智能电网时序数据短期预测分析研究

发布时间：2017-08-20 15:12

  本文关键词：智能电网时序数据短期预测分析研究

  更多相关文章： 智能电网 短期负荷预测 模糊C均值聚类 小波非参数回归 小波神经网络

【摘要】：负荷预测在电力系统运行、调度和规划中十分重要,同时在电力系统安全运行中也起着至关重要的作用。随着智能电网的深入,如何利用智能电表采集的海量数据进行短期负荷预测,解决负荷数据具有不确定性、复杂性等特点,获得精确的负荷预测结果是一个很有研究意义的课题。从多年的负荷预测研究经验来看,统计预测方法与人工智能预测方法已经被用到短期负荷中,其中的一些方法取得了很好的预测效果。但是在负荷预测问题上对负荷数据的时序特性与用户用电行为相似性的方面考虑不足。由于聚类算法可以对具有相似性的数据或群体进行聚类,聚类后的数据进行预测可提高负荷预测的精度。因此,针对具有时序特性的智能电表数据,本文立足于智能电网中地区级与用户级的短期负荷预测问题研究短期负荷预测方法：本文研究基于时间序列数据的短期负荷预测方法,针对某地区负荷数据的相似性特性提出基于模糊C均值聚类的小波非参数回归预测方法；由于天气因素、日期因素对负荷预测具有较大的影响,本文选取温度与日期作为计算与预测日负荷曲线相似程度的指标来改进回归预测模型；针对电力用户用电行为相似性的特点,本文提出基于聚类的小波神经网络预测方法。在充分考虑负荷数据的时序特性的前提下,本文提出基于模糊C均值聚类的小波非参数回归负荷预测模型；在考虑了用户用电行为相似性的前提下,本文提出基于用户行为的小波神经网络负荷预测模型。并通过实验证明了两个模型有很高的预测精度和适应能力,为电力系统短期负荷预测提供了新思路。
【关键词】：智能电网 短期负荷预测 模糊C均值聚类 小波非参数回归 小波神经网络
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-17
• 1.1 课题背景及意义9-10
• 1.2 国内外研究现状10-15
• 1.2.1 时序数据研究现状10-11
• 1.2.2 短期负荷预测研究现状11-15
• 1.3 论文主要工作与内容安排15-17
• 第二章 课题相关技术研究17-31
• 2.1 时序数据分析技术17-18
• 2.1.1 时序数据预处理的主要技术17
• 2.1.2 时序数据分析模型17-18
• 2.2 负荷预测18-22
• 2.2.1 电力负荷的构成及特点19-20
• 2.2.2 负荷预测特性分析20-21
• 2.2.3 负荷预测的步骤21-22
• 2.3 非参数回归模型22-23
• 2.3.1 非参数回归模型的优点22-23
• 2.3.2 非参数回归的主要因素23
• 2.4 神经网络预测算法23-28
• 2.4.1 人工神经网络模型24-25
• 2.4.2 人工神经网络模型分类25-26
• 2.4.3 BP神经网络26-28
• 2.5 模糊聚类分析28-31
• 第三章 基于聚类分析的小波非参数回归负荷预测模型31-46
• 3.1 K近邻非参数回归算法31-33
• 3.1.1 样本数据库的生成31-32
• 3.1.2 状态向量的定义32
• 3.1.3 K近邻搜索方法32
• 3.1.4 预测算法32-33
• 3.2 基于小波变换改进相关性分析方法33
• 3.3 基于FCM改进K近邻搜索方法33-35
• 3.3.1 FCM聚类34
• 3.3.2 FCM改进K邻近算法步骤34-35
• 3.4 非参数小波回归预测模型35
• 3.5 基于聚类的小波非参数回归预测的流程35-37
• 3.6 模型试验与结果分析37-39
• 3.6.1 数据样本的来源及特征37
• 3.6.2 预测结果分析37-39
• 3.7 预测精度比较39-42
• 3.8 考虑天气与日期因素的回归负荷预测模型42-44
• 3.8.1 数据预处理42-43
• 3.8.2 相符度计算与模型构建43-44
• 3.9 本章小结44-46
• 第四章 基于用户行为的小波神经网络负荷预测模型46-56
• 4.1 基于用户行为相似性的用户聚类46-47
• 4.2 小波神经网络47-49
• 4.3 基于FCM的小波神经网络负荷预测49-54
• 4.3.1 某地区负荷曲线分析50-51
• 4.3.2 数据预处理51-52
• 4.3.3 基于FCM对用户进行聚类52-53
• 4.3.4 采用小波神经网络预测53-54
• 4.4 预测结果分析54-55
• 4.5 本章小结55-56
• 第五章 结论与展望56-58
• 5.1 总结56
• 5.2 展望56-58
• 参考文献58-61
• 攻读硕士学位期间发表的论文及其它成果61-62
• 致谢62

【相似文献】

中国期刊全文数据库 前10条

1 钟庆,吴捷,钟丹虹;基于系统论的负荷预测集成化方法[J];电力自动化设备;2002年10期

2 张伏生,刘芳,赵文彬,寇强,刘沛津,曹正建;基于Internet/Intranet的负荷预测系统方案[J];电力系统自动化;2003年10期

3 康重庆;牟涛;夏清;;电力系统多级负荷预测及其协调问题 (一)研究框架[J];电力系统自动化;2008年07期

4 李小锐;黎灿兵;袁彦;;基于下级负荷预测的短期负荷预测新算法[J];江西电力职业技术学院学报;2008年02期

5 李新炜;王子琦;方鸣;周鹏;王启明;李同;鞠平;;基于分区逐时气象信息的全网负荷预测研究[J];电力系统保护与控制;2009年03期

6 康重庆;赵燃;陈新宇;杨兴宇;曹欣;刘梅;;多级负荷预测的基础问题分析[J];电力系统保护与控制;2009年09期

7 任峰;丁超;;市场环境下负荷预测误差风险管理研究[J];现代电力;2009年03期

8 罗凤章;王成山;肖峻;侯磊;王建民;李亦农;陈春琴;王赛一;;计及气温因素的年度负荷预测修正方法[J];电力系统及其自动化学报;2009年03期

9 杨凯;;如何提高负荷预测的准确率[J];大众用电;2009年10期

10 李q，

本文编号：707330