基于贝叶斯网络学习方法的电力负荷峰值预测

发布时间：2020-03-20 18:27

【摘要】：近年来,我国电力负荷峰值增长速度较快,尤其是华东地区,负荷峰值不断刷新,导致在负荷高峰时段电力供需不平衡问题日益突出,电网运行成本增加。准确的负荷峰值预测可以为电网提高电网迎峰度夏和供电服务能力提供支撑,同时,也可以提高经济性。针对上述问题,本文提出一种基于贝叶斯网络的电力负荷峰值预测方法,并分析负荷高峰时段总负荷与台区负荷的关联性。本文分析了上海浦东区总负荷的日和周负荷峰值特性,研究峰值预测模型样本,基于向前逐步选择正则化提出两阶段法进行模型因素选择,并以实例验证选择出了 6个最佳变量,验证了因子选择方法的可行性及有效性。提出基于贝叶斯网络的电力负荷峰值预测模型,构建了基于负荷高峰时段的贝叶斯网络负荷峰值预测及基于k-means聚类的贝叶斯网络负荷峰值预测的两种峰值预测模式。选择上海浦东电力负荷数据,分别利用两种模式进行日和周负荷峰值预测,在峰值时间预测精度及模型学习时间具有较大优势,验证了基于贝叶斯网络的峰值预测方法的可行性及有效性。考虑在高峰时段内台区负荷(包括普通台区和专变台区)与总负荷的相似性及对总负荷量的贡献率,提出基于二次聚类法进行高峰负荷与台区负荷关联分析方法。抽取上海浦东区8954个台区某日负荷数据为例进行验证,根据其第二次聚类后的典型负荷曲线高低顺序可作为一种错峰调度优先级考虑,验证了本文所提方法的可行性及有效性。
【图文】：

图２－１所示，由图可得，除节假日偏离正态分布较大外其余所逡逑有随机变量近似服从正太分布，节假日在模型因素选择中对负荷总体变化影响较逡逑为明显，所以考虑保留该变量

＼为初始贝叶斯网络结构；逡逑２）根据ＢＩＣ评分准则计算当前网络结构评分；逡逑３）判断是否满足收敛准则，若满足则输出当前最优网络结构若不满足，逡逑继续步骤４）。其中收敛准则为若ｍ步内构建的网络结构评分没有提高，则该ｍ步内构建的结构评分最高的网络结构；逡逑４）确定当前网络结构Ｓ的邻域，即在此网络结构基础上通过增加一条边变一条边的方向、删掉其中的一条边的方式产生候选网络结构解；逡逑５）判断搜索的候选网络结构解是否满足藐视准则，若是，则用满足藐视的最佳候选网络结构＼代替当前最优网络结构Ｓ成为新的最优网络结构解，，与＼对应的禁忌对象更新智能禁忌表，转步骤３）；逡逑６）重复步骤３）邋４）邋５），直到满足收敛准则，则结束搜索。逡逑基于上海浦东区２０１４－１－１至２０１５－６－３０的总负荷以及相关数据，考虑月期、日、２４节气、节假日、温度、湿度、气压、风速等因素，基于上述禁索算法和ＢＩＣ评分准则构建贝叶斯网络结构，学习得网络结构如卜图２－３所＇ｐ。仙．、
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM715

【相似文献】

相关期刊论文 前10条

1 苗义烽;周晓昭;;主观贝叶斯方法在列车占用丢失报警原因分析中的应用[J];铁路计算机应用;2014年12期

2 艾艳杰;;基于贝叶斯方法的比例数据分位数推断及其应用[J];散文百家(新语文活页);2017年01期

3 云连英;汪荣伟;;保费调整的贝叶斯方法[J];统计与决策;2006年05期

4 张渭彬;;应力与强度相关条件下产品可靠度的Bayes估计[J];强度与环境;1988年06期

5 张建国;;贝叶斯方法及其问题浅识[J];医学与哲学;1988年11期

6 王宏洲;引信的可靠性评定——贝叶斯方法和经验贝叶斯方法[J];现代引信;1989年02期

7 石国桢;;工程诊断和诊断中的贝叶斯方法[J];机械强度;1984年02期

8 邹亚娟;;贝叶斯方法在数据挖掘中的应用进展[J];科技致富向导;2014年14期

9 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[J];内蒙古财经学院学报;2011年04期

10 丁东洋;周丽莉;;贝叶斯方法在污水处理收费研究中的应用[J];统计教育;2009年03期

相关会议论文 前10条

1 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

2 David Z.D'Argenio;;贝叶斯方法在实验室研究向临床的转化以及辨识隐含亚群体中的应用(英文)[A];中国药理学会临床药理学专业委员会会议暨第十次全国临床药理学学术会议论文集[C];2007年

3 胡桂华;易跃明;林敏;;稀少项目子总体估计的贝叶斯方法——基于一个抽样审计问题的讨论[A];中国会计学会高等工科院校分会2008年学术年会（第十五届年会）暨中央在鄂集团企业财务管理研讨会论文集（下册）[C];2008年

4 杨丽;武海滨;李康;;无金标准诊断试验评价的贝叶斯方法及应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

5 朱永生;;贝叶斯方法确定泊松变量的置信上限[A];中国物理学会高能物理分会第七届学术年会实验分会场论文集[C];2006年

6 王增忠;柳玉杰;施建刚;;建筑工程项目全寿命安全管理决策的贝叶斯方法[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年

7 马东辉;;ASReml在分子育种中的应用[A];第一届全国玉米生物学学术研讨会论文汇编[C];2015年

8 费斌军;陈勃;;疲劳强度参数概率分布的贝叶斯方法[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（下册）[C];2001年

9 李影;周萍萍;薛建杰;孙桂菊;;利用贝叶斯方法推导呋喃的健康指导值BMD[A];中国毒理学会第九次全国毒理学大会论文集[C];2019年

10 曹广婷;;论贝叶斯方法在法律思想传播及司法裁决小前提中的应用及价值[A];传媒法与法治新闻研究2018年卷[C];2018年

相关重要报纸文章 前1条

1 本报记者 计红梅;向机器理解人类行为迈出一小步[N];中国科学报;2019年

相关博士学位论文 前10条

1 迟晋进;变分推理及贝叶斯方法在主题模型中应用的研究[D];吉林大学;2019年

2 钱永青;结构化贝叶斯压缩感知技术及其应用研究[D];武汉大学;2013年

3 张少中;基于贝叶斯网络的知识发现与决策应用研究[D];大连理工大学;2003年

4 李小琳;面向智能数据处理的贝叶斯网络研究与应用[D];吉林大学;2005年

5 黄友平;贝叶斯网络研究[D];中国科学院研究生院（计算技术研究所）;2005年

6 胡笑旋;贝叶斯网建模技术及其在决策中的应用[D];合肥工业大学;2006年

7 王红梅;保护隐私的贝叶斯网络学习研究[D];天津大学;2006年

8 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年

9 周忠宝;基于贝叶斯网络的概率安全评估方法及应用研究[D];国防科学技术大学;2006年

10 李旭升;贝叶斯网络分类模型研究及其在信用评估中的应用[D];西南交通大学;2007年

相关硕士学位论文 前10条

1 刘浩;层次线性贝叶斯方法及其在雾霾影响因素中的应用研究[D];重庆工商大学;2019年

2 姜文达;基于贝叶斯优化的网络资源配置应用[D];电子科技大学;2019年

3 叶佳美;基于贝叶斯网络的DBLP网站用户相似性研究[D];江西财经大学;2019年

4 温雨桐;基于贝叶斯方法的斜拉桥施工过程参数识别[D];长安大学;2019年

5 王文秀;基于贝叶斯网络学习方法的电力负荷峰值预测[D];华北电力大学(北京);2019年

6 丛明一;基于贝叶斯网络的电网复杂故障诊断及故障推演技术研究[D];华北电力大学(北京);2019年

7 杜婧;基于贝叶斯方法的乳腺癌生存分析[D];华北电力大学(北京);2019年

8 胡子豪;基于贝叶斯方法的监督哈希算法[D];上海交通大学;2018年

9 杨阳;电路QED系统中的量子测量与估计研究[D];华南理工大学;2019年

10 张小圆;保险精算中风险保费的贝叶斯预测与统计分析[D];江西师范大学;2018年

本文编号：2592015