城市微电网短期负荷预测研究

发布时间：2017-10-25 02:16

  本文关键词：城市微电网短期负荷预测研究

  更多相关文章： 微电网 短期负荷预测 最小二乘支持向量机 相似日 粒子群优化算法

【摘要】：微电网短期负荷预测是实现微电网安全、节能、高效运行的重要前提,是实现微电网能量优化管理的先决条件和基本依据,其预测效果的好坏直接关系到微电网和大电网系统发供电计划的编制、电能质量的高低和电力市场的交易等。微电网用户侧的负荷基荷小、波动性和随机性大、数据相对短缺的特点,使得其短期负荷预测有别于大电网且难度更大。关于微电网短期负荷预测的研究,国内外相关学者主要集中在微源的发电预测领域,而对微电网用户侧负荷短期预测的研究却寥若晨星。因此,本文就城市微电网短期负荷预测展开研究具有重要意义。介绍了最小二乘支持向量机算法的原理,指出其用于短期负荷预测时的主要问题,结合微电网负荷的特点,提出了一种改进的LS-SVM城市微电网短期负荷预测模型。为确定预测模型的输入向量,对历史负荷数据进行了包括缺失数据的补足、横向平滑处理和纵向平滑处理这三方面的预处理;分析并量化了日类型、温度、天气类型和风力等主要影响因素,其中提出一种新的更加客观、合理、细致的日类型量化方法;并对所有相关数据做了归一化处理。为选取预测模型的训练样本,提出一种负荷点尺度空间上基于双向加权相似日的训练样本选取模型。该选取模型考虑了短期负荷的连续性和周期性、气象因子的累积效应以及历史负荷“近大远小”的距离效应,其相似日评价函数综合了该负荷点连续多日的负荷序列局部形相似度、横向加权的日特征相似度和纵向加权的时间因子。选定一种同时兼顾了模型的学习能力和泛化能力混合核函数作为预测模型的核函数,并用粒子群优化算法对本文预测模型的相关参数进行了优选。实例表明微电网短期负荷预测不同于普通大电网,并验证了所构建预测模型的训练样本选取、核函数选定和参数优化这三个环节的合理性,证明所构建的预测模型可以改善预测效果,更适用于城市微电网短期负荷预测,具有一定的工程实用价值。
【关键词】：微电网 短期负荷预测 最小二乘支持向量机 相似日 粒子群优化算法
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM715
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 引言10-16
• 1.1 课题研究背景和意义10-11
• 1.2 课题研究概况11-14
• 1.2.1 短期负荷预测的研究现状与发展趋势11-13
• 1.2.2 城市微电网短期负荷预测的研究现状与发展趋势13-14
• 1.3 论文主要内容与结构安排14-16
• 第2章 改进LS-SVM城市微电网短期负荷预测模型16-27
• 2.1 城市微电网短期负荷预测概述16-18
• 2.1.1 城市微电网短期负荷预测的一般步骤16-17
• 2.1.2 城市微电网短期负荷预测的特点17-18
• 2.2 LS-SVM算法简介及其应用18-22
• 2.2.1 LS-SVM算法简介18-21
• 2.2.2 LS-SVM在短期负荷预测中的应用21-22
• 2.3 基于改进LS-SVM的城市微电网短期负荷预测模型22-26
• 2.3.1 改进LS-SVM预测模型22-23
• 2.3.2 改进模型核函数选定23-24
• 2.3.3 改进模型参数优选24-26
• 2.4 本章小结26-27
• 第3章 预测模型输入向量的确定27-38
• 3.1 输入向量的构成27-28
• 3.2 历史负荷数据的预处理28-31
• 3.2.1 缺失负荷数据的补足29
• 3.2.2 负荷数据的纵向平滑处理29-30
• 3.2.3 负荷数据的横向平滑处理30-31
• 3.3 主要影响因素的分析与量化31-37
• 3.3.1 短期负荷曲线特点分析32-33
• 3.3.2 日类型的分析与量化33-34
• 3.3.3 气象因素的分析与量化34-37
• 3.4 归一化处理37
• 3.5 本章小结37-38
• 第4章 预测模型训练样本的选取38-47
• 4.1 训练样本选取的重要性38
• 4.2 相似日选择的概况38-39
• 4.3 训练样本选取的影响因素39-42
• 4.3.1 历史日的选择范围及处理39-40
• 4.3.2 日特征因素的处理40-41
• 4.3.3 负荷曲线的形相似41
• 4.3.4 时间因子41-42
• 4.4 基于双向加权相似日的训练样本选取模型42-46
• 4.4.1 局部形相似度的定量计算42-43
• 4.4.2 横向加权日特征相似度的定量计算43-45
• 4.4.3 相似度综合评价函数的形成45-46
• 4.5 本章小结46-47
• 第5章 预测模型性能分析47-53
• 5.1 短期负荷预测的主要评价指标47
• 5.2 微电网与普通大电网的区别47-49
• 5.3 预测模型改进环节的性能分析49-52
• 5.3.1 训练样本选取环节49-50
• 5.3.2 核函数选定环节50-51
• 5.3.3 参数优化环节51-52
• 5.4 结论52-53
• 第6章 结论与展望53-55
• 6.1 结论53
• 6.2 展望53-55
• 参考文献55-58
• 攻读硕士学位期间发表的论文58-59
• 攻读硕士学位期间参加的科研工作59-60
• 致谢60

【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：1091612