基于多变量LS-SVM和模糊循环推理系统的负荷预测

发布时间：2017-07-18 08:00

  本文关键词：基于多变量LS-SVM和模糊循环推理系统的负荷预测

  更多相关文章： 智能电网 实时电价 负荷预测 多变量最小二乘支持向量机 关联规则挖掘算法 模糊循环推理系统

【摘要】：智能电网是未来电网的发展趋势,各行业对电力的依赖增强,对供电可靠性及电能质量的要求日益提高,以高效、清洁、安全、可靠、交互为主要特点的智能电网的实现,离不开精确的负荷预测技术的支持。同时,我国积极推进电力体制改革,重点任务就包括有序推进电价改革,理顺电价形成机制；推进电力交易体制改革,完善市场化交易机制；建立相对独立的电力交易机构,形成公平规范的市场交易平台。逐渐形成的电力市场需求响应将给传统用电模式带来重大变化,用户可以根据电能需求结合实时电价调整用电模式,这使得负荷预测变得更加复杂。目前国内针对智能电网需求响应环境下的负荷预测取得一定的研究成果,随着电力市场逐步开放,对复杂需求响应环境下的负荷预测方法研究具有重要的意义。本文以智能电网需求响应环境下电力市场负荷预测为研究对象,对电力市场售电侧、需求侧之间的关系进行了讨论,以探究更高精度的负荷预测方法。主要内容如下：首先,通过相似日负荷序列局部形相似计算,选取样本数据。考虑到预测时刻负荷和前面若干时刻负荷的内在规律,以及负荷曲线的总体相似与局部相似间的差异,将负荷曲线形系数(负荷序列形状相似程度的指标)引入预测样本的选择中,完成预测样本的提取,能够减少训练数据,大大提高预测速度和预测性能。其次,采用多输入双输出的最小二乘支持向量机(LS-SVM),对负荷和价格进行同时预测,得到初步预测结果。然后,考虑需求响应条件下实时电价与负荷之间的相互影响,采用基于数据挖掘技术的模糊循环推理系统模拟人的思维过程,通过挖掘电价变化量、负荷变化量等变量之间的关联规则,模拟电价与负荷预测之间存在博弈过程。最后,对多变量最小二乘支持向量机的初步预测结果进行循环修改,直至负荷和电价预测结果趋于稳定。多变量最小二乘支持向量机不存在容易陷入局部最优等问题,并且有良好的泛化能力,基于改进的模糊关联规则挖掘算法具有良好的完备性和鲁棒性,模糊控制器对循环预测的控制能够逼近现实环境的各种可能情况,修正负荷预测结果。针对某电网的实际预测结果表明,该方法具有较好的预测效果。
【关键词】：智能电网 实时电价 负荷预测 多变量最小二乘支持向量机 关联规则挖掘算法 模糊循环推理系统
【学位授予单位】：湖南大学
【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 绪论10-20
• 1.1 研究背景和意义10-11
• 1.2 智能电网需求响应的发展概况11-13
• 1.3 国内外研究现状13-18
• 1.3.1 传统负荷预测方法的研究现状13-16
• 1.3.2 电力市场环境下负荷预测方法的研究现状16-17
• 1.3.3 负荷预测误差分析方法17-18
• 1.4 课题来源18
• 1.5 论文的研究内容及安排18-20
• 第2章 负荷预测样本数据的选取20-29
• 2.1 负荷预测数据预处理的必要性20
• 2.2 电力负荷特性分析20-23
• 2.2.1 电力负荷的分类21
• 2.2.2 电力负荷的影响因素21-23
• 2.3 负荷预测相似日选取的方法23-25
• 2.3.1 传统方法23-24
• 2.3.2 使用负荷值来选择相似日24
• 2.3.3 使用负荷值和负荷增量值来选择相似日24-25
• 2.4 相似日负荷序列局部形相似25-28
• 2.4.1 负荷序列的局部特性分析25-26
• 2.4.2 负荷序列的局部形相似计算26-27
• 2.4.3 曲线形相似指标的确定27-28
• 2.5 负荷预测样本的选取28
• 2.6 本章小结28-29
• 第3章 基于多变量LS-SVM的负荷预测29-38
• 3.1 电价预测对负荷预测的影响29
• 3.2 统计学习理论的核心问题29-31
• 3.3 最小二乘支持向量机LS-SVM31-32
• 3.4 多变量最小二乘支持向量机LS-SVM32-35
• 3.4.1 多变量LS-SVM的基本原理32-34
• 3.4.2 多变量LS-SVM模型核函数的选择34
• 3.4.3 多变量LS-SVM模型的建立34-35
• 3.5 算例分析35-36
• 3.6 本章小结36-38
• 第4章 模糊关联规则挖掘算法38-49
• 4.1 关联规则挖掘的提出38-39
• 4.2 模糊关联规则39-42
• 4.2.1 模糊关联规则的提出39
• 4.2.2 模糊关联规则的基本概念和定义39-41
• 4.2.3 模糊关联规则的挖掘过程41-42
• 4.3 基于Apriori的模糊关联规则挖掘算法42-43
• 4.4 改进型的多输入/多输出对象的模糊关联规则提取算法43-46
• 4.4.1 模糊规则库的数据挖掘43-45
• 4.4.2 模糊模型的建立45-46
• 4.5 算法的验证46-48
• 4.5.1 算法的实验环境46
• 4.5.2 实验一46-47
• 4.5.3 实验二47-48
• 4.6 本章小结48-49
• 第5章 超短期负荷预测综合模型的建立49-59
• 5.1 模糊控制系统的组成49-50
• 5.2 模糊集模糊变量的定义50-52
• 5.3 基于多变量LS-SVM和模糊循环推理系统的预测模型52-54
• 5.3.1 样本数据的选取和处理52
• 5.3.2 基于多变量LS-SVM和模糊循环推理系统的模型建立和预测流程52-54
• 5.4 预测实例分析54-58
• 5.5 本章小结58-59
• 结论59-61
• 参考文献61-65
• 致谢65-66
• 附录A 攻读学位期间所发表的学术论文目录66-67
• 附录B 攻读学位期间所参加的科研项目目录67

【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：556682