基于数据挖掘技术的电动汽车负荷短期组合预测模型
发布时间：2021-04-10 08:42
近年来,在全球经济不断发展的进程中,温室效应、能源短缺以及环境破坏的现象频繁发生,在这种大背景之下,绿色交通已经成为了发展的方向。此外,电动汽车具有节能、低排放的优点,但同时具有波动性、不确定性的特点。所以,对电动汽车的负荷开展预测工作,可以据此指导电动汽车的充电,从而降低电网的峰谷差,提高电网运行的经济性,充分的利用电网,为企业带来经济效益。本文针对电动汽车负荷的预测问题,进行了如下研究:首先,调研国内外电动汽车发展历程和发展现状,总结了负荷预测的常用算法,以及各自的优缺点。其次,基于电动汽车负荷历史数据,对负荷变化特性进行完善的研究,包括自身的波动性、周期性,以及与负荷变化相关的因素分析,包括温度、降雨等,从而充分的说明电动汽车负荷变化的重要因素。然后,基于数据挖掘技术,采用模糊聚类的方法,对预测日与历史日期的相似度进行计算,通过有序排列得到最佳的相似日,从而为筛选历史数据的有效性提供科学方法。最后,提出基于权重的组合预测方法,将不同方法侧重的数据特征综合起来,有效地提高负荷预测的精度和稳定性。并根据组合预测的特征,对权重的确定方法进行改进。通过对沈阳地区电动汽车实际负荷进行预测,...
【文章来源】：长春工业大学吉林省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
图2-5日最大负荷和日最高温度比较
第 3 章 基于数据挖掘技术的相似日选取方法递闭包法价矩阵就可以得出一个分类。需要说明的是，所矩阵，但并不都为模糊等价矩阵。所以，为了对矩阵建立起新的模糊等价矩阵。 R 而言，计算出2R,4R,…,t2R ,…,当第一次出现。求出kR 以后，选取合适的阈值 ，进行截割 水平上是同类的，当ijr 时，ix 与jx 归为一类了动态聚类，上述方法称为模糊聚类传递闭包法
第 3 章 基于数据挖掘技术的相似日选取方法日的选取选出与预测日最为接近的相似日，要对预测日的各种特征向量进定评估的标准。首先，分析预测日时，需要对其各类影响因素的重分析主次关系，合理的进行取舍。在此基础上，优先考量重要程度出预测日的特征向量。其次，在建立评估标准时，通过评估标准可史日的相似程度，在此基础上，就可以求出总体相似度，并对相似得出最佳相似日。图 3-2 中给出了相似日的具体选择方式。
【参考文献】：
期刊论文
[1]电动汽车充电负荷预测方法综述[J]. 朱慧婷,杨雪,陈友媛. 电力信息与通信技术. 2016(05)
[2]电动汽车充电负荷预测模型及对城市负荷影响研究[J]. 窦晓军. 电网与清洁能源. 2016(02)
[3]中国能源安全的观念审视与框架分析[J]. 林益楷,王亚莘. 国际石油经济. 2015(10)
[4]基于电动汽车时空特性的充电负荷预测[J]. 张艳娟,苏小林,闫晓霞,李敏,李丹丹. 电力建设. 2015(07)
[5]中山乐群电动汽车充电站谐波治理方案[J]. 张永旺,孟金岭,赵伟,罗敏,肖勇,林国营,孙卫明. 广东电力. 2015(02)
[6]电动汽车充电负荷预测系统研究[J]. 陈丽丹,张尧. 电力科学与技术学报. 2014(01)
[7]电动汽车充电功率需求及其对电网负荷曲线的影响[J]. 夏娟娟,孙春顺,张媛,杨芳华,陈浩,余志勇. 电力学报. 2014(01)
[8]电动汽车充电负荷预测方法研究[J]. 袁正平,周伟,王文斌. 华东电力. 2013(12)
[9]电动汽车充电站负荷建模方法[J]. 杨少兵,吴命利,姜久春,赵伟. 电网技术. 2013(05)
[10]快换式公交充电站短期负荷预测方法的研究[J]. 张维戈,颉飞翔,黄梅,李娟,李亚芬. 电力系统保护与控制. 2013(04)
博士论文
[1]风光发电及电动汽车充放电随机性对配电系统的影响研究[D]. 吴晨曦.浙江大学 2015
[2]电动汽车充电对电网的影响及有序充电研究[D]. 王建.山东大学 2013
硕士论文
[1]电动汽车负荷的多因素预测模型及其对电网的影响分析[D]. 李雨哲.重庆大学 2016
[2]广东省电动汽车负荷预测研究[D]. 高科.北京交通大学 2016
[3]电动汽车充/换电站短期负荷预测方法研究[D]. 徐晓波.华北电力大学 2015
[4]电动汽车对电网运行的影响研究[D]. 刘建军.青岛大学 2013
[5]基于神经网络的电力负荷预测[D]. 李宝玉.湖南大学 2013
[6]我国纯电动汽车产业发展：前景展望及策略选择[D]. 张明.四川省社会科学院 2011
[7]上海电动汽车及其充电基础设施运营模式的研究[D]. 申善毅.上海交通大学 2011
[8]基于相似日和支持向量机的短期负荷预测研究[D]. 刘晶.华南理工大学 2010
[9]基于聚类分析与SVM的电力短期负荷预测研究[D]. 谭海龙.中南大学 2009
[10]支持向量机在电力系统短期负荷预测中的应用[D]. 关颖.天津大学 2006
本文编号：3129331
【文章来源】：长春工业大学吉林省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
图2-5日最大负荷和日最高温度比较
第 3 章 基于数据挖掘技术的相似日选取方法递闭包法价矩阵就可以得出一个分类。需要说明的是，所矩阵，但并不都为模糊等价矩阵。所以，为了对矩阵建立起新的模糊等价矩阵。 R 而言，计算出2R,4R,…,t2R ,…,当第一次出现。求出kR 以后，选取合适的阈值 ，进行截割 水平上是同类的，当ijr 时，ix 与jx 归为一类了动态聚类，上述方法称为模糊聚类传递闭包法
第 3 章 基于数据挖掘技术的相似日选取方法日的选取选出与预测日最为接近的相似日，要对预测日的各种特征向量进定评估的标准。首先，分析预测日时，需要对其各类影响因素的重分析主次关系，合理的进行取舍。在此基础上，优先考量重要程度出预测日的特征向量。其次，在建立评估标准时，通过评估标准可史日的相似程度，在此基础上，就可以求出总体相似度，并对相似得出最佳相似日。图 3-2 中给出了相似日的具体选择方式。
【参考文献】：
期刊论文
[1]电动汽车充电负荷预测方法综述[J]. 朱慧婷,杨雪,陈友媛. 电力信息与通信技术. 2016(05)
[2]电动汽车充电负荷预测模型及对城市负荷影响研究[J]. 窦晓军. 电网与清洁能源. 2016(02)
[3]中国能源安全的观念审视与框架分析[J]. 林益楷,王亚莘. 国际石油经济. 2015(10)
[4]基于电动汽车时空特性的充电负荷预测[J]. 张艳娟,苏小林,闫晓霞,李敏,李丹丹. 电力建设. 2015(07)
[5]中山乐群电动汽车充电站谐波治理方案[J]. 张永旺,孟金岭,赵伟,罗敏,肖勇,林国营,孙卫明. 广东电力. 2015(02)
[6]电动汽车充电负荷预测系统研究[J]. 陈丽丹,张尧. 电力科学与技术学报. 2014(01)
[7]电动汽车充电功率需求及其对电网负荷曲线的影响[J]. 夏娟娟,孙春顺,张媛,杨芳华,陈浩,余志勇. 电力学报. 2014(01)
[8]电动汽车充电负荷预测方法研究[J]. 袁正平,周伟,王文斌. 华东电力. 2013(12)
[9]电动汽车充电站负荷建模方法[J]. 杨少兵,吴命利,姜久春,赵伟. 电网技术. 2013(05)
[10]快换式公交充电站短期负荷预测方法的研究[J]. 张维戈,颉飞翔,黄梅,李娟,李亚芬. 电力系统保护与控制. 2013(04)
博士论文
[1]风光发电及电动汽车充放电随机性对配电系统的影响研究[D]. 吴晨曦.浙江大学 2015
[2]电动汽车充电对电网的影响及有序充电研究[D]. 王建.山东大学 2013
硕士论文
[1]电动汽车负荷的多因素预测模型及其对电网的影响分析[D]. 李雨哲.重庆大学 2016
[2]广东省电动汽车负荷预测研究[D]. 高科.北京交通大学 2016
[3]电动汽车充/换电站短期负荷预测方法研究[D]. 徐晓波.华北电力大学 2015
[4]电动汽车对电网运行的影响研究[D]. 刘建军.青岛大学 2013
[5]基于神经网络的电力负荷预测[D]. 李宝玉.湖南大学 2013
[6]我国纯电动汽车产业发展：前景展望及策略选择[D]. 张明.四川省社会科学院 2011
[7]上海电动汽车及其充电基础设施运营模式的研究[D]. 申善毅.上海交通大学 2011
[8]基于相似日和支持向量机的短期负荷预测研究[D]. 刘晶.华南理工大学 2010
[9]基于聚类分析与SVM的电力短期负荷预测研究[D]. 谭海龙.中南大学 2009
[10]支持向量机在电力系统短期负荷预测中的应用[D]. 关颖.天津大学 2006
本文编号：3129331
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3129331.html
