基于多目标优化的负荷预测与机器学习混合算法的研究与应用

发布时间：2023-05-18 01:51

　　负荷预测在国家经济和社会发展中起着重要作用,是能源领域的热门话题之一。准确并且稳定的负荷预测成为了一项既具有挑战又至关重要的任务,吸引着大量的专家学者从事相关研究。目前负荷预测方法的不足之处在于它们忽视了预测模型输入与输出之间的密切关系,无法捕获与输出高度相关的输入特征。此外,当前负荷预测的研究重点集中于如何提高预测结果的准确性,忽略了预测误差的稳定性,无法保证模型预测精度是否能够保持稳定。因此,本文开发了一种新颖的、健壮的混合预测模型,它由四个模块组成:1)数据预处理,2)预测,3)优化和4)评估。在数据预处理模块中,基于奇异频谱分析和灰色关联分析的有效数据预处理方案用于生成更平滑的时间序列,并为预测模型挖掘最佳的输入和输出结构。在预测模块,本文使用了同时考虑预测准确性和稳定性的多目标遗传算法优化的极限学习机实现负荷预测。并且,使用与训练极限学习机模型相同的数据集训练广义回归神经网络,进行负荷预测。即通过多目标遗传算法优化的极限学习机与广义回归神经网络两个模型预测,分别实现负荷预测。此外,为了进一步获得准确性与稳定性高的预测结果,克服单一模型的弊端,在优化模块中将多目标遗传算法优化的...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 负荷预测方法的分类
        1.2.1 基于趋势外推的预测方法
        1.2.2 基于回归模型的预测方法
        1.2.3 基于时间序列的预测方法
        1.2.4 基于灰色系统理论的预测方法
        1.2.5 基于神经网络的预测方法
    1.3 组合预测算法的分类
        1.3.1 固定权重的组合预测算法
        1.3.2 变权重的组合预测算法
        1.3.3 包含数据预处理的组合预测算法
        1.3.4 包含参数选择和优化的组合预测模型
        1.3.5 比较不同的组合算法
    1.4 本文的结构与安排论文内容与撰写安排
        1.4.1 本文研究内容
        1.4.2 章节结构
第二章 研究基础
    2.1 数据预处理:奇异谱分析和灰色关联分析
        2.1.1 奇异谱分析
        2.1.2 灰色关联分析
    2.2 极限学习机
    2.3 广义回归神经网络
    2.4 遗传算法
    2.5 模拟退火算法
    2.6 本章小结
第三章 基于多目标优化的混合预测算法
    3.1 数据预处理
    3.2 多目标优化的极限学习机
    3.3 混合模型(SA–MOGA–ELM–GRNN)
    3.4 本章小结
第四章 实验结果与分析
    4.1 数据集介绍
    4.2 预测误差
    4.3 实现细节
    4.4 实验结果与分析
        4.4.1 实验I:新南威尔士州(NSW)的预测结果
        4.4.2 实验II:塔斯马尼亚州(TAS)的预测结果
    4.5 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 未来展望
参考文献
在学期间的研究成果
致谢



本文编号：3818433