
• 1.2 微电网负荷预测方法及原理11-16
• 1.2.1 微电网理论11-12
• 1.2.2 负荷预测原理及其分类12-14
• 1.2.3 负荷预测方法国内外研究现状14-16
• 1.3 本文研究主要内容16-17
• 第二章 微电网负荷影响因素分析及数据辨识与修正17-30
• 2.1 短期负荷影响因素分析17-21
• 2.1.1 时间影响因素17-18
• 2.1.2 天气影响因素18-21
• 2.2 微电网负荷数据辨识与修正21-28
• 2.2.1 异常数据处理21-23
• 2.2.2 数据无量纲化处理23-24
• 2.2.3 数据去噪处理24-27
• 2.2.4 数据降维处理27-28
• 2.3 负荷预测结果评价标准28-29
• 2.4 本章小结29-30
• 第三章 基于支持向量机的微电网负荷预测模型30-41
• 3.1 支持向量机最佳分类面30-31
• 3.2 支持向量回归机模型建立31-33
• 3.3 核函数对支持向量机的作用33-35
• 3.4 负荷预测算例分析35-40
• 3.5 本章小结40-41
• 第四章 多种群遗传算法优化支持向量机微电网负荷预测41-53
• 4.1 遗传算法优化支持向量机41-46
• 4.1.1 遗传算法组成41-43
• 4.1.2 遗传算法基本流程43-44
• 4.1.3 仿真验证44-46
• 4.2 改进的多种群遗传算法46-48
• 4.3 MPGA-SVM微网负荷预测算法分析与比较48-52
• 4.4 本章小结52-53
• 第五章 微电网负荷预测模型的GUI实现53-57
• 5.1 软件模块53-55
• 5.2 软件整体界面55-56
• 5.3 本章小结56-57
• 结论57-58
• 参考文献58-62
• 发表文章目录62-63
• 致谢63-64

【相似文献】

中国期刊全文数据库 前10条

1 钟庆,吴捷,钟丹虹;基于系统论的负荷预测集成化方法[J];电力自动化设备;2002年10期

2 张伏生,刘芳,赵文彬,寇强,刘沛津,曹正建;基于Internet/Intranet的负荷预测系统方案[J];电力系统自动化;2003年10期

3 康重庆;牟涛;夏清;;电力系统多级负荷预测及其协调问题 (一)研究框架[J];电力系统自动化;2008年07期

4 李小锐;黎灿兵;袁彦;;基于下级负荷预测的短期负荷预测新算法[J];江西电力职业技术学院学报;2008年02期

5 李新炜;王子琦;方鸣;周鹏;王启明;李同;鞠平;;基于分区逐时气象信息的全网负荷预测研究[J];电力系统保护与控制;2009年03期

6 康重庆;赵燃;陈新宇;杨兴宇;曹欣;刘梅;;多级负荷预测的基础问题分析[J];电力系统保护与控制;2009年09期

7 任峰;丁超;;市场环境下负荷预测误差风险管理研究[J];现代电力;2009年03期

8 罗凤章;王成山;肖峻;侯磊;王建民;李亦农;陈春琴;王赛一;;计及气温因素的年度负荷预测修正方法[J];电力系统及其自动化学报;2009年03期

9 杨凯;;如何提高负荷预测的准确率[J];大众用电;2009年10期

10 李q，

本文编号：1111304