基于聚类分析的短期电力负荷预测的研究

发布时间：2022-07-07 11:43

　　短期电力负荷预测在能量管理系统（EMS）中扮演不可或缺的角色,它在电力系统安全、稳定、经济等方面的运行上起到不同程度的保障作用,本文针对短期电力负荷预测进行研究。首先简要介绍了影响电力负荷特性的部分因素、已有的电力负荷预测方法和电力负荷预测的基本原理。接着,对BP神经网络、自组织竞争神经网络和SOFM网络进行分析比较,同时针对BP神经网络泛化能力弱的缺点,引入贝叶斯和提前终止两种方法进行改进。由于电力负荷具有很强的地域性,本文以呼和浩特市2018年电力负荷为研究对象,分析负荷基本特性,利用水平处理法和垂直处理法修补缺失的历史电力负荷数据,量化和归一化负荷及影响电力负荷的相关因素,包括预测日当天的最高最低温度、风力、天气、湿度、日期类型,将文字信息量化为可以处理的数字信息,并将所有数据按比例压缩在零到一之间,以此防止神经元假饱和,消除因量纲和变化范围差异出现的影响。最后,为提高BP神经网络预测的精度,本文提出一种基于聚类神经网络组合BP神经网络的方法预测短期电力负荷。将整理好的数据分别输入自组织竞争型网络和SOFM网络,利用聚类神经网络的无监督式训练的学习方式与相近学习规则相结合的学习模... 

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

论文研究框架图

负荷预测基本流程图

BP神经元模型

【参考文献】：
期刊论文
[1]R/S-BP网络耦合模型及其在年径流预测中的应用[J]. 赵益平,王文圣,刘浅奎.  华北水利水电大学学报(自然科学版). 2019(04)
[2]基于集对分析和GA-BP神经网络的地下水埋深预测研究[J]. 陈笑,胡宏祥,戚王月,周婷,夏萍.  华北水利水电大学学报(自然科学版). 2019(04)
[3]基于相关因子的BP神经网络电力负荷短期预测[J]. 刘进波,周克男,任明会.  信息记录材料. 2018(01)
[4]基于改进粒子群优化的并行极限学习机[J]. 李婉华,陈羽中,郭昆,郭松荣,刘漳辉.  模式识别与人工智能. 2016(09)
[5]基于增量优化极限学习机的电力负荷预测[J]. 宁晓光,朱永利.  计算机仿真. 2016(02)
[6]双变量小波阈值去噪和改进混沌预测模型在短期电力负荷预测中的应用[J]. 张淑清,师荣艳,董玉兰,李盼,任爽,姜万录.  中国电机工程学报. 2015(22)
[7]基于迭代误差补偿的核极端学习机模型在短期电力负荷预测中的应用[J]. 郎坤,张明媛,袁永博.  计算机应用. 2015(07)
[8]基于ESPRIT分解算法的短期电力负荷预测[J]. 马哲,舒勤.  电力系统保护与控制. 2015(07)
[9]基于ARIMAX模型的夏季短期电力负荷预测[J]. 崔和瑞,彭旭.  电力系统保护与控制. 2015(04)
[10]基于改进数据子空间算法的电力负荷预测问题[J]. 窦小磊,郑玉丽.  计算机仿真. 2014(12)

硕士论文
[1]某县域电力负荷特性分析与预测研究[D]. 陈静.吉林大学 2018
[2]基于SOM-BP神经网络的盾构机故障诊断方法研究[D]. 邹兰.西安理工大学 2018
[3]基于神经网络的电力负荷预测研究与实现[D]. 石德琳.山东大学 2016
[4]基于BP神经网络的短期电力负荷预测的研究[D]. 隋惠惠.哈尔滨工业大学 2015
[5]基于灰色理论和神经网络的中长期电力负荷预测的研究[D]. 杨超.天津理工大学 2015
[6]面向智慧社区的中央空调在线故障智能诊断技术的研究与实现[D]. 王彩霞.东北大学 2013
[7]基于神经网络的大连地区短期电力负荷预测[D]. 孔繁宁.大连理工大学 2013
[8]呼和浩特地区电网运行方式分析[D]. 刘艳.华北电力大学 2012
[9]基于SOM和小波变换数据挖掘的负荷建模平台数据库[D]. 孟凡尧.山东大学 2012
[10]基于BP人工神经网络的电力短期负荷预测[D]. 曲薇薇.东北石油大学 2011



本文编号：3656359