海上油田群电网短期负荷预测研究

发布时间：2020-07-25 21:38

【摘要】：短期(电力)负荷预测根据历史负荷数据,综合天气、温度、季节等其它影响因素对未来一天至一周电力需求做预报的过程,短期(电力)负荷预测对于保证电力系统的安全高效运行有着举足轻重的作用。近年来,随着人类在各个海域勘探与开采工作的不断增加,海洋资源开发和利用规模不断扩大,海上油田群电网作为海洋平台的电能供应保障基础,得到快速发展。海上油田群电网是由船舶电力系统逐步发展而来,其负载多为大功率异步电动机,负荷变化相对较大,又易受到环境变化的影响。加上平台由柴油机、燃气轮机发电机组供电,发电容量十分有限,因而,提高短期负荷预测精度对于海上油田群电网而言更为重要。本文首先介绍了海上油田群电网短期负荷预测的目的和意义,阐述了国内外短期负荷预测的现状。介绍了电力负荷预测的分类与基本流程,详细阐释了各类负荷预测方法的优缺点。对海上油田群电网的结构和特殊性进行了探讨,归纳了海上油田群电网负荷预测的特点。针对海上油田群电网短期负荷预测的特点,剖析并最终量化了日类型、温度、天气类型等负荷主要影响因素,为后续的预测工作奠定了基础。然后全面阐明了支持向量机的基本原理,支持向量机具备非线性拟合、泛化能力强、训练收敛速度快等明显特点。详细阐述了 2015年美国学者提出的一种新型群智能优化算法——蜻蜓算法。蜻蜓算法算法简洁明了,实现起来相对简单,同时算法参数较少,方便调节,整体计算量不大并且具有优良的全局寻优能力,收敛时间快且精度相对较高。最后针对支持向量机在各类场景应用中实际存在的一些问题,包括数据预处理、核函数选取、参数优化的方法,做出分析,并总结了现行的解决方法。在研究支持向量回归机的各参数对其性能有很大影响的基础上,结合海上油田群电网负荷预测特点,本文提出基于蜻蜓算法优化支持向量机(DA-SVM)方法以预测海上油田群电网短期(电力)负荷。该方法将需要优化的支持向量机惩罚因子C和核参数σ组合作为蜻蜓的位置,将支持向量机计算的预测准确率作为蜻蜓当前的适应值。迭代出蜻蜓群体最佳位置即为支持向量机最优C、σ.参数。利用DA-SVM算法对中国渤海某海上油田群电网进行短期负荷预测,并与PSO-SVM、GA-SVM、BP神经网络模型预测结果对比。实验结果表明DA-SVM算法步骤简洁、全局搜索能力强,拥有更高的预测精度及更好的运算速度。
【学位授予单位】：西南石油大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TE54
【图文】：

图２－２某实际海上油田群电网逡逑９逡逑

海上油田群日负荷曲线

图２－４海上油田群负荷日周期规律曲线逡逑２．３．２多外部随机负荷分量逡逑对于短期负荷的影响因素是多样的，因而其外部随机负荷分量也多种多样，逡逑

【参考文献】

相关期刊论文 前10条

1 郭朝先;王宏霞;;中国制造业发展与“中国制造2025”规划[J];经济研究参考;2015年31期

2 杨少兵;吴命利;;基于改进蚁群算法的客运专线电力负荷建模与参数辨识[J];中国电机工程学报;2015年07期

3 刘文霞;徐晓波;周樨;;基于支持向量机的纯电动公交车充/换电站日负荷预测[J];电力自动化设备;2014年11期

4 汤庆峰;刘念;张建华;于壮壮;张清鑫;雷金勇;;基于EMD-KELM-EKF与参数优选的用户侧微电网短期负荷预测方法[J];电网技术;2014年10期

5 易吉梅;;海洋石油平台电气设备安全设计的建议措施研讨[J];科技创新与应用;2014年20期

6 王建丰;谢小荣;孙英云;魏澈;肖笋;董宜鹏;;海上油田群电网的综合潮流优化控制[J];电力系统自动化;2014年12期

7 张贲;史沛然;蒋超;;气象因素对京津唐电网夏季负荷特性影响分析[J];电力自动化设备;2013年12期

8 张维戈;颉飞翔;黄梅;李娟;李亚芬;;快换式公交充电站短期负荷预测方法的研究[J];电力系统保护与控制;2013年04期

9 张平;潘学萍;薛文超;;基于小波分解模糊灰色聚类和BP神经网络的短期负荷预测[J];电力自动化设备;2012年11期

10 林伟;陈光堂;邱晓燕;王松;李锐;孟鹏;任增;;基于改进自适应遗传算法的微电网负荷优化分配[J];电力系统保护与控制;2012年12期

相关博士学位论文 前2条

1 王小雅;电网资产全寿命周期管理外部环境预警模型研究[D];华北电力大学;2014年

2 王建军;基于知识挖掘技术的智能协同电力负荷预测研究[D];华北电力大学（北京）;2011年

相关硕士学位论文 前10条

1 刘瑞;基于支持向量分位数回归与智能电网的短期电力负荷概率密度预测方法[D];合肥工业大学;2017年

2 张延福;基于改进支持向量机的微电网负荷预测研究[D];东北石油大学;2016年

3 申超群;基于负荷密度法与Logistic模型法的饱和负荷预测研究[D];郑州大学;2016年

4 钟健j;海上油田群电网功率协调优化研究[D];华北电力大学(北京);2016年

5 王娟娟;微电网与配电网互动特性研究[D];山东大学;2015年

6 赵晶;城市电力负荷预测技术及其在通辽电网中的应用[D];华北电力大学;2015年

7 蔡婷;基于人工鱼群的LS-SVM在短期负荷预测中的应用[D];广西大学;2014年

8 田斌宾;海洋石油平台海缆击穿故障的研究[D];天津大学;2012年

9 陈乐;基于加权相似度和加权支持向量机的短期电力负荷预测研究[D];华南理工大学;2012年

10 王鑫;基于支持向量机的电力系统短期负荷预测研究[D];青岛大学;2012年

本文编号：2770402