当前位置:主页 > 科技论文 > 电力论文 >

基于函数型数据分析的短期电力负荷预测研究

发布时间:2020-08-08 22:32
【摘要】:负荷预测作为电力系统规划的重要工作之一,是电力系统经济安全运行的基础。其中,短期负荷预测甚至关系到电力系统日调度计划、开停机计划以及负荷分配计划的组织安排。短期负荷预测的准确性直接影响到电网建设和系统运行的经济效益。目前已有大量关于短期电力负荷预测的方法研究,取得了不错效果。但这些方法均从传统数据分析角度,将负荷数据看成离散的观测值或时间序列进行分析,不仅损失了大量信息,而且忽略了负荷自身的变化特征。函数型数据分析作为近年来研究的热点,可以将离散的负荷数据拟合成连续变化的曲线即函数型数据,利用其函数特性进一步考虑导数曲线或微分曲线,更深入地挖掘其中包含的信息。因此本文尝试从函数型数据分析角度进行短期电力负荷的预测。进行短期电力负荷预测时,样本数据的一致性是影响预测精度的关键因素。只有用于建模预测的样本与待测日负荷足够相似,才能保证预测结果准确可靠。此外,短期负荷易受到多种外部因素的影响,如气候、温度、用电习惯等,呈现出典型的非线性特征,因此一般的线性回归模型用于短期负荷预测时效果不太理想。对此,本文提出了一种基于函数型数据分析的预测模型,将日负荷数据拟合成函数型数据,通过函数型的自组织映射(Self Organizing Maps,SOM)和k-means聚类组合算法挖掘负荷变化的内在规律,保证输入样本的一致性,并基于聚类结果建立函数型非参数回归预测模型,能很好地捕捉到短期负荷的动态、非线性特征。而且本文在进行函数型聚类分析时,将导数距离纳入相似性度量中,充分考虑了负荷曲线的形状特征。实证结果表明,本文提出的方法能取得较好预测效果。
【学位授予单位】:厦门大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TM715
【图文】:

年周期,负荷变化


,。绍了日负荷的周期性、相似性以及函数性等数据特征,证明利用FDA理论进行逡逑负荷预测的可行性,并为后文的建模分析提供理论支持。逡逑数据下载自美国PjM电力公司网站W。逡逑2.1负荷数据的特性分析逡逑2.1.1周期性分析逡逑电力系统负荷的内在规律性表现为负荷呈一定的周期性变化,这与人类生逡逑产生活的规律性息息相关。随着时间的不同,负荷变化呈现不同的周期性。逡逑1.年周期性逡逑年周期性是指负荷变化以一年为周期呈现出的规律性,图I为2015-2016逡逑年的平均负荷变化,从中可看出负荷具有明显的年周期性。逡逑

曲线,负荷变化,工作日,规律性


图2:负荷变化的周周期性逡逑图中所示的负荷变化水平存在一定差异,但形状却具有一定相似性。如图,逡逑虽然前一周的负荷水平整体高于后一周,但当日期类型相同时,负荷变化形状逡逑是相似的,呈现一定的规律性。也就是说,工作日与工作日之间,周末与周末逡逑之间负荷变化是相似的。这主要是因为工作日期间,工业负荷和商业办公负荷逡逑稳定运转,而在周末,却是服务行业用电、居民生活用电占据绝大比重。因此,逡逑以一周为周期的负荷变化具有一定规律性。逡逑3.日周期性逡逑曰周期性是指负荷变化以每天24小时为周期呈现的规律性。图3为某两天逡逑24小时(共48个采样点)的负荷变化曲线。逡逑i逦^一 ̄—广邋\…■-1逡逑§邋/邋\逡逑

曲线,日周期性,负荷变化


as;逦aw:逦awr逦*<?逦?->*逦n.ae逦??逦okp逦0&?逦oe.*逦???逦afc''逦??:逡逑图2:负荷变化的周周期性逡逑图中所示的负荷变化水平存在一定差异,但形状却具有一定相似性。如图然前一周的负荷水平整体高于后一周,但当日期类型相同时,负荷变化形相似的,呈现一定的规律性。也就是说,工作日与工作日之间,周末与周间负荷变化是相似的。这主要是因为工作日期间,工业负荷和商业办公负定运转,而在周末,却是服务行业用电、居民生活用电占据绝大比重。因以一周为周期的负荷变化具有一定规律性。逡逑3.日周期性逡逑曰周期性是指负荷变化以每天24小时为周期呈现的规律性。图3为某两4小时(共48个采样点)的负荷变化曲线。逡逑^一 ̄—…■-

【参考文献】

相关期刊论文 前10条

1 梁武;李丽;赵云;徐宜臻;潘志鸿;车金星;;基于周期性成分分析的短期尖峰负荷预测[J];宜春学院学报;2015年12期

2 郭均鹏;王梅南;高成菊;戴晖;;函数型数据的分步系统聚类算法[J];系统管理学报;2015年06期

3 张欣;高卫国;苏运;;基于函数型数据分析和k-means算法的电力用户分类(英文)[J];电网技术;2015年11期

4 许梁;孙涛;徐箭;孙元章;李子寿;林常青;;基于函数型非参数回归模型的中长期日负荷曲线预测[J];电力自动化设备;2015年07期

5 王德青;刘晓葳;朱建平;;基于自适应迭代更新的函数型数据聚类方法研究[J];统计研究;2015年04期

6 崔和瑞;彭旭;;基于ARIMAX模型的夏季短期电力负荷预测[J];电力系统保护与控制;2015年04期

7 张发明;;一种融合SOM与K-means算法的动态信用评价方法及应用[J];运筹与管理;2014年06期

8 黄恒君;;基于B-样条基底展开的曲线聚类方法[J];统计与信息论坛;2013年09期

9 李翔;顾洁;;运用聚类算法预测地区电网典型日负荷曲线[J];电力与能源;2013年01期

10 王小波;刘德强;;基于人工神经网络的短期负荷预测的研究[J];电力学报;2011年04期

相关博士学位论文 前1条

1 靳刘蕊;函数性数据分析方法及应用研究[D];厦门大学;2008年

相关硕士学位论文 前3条

1 戴晖;函数型数据的分步系统聚类算法研究[D];天津大学;2012年

2 谭海龙;基于聚类分析与SVM的电力短期负荷预测研究[D];中南大学;2009年

3 岳敏;函数性非参数数据分析及其应用[D];厦门大学;2009年



本文编号:2786203

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlilw/2786203.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b81c0***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com