基于相似日聚类和改进DRESN的短期负荷预测研究
发布时间：2021-12-11 19:50
短期负荷预测是保障电力系统的安全经济运行不可或缺的基础,其用于制定每日或每周计划,包括发电机组控制,负荷分配和水电调度,在现代电力系统的能源分配和管理中起着至关重要的作用。但随着电力系统的发展,影响电力负荷的因素越来越复杂,传统的预测模型难以适应现代电力负荷的特性。本文针对现代电力负荷的变化规律和特点,以提高短期电力负荷预测精度为研究目的,建立了基于相似日聚类和改进DRESN的负荷预测模型。首先,基于目前电力负荷影响因素众多以及数据量庞大的问题,建立考虑影响因素的相似日聚类分析方法。运用皮尔逊相关系数对负荷影响因子进行相关性分析,将筛选出的影响因素和负荷数据使用主成分分析进行降维处理,再对处理过的新数据集运用模糊C均值聚类,从而对负荷数据进行分类。同时与传统模糊C均值聚类对比验证了其有效性,结果表明改进的算法能准确地选取负荷类别数,且具有更快的收敛速度。其次,针对回声状态网络（ESN）在负荷预测中性能不稳定的问题,建立了改进天牛须算法优化双储备池回声状态网络的负荷预测模型。首先将储备池结构优化为双储备池回声状态网络（DRESN）,其次将精英策略、莱维飞行以及自适应策略引入天牛须搜索（B...
【文章来源】：湖北工业大学湖北省
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景以及意义
1.2 国内外研究现状
1.3 目前短期负荷预测的主要问题
1.4 本文内容和章节安排
第2章 电力负荷特性分析
2.1 电力负荷的性质
2.2 电力负荷的影响因素
2.3 电力负荷数据预处理
2.3.1 异常数据处理
2.3.2 数据归一化
2.4 电力负荷预测误差分析
2.5 负荷预测流程
2.6 本章小结
第3章 考虑影响因素的相似日聚类分析
3.1 皮尔逊相关系数
3.2 主成分分析
3.3 模糊C均值聚类
3.3.1 模糊C均值聚类概念
3.3.2 聚类有效性验证
3.4 考虑影响因素的相似日聚类组合模型
3.5 实例分析
3.5.1 聚类有效性分析
3.5.2 收敛速度的比较
3.6 本章小结
第4章 基于改进DRESN的负荷预测
4.1 回声状态网络
4.2 双储备池回声状态网络
4.2.1 双储备池回声网络的基本概念
4.2.2 双储备池回声网络的训练
4.3 改进天牛须搜索算法优化DRESN参数
4.3.1 标准天牛须算法
4.3.2 改进天牛须搜索算法
4.4 基于改进BAS算法优化DRESN模型
4.5 实例仿真
4.6 本章小结
第5章 基于相似日聚类和改进DRESN的短期负荷预测
5.1 模型实现流程
5.2 考虑影响因素的相似日聚类实例分析
5.2.1 选取影响因素
5.2.2 基于主成分分析的模糊聚类相似日分析
5.3 基于相似日聚类和改进DRESN实例仿真
5.3.1 实验流程
5.3.2 实验结果
5.3.3 误差分析
5.4 本章小结
第6章 总结与展望
6.1 全文总结
6.2 展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测[J]. 彭显刚,潘可达,张丹,刘艺,林志坚. 电网技术. 2020(02)
[2]基于能源转型的中国特色电力市场建设的分析与思考[J]. 陈国平,梁志峰,董昱. 中国电机工程学报. 2020(02)
[3]基于混沌类电磁算法优化支持向量机的短期负荷预测[J]. 王茜,李皓然,王新娜,张媛媛. 计算技术与自动化. 2019(04)
[4]基于EEMD-GRU-MLR的短期电力负荷预测[J]. 邓带雨,李坚,张真源,滕予非,黄琦. 电网技术. 2020(02)
[5]基于UTCI-MIC与振幅压缩灰色模型的用户侧微电网短期负荷预测方法[J]. 薛阳,张宁,吴海东,俞志程,李蕊. 电网技术. 2020(02)
[6]基于改进天牛须搜索算法的分布式电源选址定容[J]. 卢光辉,滕欢,廖寒逊,吴泽穹. 电测与仪表. 2019(17)
[7]基于变步长自适应陷波器的在线检重抗振方法研究[J]. 胡清,滕召胜,孙彪,唐思豪,林海军. 仪器仪表学报. 2019(07)
[8]计及需求响应和深度结构多任务学习的电力系统短期负荷预测[J]. 马天男,王超,彭丽霖,郭小帆,付明. 电测与仪表. 2019(16)
[9]基于GOA-SVM的短期负荷预测[J]. 宫毓斌,滕欢. 电测与仪表. 2019(14)
[10]基于深度长短时记忆网络的区域级超短期负荷预测方法[J]. 张宇帆,艾芊,林琳,袁帅,李昭昱. 电网技术. 2019(06)
博士论文
[1]大规模数据聚类分析方法研究[D]. 冯进玫.哈尔滨工程大学 2015
[2]数据挖掘和人工智能理论在短期电力负荷预测中的应用研究[D]. 冯丽.浙江大学 2005
硕士论文
[1]基于人工神经网络的短期电力负荷预测研究[D]. 程宇也.浙江大学 2017
[2]基于密度的改进型层次聚类算法研究[D]. 李彩云.兰州大学 2016
本文编号：3535292
【文章来源】：湖北工业大学湖北省
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景以及意义
1.2 国内外研究现状
1.3 目前短期负荷预测的主要问题
1.4 本文内容和章节安排
第2章 电力负荷特性分析
2.1 电力负荷的性质
2.2 电力负荷的影响因素
2.3 电力负荷数据预处理
2.3.1 异常数据处理
2.3.2 数据归一化
2.4 电力负荷预测误差分析
2.5 负荷预测流程
2.6 本章小结
第3章 考虑影响因素的相似日聚类分析
3.1 皮尔逊相关系数
3.2 主成分分析
3.3 模糊C均值聚类
3.3.1 模糊C均值聚类概念
3.3.2 聚类有效性验证
3.4 考虑影响因素的相似日聚类组合模型
3.5 实例分析
3.5.1 聚类有效性分析
3.5.2 收敛速度的比较
3.6 本章小结
第4章 基于改进DRESN的负荷预测
4.1 回声状态网络
4.2 双储备池回声状态网络
4.2.1 双储备池回声网络的基本概念
4.2.2 双储备池回声网络的训练
4.3 改进天牛须搜索算法优化DRESN参数
4.3.1 标准天牛须算法
4.3.2 改进天牛须搜索算法
4.4 基于改进BAS算法优化DRESN模型
4.5 实例仿真
4.6 本章小结
第5章 基于相似日聚类和改进DRESN的短期负荷预测
5.1 模型实现流程
5.2 考虑影响因素的相似日聚类实例分析
5.2.1 选取影响因素
5.2.2 基于主成分分析的模糊聚类相似日分析
5.3 基于相似日聚类和改进DRESN实例仿真
5.3.1 实验流程
5.3.2 实验结果
5.3.3 误差分析
5.4 本章小结
第6章 总结与展望
6.1 全文总结
6.2 展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测[J]. 彭显刚,潘可达,张丹,刘艺,林志坚. 电网技术. 2020(02)
[2]基于能源转型的中国特色电力市场建设的分析与思考[J]. 陈国平,梁志峰,董昱. 中国电机工程学报. 2020(02)
[3]基于混沌类电磁算法优化支持向量机的短期负荷预测[J]. 王茜,李皓然,王新娜,张媛媛. 计算技术与自动化. 2019(04)
[4]基于EEMD-GRU-MLR的短期电力负荷预测[J]. 邓带雨,李坚,张真源,滕予非,黄琦. 电网技术. 2020(02)
[5]基于UTCI-MIC与振幅压缩灰色模型的用户侧微电网短期负荷预测方法[J]. 薛阳,张宁,吴海东,俞志程,李蕊. 电网技术. 2020(02)
[6]基于改进天牛须搜索算法的分布式电源选址定容[J]. 卢光辉,滕欢,廖寒逊,吴泽穹. 电测与仪表. 2019(17)
[7]基于变步长自适应陷波器的在线检重抗振方法研究[J]. 胡清,滕召胜,孙彪,唐思豪,林海军. 仪器仪表学报. 2019(07)
[8]计及需求响应和深度结构多任务学习的电力系统短期负荷预测[J]. 马天男,王超,彭丽霖,郭小帆,付明. 电测与仪表. 2019(16)
[9]基于GOA-SVM的短期负荷预测[J]. 宫毓斌,滕欢. 电测与仪表. 2019(14)
[10]基于深度长短时记忆网络的区域级超短期负荷预测方法[J]. 张宇帆,艾芊,林琳,袁帅,李昭昱. 电网技术. 2019(06)
博士论文
[1]大规模数据聚类分析方法研究[D]. 冯进玫.哈尔滨工程大学 2015
[2]数据挖掘和人工智能理论在短期电力负荷预测中的应用研究[D]. 冯丽.浙江大学 2005
硕士论文
[1]基于人工神经网络的短期电力负荷预测研究[D]. 程宇也.浙江大学 2017
[2]基于密度的改进型层次聚类算法研究[D]. 李彩云.兰州大学 2016
本文编号：3535292
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3535292.html
