基于纵横交叉算法的短期负荷预测组合模型研究

发布时间：2017-07-07 01:05

  本文关键词：基于纵横交叉算法的短期负荷预测组合模型研究

  更多相关文章： 短期负荷预测 纵横交叉算法 小波包变换 组合预测 变权重系数

【摘要】：电力负荷预测一直是电力系统研究领域的热门课题,也是电力调度部门的重要工作。负荷预测依据历史数据对未来负荷做出合理推测,是电力系统调度运行和制定生产计划的重要依据,是电能生产与消耗达到动态平衡的前提。预测精度的高低关乎电力系统的安全性、经济性和稳定性。本文为提高短期负荷预测精度做了大量工作,在理论分析的基础上,提出了一种基于纵横交叉算法的变权重组合预测模型。为有效捕捉负荷的波动规律,首先采用小波包变换对原始负荷数据进行三层分解,再将分解得到的八个子序列分别输入组合模型进行预测,最后叠加出预测结果。其中组合模型由误差反馈加权时间序列模型、灰色模型和BP神经网络模型组成。与常规的固定权重组合预测模型不同,本文三个单项模型的权重系数采用一种全新的群智能算法——纵横交叉算法进行优化整定,动态确定每个时刻的最优权系数。纵横交叉算法通过横向和纵向两种不同机制的交叉操作交替进行,有效改善了目前群智能算法普遍存在的早熟和陷入局部最优的问题,在处理大规模、多维数的复杂优化问题上具有显著优势。为使预测模型能准确把握韶关市的负荷变化规律,本文对该地区的日负荷特性和月负荷特性做了深入分析,归纳了影响韶关负荷的主要因素。在模型参数辨识中,本文进行了多次实验确定模型的关键参数,包括小波包分解层数、纵向交叉概率、神经网络隐含层节点数,减小了人为因素对预测精度的影响。在仿真研究中,选取典型工作日、周末日和节假日分别进行了多次96点预测,将预测结果与五种参考模型的预测结果深入对比,并分析了动态权系数对提高组合预测精度的重要作用。多次仿真结果表明,本文的变权重组合模型能良好适应韶关地区的负荷变化规律,对不同日类型的预测精度均优于五种对比模型。最后,对韶关电网2014年8月的负荷进行了连续预测,进一步验证了本文提出的基于纵横交叉算法的变权重组合预测模型具备较高的预测精度、强大的泛化能力和稳定性。
【关键词】：短期负荷预测 纵横交叉算法 小波包变换 组合预测 变权重系数
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715
【目录】：

• 摘要4-5
• ABSTRACT5-12
• 第一章 绪论12-18
• 1.1 研究背景及意义12-13
• 1.2 短期负荷预测国内外研究现状13-17
• 1.2.1 电力负荷预测的发展历程13-14
• 1.2.2 短期负荷预测的常用方法14-17
• 1.3 论文的研究内容及结构安排17-18
• 第二章 短期负荷预测概述和分析18-25
• 2.1 负荷预测的类型18
• 2.2 短期负荷预测的特点18-20
• 2.3 主要影响因素20-21
• 2.4 负荷预测的基本过程与要求21
• 2.5 预测误差分析21-23
• 2.6 负荷数据预处理23-24
• 2.7 本章小结24-25
• 第三章 基于小波包变换的原始负荷数据处理25-33
• 3.1 小波分析理论25-28
• 3.1.1 连续小波变换25-26
• 3.1.2 离散小波变换26-27
• 3.1.3 二进小波变换27-28
• 3.2 小波包变换28-30
• 3.2.1 小波包变换的原理28
• 3.2.2 小波包的空间分解28-30
• 3.2.3 小波包的分解算法与重构算法30
• 3.3 原始负荷数据的小波包分解30-32
• 3.4 本章小结32-33
• 第四章 变权重组合预测模型的建立33-48
• 4.1 组合预测概述33-34
• 4.2 单一预测模型34-41
• 4.2.1 误差反馈加权时间序列模型35-36
• 4.2.2 灰色模型36-38
• 4.2.3 BP神经网络模型38-41
• 4.3 基于纵横交叉算法的组合权值优化41-46
• 4.3.1 常规的权值计算方法41-42
• 4.3.2 纵横交叉算法42-45
• 4.3.3 纵横交叉算法优化变权系数45-46
• 4.4 基于纵横交叉算法的变权重组合预测模型46-47
• 4.5 本章小结47-48
• 第五章 韶关电网短期负荷预测实例48-61
• 5.1 韶关地区负荷特性分析48-51
• 5.1.1 日负荷特性分析48-49
• 5.1.2 月负荷特性分析49-50
• 5.1.3 主要影响因素分析50-51
• 5.2 模型关键参数辨识51-53
• 5.2.1 小波包分解层数51-52
• 5.2.2 纵向交叉概率52
• 5.2.3 隐含层神经元个数52-53
• 5.3 仿真对比53-58
• 5.3.1 工作日负荷预测54-55
• 5.3.2 周末日负荷预测55-57
• 5.3.3 节假日负荷预测57-58
• 5.4 实际预测58-60
• 5.5 本章小结60-61
• 总结与展望61-63
• 参考文献63-67
• 攻读学位期间发表论文67-69
• 致谢69-70
• 附录70-80

【相似文献】

中国期刊全文数据库 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

中国重要会议论文全文数据库 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

中国重要报纸全文数据库 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

中国博士学位论文全文数据库 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

中国硕士学位论文全文数据库 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：528333