基于改进PSO-LSSVM的短期负荷预测系统的设计与实现

发布时间：2021-03-02 01:23

　　近年来,随着电力改革的不断深化以及电力市场化的逐渐完善,按计划进行发电的生产模式正在逐渐被按需生产的模式所取代。由于电能的特殊性,电力负荷预测成了电力公司进行负荷调度以及电网日常维护等工作的重要依据。传统的负荷预测方法对于平稳的负荷数据有较高的预测精度,然而影响负荷变化的因素日益复杂,并且多因素对负荷的影响表现出非线性和不确定性,使得传统负荷预测方法难以准确描述负荷变化趋势。因而,电力公司迫切需要精度更高的负荷预测方案,以便采取更加科学、高效的管理方式来提高电力系统的安全性和经济性。最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）能很好的解决具有小样本、非线性、高维、局部极小点等特点的实际问题,并且具有很强的泛化能力,在电力负荷预测领域得到了广泛的应用。在实际运用过程中,LSSVM参数的选择依赖人工经验,缺少相应理论支撑,导致算法精度无法得到保证,因而选择一个适合具体问题的参数十分重要。并且,将研究的负荷预测算法应用于实际项目中更是具有非常重要的学术以及工程价值。本文主要包含以下三个方面内容:（1）分析了影响负荷变化的相关因素;并... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图１．?１?２０００－２０１７年全社会用电量??Ｆｉｌ．?１?Ｅｌｅｃｔｒｉｃｉｔｃｏｎｓｕｍｔｉｏｎ?ｉｎ?ｔｈｅ?ｗｈｏｌｅ?ｓｏｃｉｅｔｆｉｏｍ?２０００?ｔｏ?２０１７??

（２）时间因素??主要表现在季节更替、节假日、天和周的周期性变化等对负荷的影响??负荷的日周期性，即在一天２４小时负荷变化所呈现出来的规律。图２．３为??某市２００９年３月Ｉ日至２０１９年３月２日电力负荷的曲线图，以小时为单位采??集数据，一共有４８个数据。通过观察该图发现，早上７点到中午Ｉ２点，电力负??荷增加明显，此时为上班时间；丨２点至１３点，有明显的下降趋势，该时刻为员??工午餐和休息时间；Ｉ３点至２０点，电力负荷增加到较高水平；２０点开始，电力??负荷表现出明显下降趋势，此时公司陆续下班。第二天负荷变化有相似的特点。??１１０?？??ａ??［Ｉ??５０??！?１?１?１?１?＇?１?１?１?１?＇???０?４?８?１２?１６?２０?２４?２８?３２?３６?４〇?４４?４８??时?Ｍ（ｈ）??图２．３某市连续两天用电负荷曲线图??Ｆｉｇ２．?３?Ｅｌｅｃｔｒｉｃｉｔｙ?ｌｏａｄ?ｃｕｒｖｅ?ｆｏｒ?ｔｗｏ?ｃｏｎｓｅｃｕｔｉｖｅ?ｄａｙｓ?ｉｎ?ａ?ｃｉｔｙ??负荷的周周期性，即在一周内负荷随着时间的改变所呈现出来的规律。阁２．４??１３??

?３５??时间（ｄ）??图２．?２某市冬季平均温度与负荷变化曲线??Ｆｉｇ２．?２?Ｗｉｎｔｅｒ?ａｖｅｒａｇｅ?ｔｅｍｐｅｒａｔｕｒｅ?ａｎｄ?ｌｏａｄ?ｃｕｒｖｅ?ｉｎ?ａ?ｃｉｔｙ??（２）时间因素??主要表现在季节更替、节假日、天和周的周期性变化等对负荷的影响??负荷的日周期性，即在一天２４小时负荷变化所呈现出来的规律。图２．３为??某市２００９年３月Ｉ日至２０１９年３月２日电力负荷的曲线图，以小时为单位采??集数据，一共有４８个数据。通过观察该图发现，早上７点到中午Ｉ２点，电力负??荷增加明显，此时为上班时间；丨２点至１３点，有明显的下降趋势，该时刻为员??工午餐和休息时间；Ｉ３点至２０点，电力负荷增加到较高水平；２０点开始，电力??负荷表现出明显下降趋势，此时公司陆续下班。第二天负荷变化有相似的特点。??１１０?？??ａ??［Ｉ??５０??！?１?１?１?１?＇?１?１?１?１?＇???０?４?８?１２?１６?２０?２４?２８?３２?３６?４〇?４４?４８??时?Ｍ（ｈ）??图２．３某市连续两天用电负荷曲线图??Ｆｉｇ２．?３?Ｅｌｅｃｔｒｉｃｉｔｙ?ｌｏａｄ?ｃｕｒｖｅ?ｆｏｒ?ｔｗｏ?ｃｏｎｓｅｃｕｔｉｖｅ?ｄａｙｓ?ｉｎ?ａ?ｃｉｔｙ??负荷的周周期性?


本文编号：3058334