基于模态数预估VMD及改进神经网络的电力负荷预测方法

发布时间：2023-06-05 19:58

　　电力负荷预测对电网的能源管理和合理规划有着不可替代的作用。不仅可以为实现电能的高效利用提供参考,而且在电网的实时调度和控制方面发挥着不可替代的作用。准确的负荷预测在推进电力行业商业化、市场化进程中起到重要作用。论文在分析电力负荷的分类及其内在和外在特性以及电力负荷预测的评价指标基础上,提出基于模态数预估VMD及改进神经网络的电力负荷预测方法。首先,为降低原始负荷数据的复杂度,引入变分模态分解(Variational Mode Decomposition,VMD)技术对负荷数据进行分解。通过与经验模态分解(Empirical Mode Decomposition,EMD)进行仿真对比,验证了VMD的滤波特性和抗模态混叠都优于EMD。在分解模态数k的选取上,提出使用傅里叶分析方法分析信号的幅频特性,从而对k值进行预估。构建基于VMD的预测模型,使用实测数据进行实验,验证了方法在进行负荷预测时的有效性。然后,针对BP神经网络在训练过程中容易陷入局部极小值的缺陷,引入萤火虫算法(Firefly Algorithm,FA)优化BP神经网络的初始权值阈值,结合VMD方法建立了优化后的预测模型,针对...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的背景和意义
    1.2 电力负荷预测国内外研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
        1.2.3 电力负荷预测方法研究现状
    1.3 本文主要研究内容
第2章 电力负荷基本特性分析
    2.1 电力负荷分类
    2.2 电力负荷特性
        2.2.1 电力负荷的内在特性
        2.2.2 电力负荷的外在特性
    2.3 电力负荷预测评价指标
    2.4 本章小结
第3章 变分模态分解算法及其模态数预估方法研究
    3.1 VMD原理及算法
        3.1.1 VMD原理
        3.1.2 VMD算法
    3.2 VMD特性研究
        3.2.1 VMD滤波特性
        3.2.2 VMD抗模态混叠特性
    3.3 k值预估方法研究
        3.3.1 k值预估方法
        3.3.2 k值预估VMD分解仿真实验
    3.4 仿真分析
    3.5 本章小结
第4章 FABP神经网络及其在电力负荷预测中的应用
    4.1 BP神经网络方法研究
        4.1.1 BP神经网络结构及原理
        4.1.2 BP神经网络特性及存在的问题
    4.2 萤火虫算法优化BP神经网络方法研究
        4.2.1 萤火虫算法原理
        4.2.2 萤火虫算法优化BP神经网络步骤
    4.3 基于VMD及 FABP神经网络的算例仿真
        4.3.1 负荷序列的VMD分解
        4.3.2 FA优化BP神经网络的参数设定
        4.3.3 预测结果分析
    4.4 本章小结
第5章 LSTM神经网络及其在电力负荷预测中的应用
    5.1 LSTM神经网络方法研究
        5.1.1 RNN神经网络
        5.1.2 LSTM神经网络原理及结构
    5.2 LSTM神经网络特点
    5.3 基于VMD-LSTM神经网络的算例仿真
        5.3.1 VMD-LSTM模型建立及步骤
        5.3.2 基于VMD-LSTM的负荷预测仿真分析
    5.4 本章小结
第6章 考虑多变量气象因子的电力负荷预测
    6.1 主元分析PCA
        6.1.1 PCA原理概述
        6.1.2 PCA分析步骤
    6.2 核主元分析KPCA
        6.2.1 KPCA原理概述
        6.2.2 KPCA分析步骤
        6.2.3 KPCA核函数的选取
    6.3 混合核KPCA与 PCA算列仿真
        6.3.1 气象因子的PCA处理
        6.3.2 气象因子的混合核KPCA处理
        6.3.3 KPCA与 PCA对比分析
    6.4 本文模型多因素负荷预测仿真分析
    6.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢



本文编号：3831951