基于周期调整及萤火虫算法优化参数的智能短期负荷预测模型

发布时间：2020-03-01 10:52

【摘要】：短期电力负荷预测通常是指预测一天到一个星期内的电力负荷,它是确保电力调度、电机维护、电力市场有序管理和电力系统安全的关键工作,伴随电力市场的逐步发展和日益完善,准确的短期电力负荷预测成了电力工业健康发展的保障。结合电力负荷序列的特性,本文创造性的构建了一种有效的混合负荷预测模型。混合模型包含的两大模块为快速傅里叶变换结合周期指数调整方法组成的数据预处理方法和萤火虫算法优化二阶自适应系数的预测方法。其中,快速傅里叶变换被用来确定电力负荷数据的周期,再结合周期指数调整方法将原始电力数据转化为周期项和趋势项,再通过萤火虫算法优化二阶自适应系数的方法预测趋势项即为该模型的核心思想。为了评估模型的性能,本文在最后选择新南威尔士、昆士兰和新加坡这三个不同电力市场的半小时电力负荷数据进行数值模拟,根据数值模拟结果显示,该模型对于短期负荷预测有良好的性能。
【图文】：

6自澳大利亚新南威尔士2010-3-1到2010-3-17每半个小时一个的电力负荷数据。（数据下载于澳大利亚能源市场运营商官网http://www.aemo.com.au/）通过图2.1可以很清晰的发现功率谱最大时对应的周期为 48，因此实例中的时间序列周期长度为 48。图 2.1 快速傅里叶转换示例图2.1.2 周期指数调整周期指数调整是数据预处理的关键一步，原始时间序列可以通过周期指数调整方法分解为周期指数项和趋势成分项[32]，只要预测趋势项1 Ty ，然后乘以周期指数1I 就是所求预测值1 1 1 *T Ty y I 。对于原始时间序列，定义t 时刻的电力负荷表示为 *t t ty R S，其中 R 为趋势项，，S 为周期项。本文使用的周期指数调整方法主要有以下三个步骤：第一步：用每个周期内的数据平均值代替数据趋势项。具体为

与周期指数j 1,2,...,pI 对应相乘即可得到原始时间序列，公式（3）中( d1)ky 即为所求预测值。( 1)k ( 1)k* ( 1, 2,..., )d d ky y I k p （3-3）混合模型的流程如图 3.1：
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715

【相似文献】

相关期刊论文 前10条

1 戴和彩;浅谈如皋电网的短期负荷预测[J];农村电气化;2001年05期

2 侯凯元,穆钢,杨右虹,惠永杰;地区电网短期负荷预测系统的研究[J];电力系统及其自动化学报;2001年05期

3 潘勇;短期负荷预测精度影响因素分析和对策[J];农村电气化;2003年05期

4 赵登福,吴娟,刘昱,张讲社,王锡凡;基于事例推理的短期负荷预测[J];西安交通大学学报;2003年06期

5 莫维仁,张伯明,孙宏斌,胡子珩,刘顺桂;扩展短期负荷预测的原理和方法[J];中国电机工程学报;2003年03期

6 吴江;张龙胜;;温度、人体舒适度对地区短期负荷预测的影响[J];上海电力;2003年03期

7 梁勤励,谢正宁,田自军;银南电网短期负荷预测[J];农村电气化;2004年07期

8 丁恰,卢建刚,钱玉妹,张剑,廖怀庆;一种实用的超短期负荷预测曲线外推方法[J];电力系统自动化;2004年16期

9 胡子珩;刘顺桂;邱利斌;朱成骐;张伯明;孙宏斌;;深圳电网智能化自动运行短期负荷预测系统[J];电网技术;2005年23期

10 徐进东,丁晓群,邓勇;基于相似日的线性外推短期负荷预测[J];继电器;2005年07期

相关会议论文 前10条

1 侯广松;刘伟生;;适用于地区电网的短期负荷预测方法的研究[A];2005中国电机工程学会电力系统自动化专委会全国供用电管理自动化学术交流暨供用电管理自动化学科组第二届年会论文集[C];2005年

2 朱桂华;赖晓平;云昌钦;;在线短期负荷预测方法的研究与应用[A];1995年中国控制会议论文集（上）[C];1995年

3 杜欣慧;张岭;毕艳华;;采用自适应神经网络进行短期负荷预测[A];2004全国测控、计量与仪器仪表学术年会论文集（下册）[C];2004年

4 侯广松;刘伟生;谢广建;;基于相关因素映射和神经网络的短期负荷预测[A];2006电力系统自动化学术交流研讨大会论文集[C];2006年

5 唐向阳;;应用于短期负荷预测的自适应建模方法[A];广西电机工程学会第七届青年学术交流会论文集[C];2002年

6 杜俊红;滕欢;滕福生;;在线超短期负荷预测的分析与应用研究[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年

7 侯广松;刘伟生;;基于相关因素映射和神经网络的短期负荷预测[A];山东电机工程学会第十一届优秀学术论文集[C];2008年

8 盛琼;顾泽;骆丽楠;;基于实时气象要素的湖州短期负荷预测研究[A];第八届长三角气象科技发展论坛论文集[C];2011年

9 张雪莹;管霖;;采用谱分析建模和基于人工神经网络的短期负荷预测方案[A];广东省电机工程学会2003-2004年度优秀论文集[C];2005年

10 田晓;颜勇;孔凡坊;顾德英;;新型神经网络在短期负荷预测中的应用研究[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年

相关重要报纸文章 前2条

1 通讯员池长斌;宁夏电网短期负荷预测西北第一[N];中国电力报;2011年

2 通讯员 池长斌;宁夏电力短期负荷预测保持领先[N];中国电力报;2011年

相关博士学位论文 前10条

1 卢芸;短期电力负荷预测关键问题与方法的研究[D];沈阳工业大学;2007年

2 郑永康;相空间重构与支持向量机结合的短期负荷预测研究[D];西南交通大学;2008年

3 王硕禾;基于短期负荷预测技术的电能控制系统研究[D];天津大学;2009年

4 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年

5 王志勇;数据挖掘方法在短期负荷预测中的应用研究[D];浙江大学;2007年

6 叶彬;混合智能建模技术及其在短期负荷预测中的应用研究[D];浙江大学;2006年

7 苏庆新;区域电力系统超短期负荷预测及网络建模分析[D];东华大学;2008年

8 吴宏晓;基于软计算方法的电力系统负荷预测[D];上海交通大学;2007年

9 雷绍兰;基于电力负荷时间序列混沌特性的短期负荷预测方法研究[D];重庆大学;2005年

10 谢忠玉;电力短期负荷时间序列混沌特性分析及预测研究[D];哈尔滨工程大学;2010年

相关硕士学位论文 前10条

1 曹东波;“机理＋辨识”预测策略在电力短期负荷预测中的应用[D];天津大学;2007年

2 张芳明;电力市场环境下的电力系统扩展短期负荷预测研究[D];湖南大学;2009年

3 李国辉;超短期负荷预测的广义外推法[D];大连理工大学;2008年

4 蔡佳宏;超短期负荷预测的研究[D];四川大学;2006年

5 罗军;跨平台短期负荷预测系统的研究、设计、实现[D];清华大学;2006年

6 王升治;深圳电网短期负荷预测闭环运行系统的研究[D];上海交通大学;2006年

7 闫冬梅;大孤山选矿厂电能信息采集及短期负荷预测的研究[D];长春工业大学;2010年

8 郭杰昊;基于混沌时间序列的短期负荷预测研究[D];上海交通大学;2015年

9 李海龙;考虑实时气象因素的电力系统短期负荷预测[D];华北电力大学;2015年

10 柏建良;组合预测模型在湖州电网短期负荷预测中的应用[D];华北电力大学;2015年

本文编号：2584021