基于集合经验模式分解的短期电力负荷混合算法研究与应用

发布时间：2017-09-29 11:41

  本文关键词：基于集合经验模式分解的短期电力负荷混合算法研究与应用

  更多相关文章： 数据挖掘 短期电力负荷预测 混合预测方法 非线性预测方法 线性预测方法 粒子群优化

【摘要】：电力负荷预测不仅是电力系统的基本工作,同时它也是数据挖掘领域研究的重点和热点。有效的负荷预测不仅能显著地减少电力企业成本,而且在保障社会的正常生产和人们的日常生活前提下,使得整个社会的经济效益和社会效益得到一定的提高。因此,电力负荷预测是一件非常有意义且重要的事情。而且,随着电力工业迅猛的发展和电力企业市场化步伐的加快,同时在不断提高和改进的还有负荷预测的方法和预测精度。近年来,提供一种有效的、合理的和精确的电力负荷预测方法变得越来越关键。由于单个线性或非线性方法,无法获取一个复杂电力系统的所有信息,因此本文提出了一种新颖的短期电力负荷混合预测方法Proposed method,该方法结合了集合经验模式分解,时间序列,灰色理论,相空间重构,最小二乘支持向量机和粒子群优化算法。首先,使用自适应的、完全由数据驱动的集合经验模式分解方法去除原始数据中存在的噪声信号,减少噪声对预测精度的影响。然后,四种典型的预测方法分别使用集合经验模式分解之后的数据,预测接下来的电力负荷数据,这四种方法包括,季节性差分回归模型SARIMA,混沌时间序列模型CHAOS,灰色模型GM(1,1)和最小二乘支持向量机模型LSSVM。最后,将各种预测方法得到的预测值,通过赋予相关权重,且这些相关权重是由粒子群算法优化得到的,然后得到最终的预测值。最后,使用真实的电力负荷数据进行数据仿真和案例研究,数据来源于澳大利亚新南威尔士州。同时,为了评估本文提出的混合方法Proposed method的有效性和性能,三种评价方法作为预测方法性能评价的准则。通过对本文最终预测结果的研究和分析,并与本文所使用的四种典型预测方法相比,本文提出的混合方法Proposed method确实能够显著改善预测性能和提高预测精度。
【关键词】：数据挖掘 短期电力负荷预测 混合预测方法 非线性预测方法 线性预测方法 粒子群优化
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM715
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-18
• 1.1 数据挖掘相关概念解析8-10
• 1.1.1 数据挖掘定义8
• 1.1.2 数据挖掘常用技术8-9
• 1.1.3 数据挖掘功能9-10
• 1.2 数据挖掘技术在电力负荷中的应用10-16
• 1.2.1 数据挖掘与电力负荷预测的关系10-11
• 1.2.2 电力负荷预测11-12
• 1.2.3 短期电力负荷预测的目的和意义12-13
• 1.2.4 预测方法国内外研究情况13-16
• 1.3 本文主要工作及章节安排16-18
• 第二章 集合经验模式分解18-22
• 2.1 数据分解技术18
• 2.2 经验模式分解18-20
• 2.3 集合经验模式分解20-22
• 第三章 预测方法理论22-32
• 3.1 时间序列方法22-23
• 3.1.1 ARIMA模型22-23
• 3.1.2 SARIMA模型23
• 3.2 灰色理论方法23-25
• 3.3 混沌理论方法25-28
• 3.3.1 相空间重构26
• 3.3.2 互信息法确定时间延迟26-27
• 3.3.3 Cao方法确定嵌入维27-28
• 3.3.4 混沌时间序列预测28
• 3.4 最小二乘支持向量机方法28-32
• 第四章 粒子群优化算法32-36
• 4.1 问题优化求解32
• 4.2 粒子群算法32-34
• 4.3 粒子群算法优化最小二乘支持向量机34-36
• 第五章 混合预测方法研究与应用36-54
• 5.1 混合预测方法设计36-38
• 5.2 仿真数据的选取38
• 5.3 预测性能评价准则38-39
• 5.4 预测详细过程39-51
• 5.5 预测结果的比较与分析51-54
• 5.5.1 预测结果的比较51-53
• 6.5.2 预测结果的分析53-54
• 第六章 总结与展望54-56
• 6.1 总结54-55
• 6.2 展望55-56
• 参考文献56-59
• 在学期间的研究成果59-60
• 致谢60

【参考文献】

中国期刊全文数据库 前3条

1 宋晓辉;白晓民;易俗;;一种考虑负荷特性变化的改进线性回归负荷预测法[J];供用电;2006年01期

2 林书成;王斌;张全安;;四川省安全生产趋势预测研究[J];中国安全生产科学技术;2008年04期

3 吉培荣,邹红波,张玉文;无偏灰色预测模型在电力系统负荷预测中的应用[J];三峡大学学报(自然科学版);2005年04期

，

本文编号：941815