基于支持向量机和多级聚类分析的空间负荷预测方法研究

发布时间：2017-10-20 00:08

  本文关键词：基于支持向量机和多级聚类分析的空间负荷预测方法研究

  更多相关文章： 城市电网 空间负荷预测 地理信息系统 支持向量机 多级聚类分析

【摘要】：空间负荷预测（Spatial Load Forecasting，SLF）不仅要预测出负荷在远景年的数值大小，还要深入研究负荷地理空间分布的问题。作为城市配电网规划的前提和铺垫，空间负荷预测结果的精确性直接关系相关规划的资金投入、设备布点格局和经济可靠性。合适选取变电站、变压器和输电线路等电力设备的型号和布局是城市配电网发展策划涉及的重要部分，空间负荷预测为这项规划工作提供重要参考和合理依据。提高空间负荷预测的预测精度和效果是相关学术领域的难点和重点，其中空间负荷预测方法的合理选择和完善改进能够充分反映元胞发展的趋势和规律。本文为满足城市电网规划的需求，将城市电网的实际运行方式与支持向量机（Support Vector Machine，SVM）及多级聚类分析（Multilevel ClusteringAnalysis，MCA）相结合，并对预测结果大小和空间分布情况进行了分析和阐述。 以往大量的空间负荷预测研究工作重点在于预测方法的提出与改进，很少从历史负荷特性的角度进行分析，趋势外推是以往空间负荷预测中经常采用的方法之一，但是该方法很少考虑和涉及到电力负荷特性分析。因此，本文首先对各种空间负荷预测方法划分类别，逐一分析各类方法的原理和特性；然后，将电力负荷按不同原则分类，并涉及到空间电力分辨率和电力小区细分原则，进而深入挖掘阐述城市空间电力负荷的特性；接着，将支持向量机理论应用到空间负荷预测中，提出了基于支持向量机的空间负荷预测方法，并利用元胞负荷与元胞属性之间的相关联系来对预测方法进行改进，，提出了基于多级聚类分析和支持向量机的空间负荷预测方法，对吉林市船营区进行空间负荷预测，验证方法的有效性及可行性；最后，介绍现阶段在该领域最为常见和实用的研究系统平台——地理信息系统（Geographic Information System，GIS），并利用MapInfo软件对地理信息系统在空间负荷预测中的负荷图形化、数据信息化和二次开发程序功能进行介绍。
【关键词】：城市电网 空间负荷预测 地理信息系统 支持向量机 多级聚类分析
【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM715;TP18
【目录】：

• 摘要6-8
• Abstract8-12
• 第1章 绪论12-22
• 1.1 课题的背景及意义12-13
• 1.2 空间负荷预测研究现状13-15
• 1.3 空间负荷预测方法分类15-21
• 1.3.1 直观法15
• 1.3.2 趋势类空间负荷预测方法15-17
• 1.3.3 负荷密度指标法17-19
• 1.3.4 多变量空间负荷预测法19
• 1.3.5 用地仿真类空间负荷预测方法19-21
• 1.4 本文主要研究内容21-22
• 第2章 电力负荷特性分析22-28
• 2.1 引言22
• 2.2 电力负荷的分类22-23
• 2.3 电力负荷空间分辨率23-24
• 2.4 电力负荷的特性分析24-27
• 2.5 本章小结27-28
• 第3章 基于支持向量机的空间负荷预测方法28-39
• 3.1 引言28
• 3.2 支持向量机理论28-33
• 3.2.1 支持向量机原理28-30
• 3.2.2 支持向量机的参数优化30-32
• 3.2.3 支持向量机在空间负荷预测中的应用32-33
• 3.3 基于支持向量机的空间负荷预测方法基本原理33-34
• 3.4 基于支持向量机的空间负荷预测方法具体步骤34-36
• 3.5 基于支持向量机的空间负荷预测方法算例分析36-38
• 3.6 本章小结38-39
• 第4章 基于 MCA-SVM 的空间负荷预测方法39-51
• 4.1 引言39-40
• 4.2 多级聚类分析40-41
• 4.2.1 聚类分析原理40
• 4.2.2 k-means 聚类算法40-41
• 4.3 基于 MCA-SVM 的空间负荷预测方法基本原理41-42
• 4.4 基于 MCA-SVM 的空间负荷预测方法具体步骤42-46
• 4.5 基于 MCA-SVM 的空间负荷预测方法算例分析46-50
• 4.6 本章小结50-51
• 第5章 基于 GIS 的吉林市空间负荷预测系统平台的扩展开发51-63
• 5.1 地理信息系统 GIS 的介绍51-53
• 5.2 基于 GIS 的空间负荷预测平台的功能介绍和系统研发53-54
• 5.3 空间负荷预测系统中街路基图的更新54-56
• 5.4 基于负荷密度指标法的空间负荷预测程序模块添加56-62
• 5.5 本章小结62-63
• 结论63-65
• 参考文献65-70
• 攻读学位期间取得的研究成果及发表的学术论文70-71
• 致谢71-72
• 附录72-83

【参考文献】

中国期刊全文数据库 前10条

1 程其云,张晓星,周nv,雷绍兰,孙才新;基于粗糙集数据挖掘的配电网小区空间负荷预测方法研究[J];电工技术学报;2005年05期

2 杨慢慢;王金凤;李燕青;王福菊;;改进的空间负荷预测法及其应用[J];电力科学与工程;2011年11期

3 王成山,黄纯华,葛少云,戴宏伟,肖健,周义,辛锐;一个实用的城市电力负荷密度预测系统[J];电力系统自动化;1992年06期

4 余贻鑫,张崇见,张弘鹏;空间电力负荷预测小区用地分析(一)——模糊推理新方法和小区用地分析原理[J];电力系统自动化;2001年06期

5 余贻鑫,张崇见,张弘鹏;空间电力负荷预测小区用地分析(二)——模糊推理在小区用地分析中的应用[J];电力系统自动化;2001年07期

6 符杨;朱兰;曹家麟;;基于模糊贴近度理论的负荷密度指标求取新方法[J];电力系统自动化;2007年19期

7 朱凤娟;王主丁;陆俭;张巧霞;向婷婷;;考虑小区发展不均衡的空间负荷预测分类分区法[J];电力系统自动化;2012年12期

8 刘自发;庞铖铖;魏建炜;何江涛;;基于IAHP和TOPSIS方法的负荷密度指标计算[J];电力系统自动化;2012年13期

9 周平,杨岚,周家启;电力系统负荷灰色预测的新方法[J];电力系统及其自动化学报;1998年03期

10 伊桂玲,张焰;基于用地仿真法的配电系统空间负荷预测[J];电力自动化设备;2004年02期

本文编号：1064107