基于曲线拟合原理的负荷预测研究

发布时间：2017-08-01 16:34

  本文关键词：基于曲线拟合原理的负荷预测研究

  更多相关文章： 多项式模型 曲线拟合 递推最小二乘法 负荷预测

【摘要】：随着科技与经济的快速发展,电力生产部门可以借助准确的负荷预测,对机组进行经济合理地启停,并以此制定更合理规范的检修计划,从而减少负荷备用容量,降低发电成本,达到提高经济效益的目的。研究具有精度高且实用性强的负荷预测方法对于电力的市场化及智能电网的发展是非常必要的。为了进一步改善中长期负荷预测的预测效果,论文主要研究了以下内容:(1)介绍了三种多项式拟合模型。分别介绍了代数多项式,切比雪夫多项式和雷让德多项式。三种多项式都广泛适用于曲线拟合和数值分析。其中,代数多项式属于非正交多项式,而切比雪夫多项式和雷让德多项式属于正交多项式,也因为这两种多项式的优良性质,相比代数多项式更适用于曲线拟合和其他应用。(2)对目前使用最广泛的三种算法—梯度下降法、共轭梯度法和梯度最小二乘法—进行了对比分析。分析这三种算法的性质可知,梯度下降法取负梯度方向为搜索方向,该法程序简单,每次迭代的计算量少,节省了存储空间,对于不太好的初始点也能收敛。但它的收敛速度呈线性化,收敛速度受到很大限制。共轭梯度方法常常用来解决大规模的非线性优化问题。该方法仅需利用目标函数值和梯度函数值,却避免了梯度下降方法收敛速度慢的问题。另外,它还具有无矩阵的存储以及二次终止性等优点。但是共轭梯度法的收敛性取决于步长因子α有一个良好的取值,若步长因子α取值不当,算法有可能根本不收敛或是收敛到一个无法运行的解点上。该方法通过递推最小二乘法训练权值系数,并对历史数据进行拟合以实现预测模型的参数估计。而递推最小二乘法具有算法简单、易于实现等特点,因此被广泛应用。(3)提出一种基于Chebyshev多项式的预测方法。该方法使用递推最小二乘法训练神经网络权值系数,以获得高精度的参数估计,从而实现Chebyshev多项式模型对负荷量的最优拟合,再利用训练好的切比雪夫多项式模型实现中长期负荷预测。仿真结果表明,该方法能较好模拟负荷的变化规律,预测结果提高了一个数量级,具有一定的中长期负荷预测能力。另外,通过仿真实例也可看出,改用Laguerre多项式的神经网络模型的预测方法也具有同等的预测精度。
【关键词】：多项式模型 曲线拟合 递推最小二乘法 负荷预测
【学位授予单位】：长沙理工大学
【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
• 第一章 绪论10-18
• 1.1 引言10
• 1.2 研究背景及意义10-11
• 1.3 本文研究的发展历史和国内外发展现状11-13
• 1.4 电力系统负荷预测的分类13-14
• 1.5 负荷的分类和特性14-16
• 1.5.1 负荷分类14-15
• 1.5.2 负荷特性15-16
• 1.6 全文内及章节安排16-18
• 第二章 基于多项模型的曲线拟合原理18-28
• 2.1 引言18
• 2.2 曲线拟合的基本原理18-19
• 2.2.1 曲线拟合的概念18-19
• 2.2.2 曲线拟合的优劣判断标准19
• 2.3 基于代数多项式的曲线拟合方法19-21
• 2.3.1 代数多项式的数学模型和特性19-20
• 2.3.2 代数多项式的曲线拟合20-21
• 2.4 基于Chebyshev多项式的曲线拟合方法21-23
• 2.4.1 Chebyshev多项式的数学模型和特性21-22
• 2.4.2 Chebyshev多项式的曲线拟合22-23
• 2.5 基于Legendre多项式神经网络拟合23-26
• 2.5.1 Legendre多项式模型及其特性23-25
• 2.5.2 基于Legendre多项式的拟合模型25-26
• 2.6 本章小结26-28
• 第三章 曲线拟合系数的算法28-42
• 3.1 引言28
• 3.2 梯度下降法28-30
• 3.2.1 梯度下降法的简介28-29
• 3.2.2 基于梯度下降法的算法模型29-30
• 3.3 递推最小二乘法30-34
• 3.3.1 基于递推最小二乘法的算法模型31-33
• 3.3.2 算法步骤算法流程图33-34
• 3.4 共轭梯度法34-40
• 3.4.1 基于共轭梯度法的算法模型35-36
• 3.4.2 算法流程36
• 3.4.3 改善矩阵A条件数的方法36-39
• 3.4.4 残差校正方法39-40
• 3.5 实例仿真40-41
• 3.6 本章小结41-42
• 第四章 曲线拟合在电力系统负荷预测中的应用42-50
• 4.1 引言42
• 4.2 电力负荷预测理论分析42-43
• 4.3 实例分析43-49
• 4.3.1 基于代数多项式拟合模型的RLS法负荷预测研究43-45
• 4.3.2 基于Chebyshev多项式拟合模型的RLS法负荷预测研究45-47
• 4.3.3 基于Laguerre多项式拟合模型的RLS法负荷预测研究47-49
• 4.4 本章小结49-50
• 第五章 总结与展望50-52
• 5.1 本文工作总结50-51
• 5.2 本文的特色及创新51
• 5.3 展望51-52
• 参考文献52-58
• 致谢58-60
• 附录A（攻读硕士学位期间发表论文目录）60-62
• 附录B（攻读硕士学位期间参与项目）62

【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：605190