基于嵌套组合模型的中长期电力负荷预测研究

发布时间：2017-09-27 14:23

  本文关键词：基于嵌套组合模型的中长期电力负荷预测研究

  更多相关文章： 中长期电力负荷预测 线性回归模型 多项式模型 灰色预测模型 组合预测法 嵌套组合预测法

【摘要】：电力负荷预测在电力系统分析中占据非常重要的地位,对优化经济发电计划的制订、电力调度的合理规划和电网的经济性营运安排都有影响。合理的负荷预测能够降低储备容量、节约能源和发电成本,提高国民经济。因此为了提高电力负荷预测的精确度,做出合理的负荷预测,研究出新的方法是非常迫切的。本文以四川地区为研究背景,分别选用线性回归预测法、多项式预测法和灰色预测法对该地区进行用电负荷预测分析,优选出较适合该地区的预测模型,然后将优选出的单一模型作为组合预测方法的基础模型,分别采用方差-协方差组合预测方法、等权平均组合预测方法、最小方差组合预测方法对该地区进行电力负荷预测分析,试验结果表明在该地区的电力负荷预测上组合预测方法优越于单模型方法。针对不同组合模型的侧重点不同,本文提出嵌套组合预测方法概念,拟进一步的综合各组合模型的优点,获得更加精确的预测结果,经试验结果表明,嵌套组合预测方法科学可行,能比较明显的提高电力负荷预测精度,降低预测误差,得到更好的预测效果。然后使用嵌套组合模型对四川地区未来5年电力负荷进行预测。为验证嵌套组合预测模型的适用性,本文随机选取云南、贵州、西藏三个地区,应用嵌套组合预测模型进行电力负荷预测分析,得出该理论方法能较好的应用到云南、贵州地区,但不适用于西藏地区,说明该方法具有局限性,其不能适用于基础模型同年预测值相对误差同号(同正或同负)的预测对象。
【关键词】：中长期电力负荷预测 线性回归模型 多项式模型 灰色预测模型 组合预测法 嵌套组合预测法
【学位授予单位】：西华大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM715
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-12
• 1.1 研究目的和意义9
• 1.2 国内外研究动态和趋势9-11
• 1.3 本文研究主要内容11-12
• 2 电力负荷预测方法理论12-17
• 2.1 电力负荷的分类12
• 2.2 负荷预测的特点12-13
• 2.3 电力负荷预测的基本原理13-14
• 2.4 负荷预测误差分析14-15
• 2.4.1 误差产生原因14-15
• 2.4.2 误差计算方法15
• 2.5 负荷预测的步骤15-16
• 2.6 本章小结16-17
• 3 中长期电力负荷预测模型的理论与应用17-55
• 3.1 基于一元线性回归法对四川地区负荷预测分析18-26
• 3.1.1 回归模型[45]理论18-21
• 3.1.2 计算与分析21-26
• 3.2 基于多元线性回归法对四川地区负荷预测分析26-32
• 3.2.1 多元线性回归理论26-27
• 3.2.2 计算与分析27-32
• 3.3 基于多项式预测模型对四川地区负荷预测分析32-39
• 3.3.1 基于二次多项式法对四川地区负荷预测分析与计算34-37
• 3.3.2 基于三次多项式法对四川地区负荷预测分析与计算37-39
• 3.4 基于灰色预测模型对四川地区负荷预测分析39-45
• 3.4.1 基于GM（1,1）模型对四川地区负荷预测分析与计算39-43
• 3.4.2 基于改进灰色预测模型对四川地区负荷预测分析与计算43-45
• 3.5 基于组合预测法对四川地区负荷预测分析45-53
• 3.5.1 组合预测概念45
• 3.5.2 基于方差-协方差组合法对四川地区负荷预测分析与计算45-50
• 3.5.3 基于等权平均组合法对四川地区负荷预测分析与计算50-51
• 3.5.4 基于最小方差组合法[43]对四川地区负荷预测分析与计算51-53
• 3.6 本章小结53-55
• 4 一种新的组合方法-嵌套组合模型55-63
• 4.1 嵌套组合模型概念55
• 4.2 嵌套方差-协方差组合模型的应用55-57
• 4.3 嵌套等权平均组合模型的应用57-58
• 4.4 嵌套最小方差组合模型的应用58-60
• 4.5 递归嵌套模型的应用60-61
• 4.6 总结与预测61-63
• 5 嵌套组合模型的验证63-74
• 5.1 基于云南地区的嵌套组合验证63-67
• 5.1.1 优选单模型63-64
• 5.1.2 基于组合模型对云南地区的计算64-65
• 5.1.3 嵌套组合的应用65-66
• 5.1.4 模型的比较66-67
• 5.2 基于贵州地区的嵌套组合验证67-70
• 5.2.1 优选单模型67
• 5.2.2 基于组合模型对贵州地区的计算67-68
• 5.2.3 嵌套组合的应用68-69
• 5.2.4 模型的比较69-70
• 5.3 基于西藏地区的嵌套组合验证70-73
• 5.3.1 优选单模型70
• 5.3.2 基于组合模型对西藏地区的计算70-71
• 5.3.3 嵌套组合的应用71-72
• 5.3.4 模型的比较72-73
• 5.4 本章小结73-74
• 6 结论与展望74-75
• 参考文献75-78
• 致谢78-79

【相似文献】

中国期刊全文数据库 前10条

1 胡航;中国轿车市场需求短期预测及模型选择[J];汽车工业研究;2001年10期

2 马尽文;;有限混合体模型上的自动模型选择:一种崭新的数据建模方式(英文)[J];工程数学学报;2007年04期

3 舒晓娟;陈洋波;任启伟;;模型选择准则在洪水频率分析中的应用[J];水利学报;2010年01期

4 严于鲜,易建华;模型选择中的Bayes方法[J];郑州大学学报(工学版);2003年02期

5 昌春艳;王沁;田锟;刘娟;;优化STR模型的实证研究[J];武汉理工大学学报(信息与管理工程版);2013年04期

6 徐肖豪,高彦杰,杨国庆;交互式多模型算法中模型集选择的分析研究[J];航空学报;2004年04期

7 滕勤;马标;徐科军;;废气氧传感器Hammerstein模型结构的确定[J];传感器与微系统;2007年10期

8 梁宝娟;巨永锋;张菁;;MKLasso模型的算法与模型选择[J];长安大学学报(自然科学版);2012年04期

9 万志敏,陈立平;飞行器模型着陆特性的试验研究[J];物理测试;2002年01期

10 ;海外期刊之窗[J];国外城市规划;1997年03期

中国重要会议论文全文数据库 前9条

1 张维;;模型选择:现状与发展[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

2 金伟;周浩;于永利;;维修管理IDSS的设计方法[A];设备维修与改造技术论文集[C];2000年

3 曾菊英;许冰;;制度变迁及其模型选择[A];21世纪数量经济学（第10卷）[C];2009年

4 廖冬初;秦寿康;;县级规划总体优化模型及其计算方法[A];发展战略与系统工程——第五届系统工程学会年会论文集[C];1986年

5 张维;;关于模型选择中的若干理论问题[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

6 战明华;李生校;;货币与产出的关系(1995～2003):不同模型的分析结果及其比较[A];中国金融学会第八届优秀论文评选获奖论文集[C];2005年

7 王树盛;;Probit模型及其在交通方式分担中的应用研究[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

8 戴锋;梁玲;李兴兵;冯俊涛;;经济增长的动态进程模型及实证研究[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

9 韩珂;尹勤;;大学生手机话费模型的建立和分析[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年

中国重要报纸全文数据库 前3条

1 建南;帮你建立有效客户关系[N];中国商报;2001年

2 首创期货研发中心金融工程组 徐泽平;方差-协方差法的VaR计量模型选择[N];期货日报;2007年

3 证券时报记者 杨波　金烨 程俊琳;量化投资走在中国 六年学步渐入佳境[N];证券时报;2010年

中国博士学位论文全文数据库 前9条

1 夏小超;统计检验与模型选择相关问题研究[D];重庆大学;2015年

2 朱素玲;模型选择与模型平均研究[D];兰州大学;2014年

3 房小兆;基于稀疏和低秩约束的模型学习研究[D];哈尔滨工业大学;2016年

4 吕子昂;模型选择的曲率方法研究[D];北京交通大学;2012年

5 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年

6 贺利坚;多Agent系统中信任和信誉模型的研究[D];北京交通大学;2011年

7 张立明;结合可满足的基于模型等价性验证及不一致诊断问题研究[D];吉林大学;2012年

8 毛文涛;支持向量回归机模型选择研究及在综合力学环境预示中的应用[D];西安交通大学;2011年

9 刘靖旭;支持向量回归的模型选择及应用研究[D];国防科学技术大学;2006年

中国硕士学位论文全文数据库 前10条

1 张亚楠;基于宏微观模型推断钢构件强度的无损检测技术研究[D];中国矿业大学;2015年

2 单昕彤;认知诊断中模型—资料的测验拟合检验统计量研究[D];江西师范大学;2015年

3 孙志滨;LDA模型的研究及其在推荐系统中的应用[D];浙江大学;2016年

4 仝景景;“碎片化数据”的模型平均方法[D];华东师范大学;2016年

5 肖馨梅;融合Lasso罚模型的理论与应用研究[D];燕山大学;2016年

6 尹潇潇;Meta分析中的模型选择与模型平均[D];云南财经大学;2016年

7 陈笑弟;交互效应下的模型选择[D];中国科学技术大学;2016年

8 孙式雪;高维数据在直接控制FDR下的模型选择[D];华中师范大学;2016年

9 刘菲菲;模型选取准则的若干讨论[D];扬州大学;2016年

10 陈星;TVWS频段的SPM模型海上传播校正研究[D];海南大学;2016年

，

本文编号：930154