电力系统短期负荷预测研究

发布时间：2017-10-11 20:33

  本文关键词：电力系统短期负荷预测研究

  更多相关文章： 短期负荷预测 相似日 离散Frechet距离 EEMD SVM LS-SVM

【摘要】：短期负荷预测是能量管理系统(EMS)的组成部分,也是电力系统运行调度中的重要内容,对电力系统的运行、控制和计划都有着非常重要的意义,其预测精度的高低直接影响到电力系统的安全性和经济性。 本文对电力系统短期负荷预测的背景和研究现状进行了综述,对现有的传统方法和智能方法做了简单分析,介绍了短期负荷预测的基本原则、要求和预测效果的评价方法,重点对短期负荷的内在规律和外在特性进行了深入分析,根据短期负荷的特性提出了三种有效的预测方法。 首先,根据短期负荷的外在特性,提出了基于日特征量相似日的PSO-SVM短期负荷预测方法,该方法引入了人体舒适度指数,综合考虑天气因素对短期负荷的耦合影响,并与其余主导因素构成日特征量,采用求取相似度的方法选取相似日,并建立PSO-SVM预测模型,该方法解决了SVM预测模型的知识冗余问题,减少了训练样本,经过仿真验证,最终的预测结果要优于负荷预测竞赛优胜者的预测结果。 其次,根据短期负荷的内在规律,提出了基于离散Frechet距离和LS-SVM的短期负荷预测方法,该方法依据负荷曲线特点通过离散Frechet距离判别曲线相似性的方法选取相似时段,并利用相似时段的历史负荷数据建立具有更好泛化性的LS-SVM预测模型。经过仿真验证,该方法与标准LS-SVM的预测结果相比,提高了预测精度。 最后,针对基于离散Frechet距离和LS-SVM的短期负荷预测方法中存在从总负荷数据表层入手建模预测,无法关注组成负荷各成分特性的问题,提出了基于EEMD相似日分解的LS-SVM短期负荷预测方法,将离散Frechet距离选取出的相似时段进行EEMD分解,得到代表负荷各个部分的IMF分量,根据各IMF分量的特点,建立拥有不同核函数的LS-SVM预测模型分别对各分量进行预测,最后将各分量预测结果相加得到最终结果。经仿真验证,EEMD分解得到的IMF分量能够较好地体现出负荷各成分的特性,最终结果的预测精度相比基于离散Frechet距离和LS-SVM的短期负荷预测方法的预测精度得到提高。
【关键词】：短期负荷预测 相似日 离散Frechet距离 EEMD SVM LS-SVM
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TM715
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-21
• 1.1 课题的研究背景和意义11-13
• 1.1.1 电力系统负荷预测的意义11
• 1.1.2 电力系统负荷预测的分类11-13
• 1.2 短期负荷预测的国内外研究现状13-18
• 1.2.1 常用的短期负荷预测方法14-17
• 1.2.2 短期负荷预测方法的研究动向17-18
• 1.3 本文的主要工作和内容安排18-21
• 第二章 短期负荷预测的概述与分析21-33
• 2.1 短期负荷预测的概述21-23
• 2.1.1 短期负荷预测的基本原则和要求21-22
• 2.1.2 短期负荷预测的步骤22
• 2.1.3 短期负荷预测结果的分析和评价22-23
• 2.2 短期负荷预测的特性分析23-29
• 2.2.1 短期负荷预测的内在规律23-26
• 2.2.2 短期负荷预测的外部影响因素26-29
• 2.3 短期负荷数据的预处理29-31
• 2.3.1 负荷数据预处理的重要性29
• 2.3.2 负荷数据的预处理方法29-31
• 2.4 本章小结31-33
• 第三章 基于日特征量相似日的PSO-SVM短期负荷预测方法33-47
• 3.1 引言33
• 3.2 日特征量的建立33-38
• 3.2.1 人体舒适度指数33-34
• 3.2.2 主要影响因素的选取34-35
• 3.2.3 主要因素的量化35-38
• 3.3 相似日的选取38-39
• 3.4 粒子群优化的支持向量机的预测模型39-44
• 3.4.1 粒子群优化算法39-40
• 3.4.2 支持向量机(SVM)理论40-43
• 3.4.3 预测模型的建立43-44
• 3.5 仿真验证44-46
• 3.6 本章小结46-47
• 第四章 基于离散Frechet距离和LS-SVM的短期负荷预测方法47-57
• 4.1 引言47
• 4.2 短期负荷曲线的特点分析47-48
• 4.3 基于离散Frechet距离的曲线相似性判定48-52
• 4.3.1 曲线间的连续Frechet距离和离散Frechet距离48-50
• 4.3.2 Frechet距离与离散Frechet距离的比较50-51
• 4.3.3 离散Frechet距离判别负荷曲线相似性51-52
• 4.4 最小二乘支持向量机(LS-SVM)的预测模型52-54
• 4.4.1 LS-SVM的基本原理52-53
• 4.4.2 预测模型的建立53-54
• 4.5 仿真验证54-56
• 4.6 本章小结56-57
• 第五章 基于EEMD相似日分解的LS-SVM短期负荷预测方法57-67
• 5.1 引言57
• 5.2 经验模态分解(EMD)原理57-59
• 5.3 基于噪声辅助分析的经验模态分解(EEMD)59-62
• 5.3.1 EMD在白噪声信号下的特性59-60
• 5.3.2 EEMD的原理60-62
• 5.4 预测模型的建立62-63
• 5.5 仿真验证63-65
• 5.6 本章小结65-67
• 第六章 总结与展望67-69
• 6.1 总结67-68
• 6.2 展望68-69
• 致谢69-71
• 参考文献71-75
• 附录A 攻读硕士期间发表的论文75
• 附录B 攻读硕士期间获得的软件著作权75

【参考文献】

中国期刊全文数据库 前10条

1 陈亚红,穆钢,段方丽;短期电力负荷预报中几种异常数据的处理[J];东北电力学院学报;2002年02期

2 鞠平,姜巍,赵夏阳,王俊锴,张世学,刘琰;96点短期负荷预测方法及其应用[J];电力系统自动化;2001年22期

3 金海峰,熊信艮,吴耀武;基于相似性原理的短期负荷预测方法[J];电力系统自动化;2001年23期

4 黎灿兵;李晓辉;赵瑞;李金龙;刘晓光;;电力短期负荷预测相似日选取算法[J];电力系统自动化;2008年09期

5 李野;康重庆;陈新宇;;综合预测模型及其单一预测方法的联合参数自适应优化[J];电力系统自动化;2010年22期

6 秦海超;王玮;周晖;王林;;人体舒适度指数在短期电力负荷预测中的应用[J];电力系统及其自动化学报;2006年02期

7 赵儆,康重庆,葛睿,沈瑜,夏清;电力市场中多日负荷曲线的预测[J];电力自动化设备;2002年09期

8 潘峰,程浩忠,杨镜非,张澄,潘震东;基于支持向量机的电力系统短期负荷预测[J];电网技术;2004年21期

9 金义雄;段建民;徐进;卫功存;蒯圣宇;李宏仲;王承民;;考虑气象因素的相似聚类短期负荷组合预测方法[J];电网技术;2007年19期

10 张思远;何光宇;梅生伟;王伟;张王俊;;基于相似时间序列检索的超短期负荷预测[J];电网技术;2008年12期

，

本文编号：1014606