基于组合预测方法的电力负荷预测研究

发布时间：2017-04-30 06:03

  本文关键词：基于组合预测方法的电力负荷预测研究，由笔耕文化传播整理发布。

【摘要】：随着当今经济的快速发展,化石燃料为主的一次能源逐渐被耗尽及环境问题日益突出,优质的二次能源—电能在人类生活和生产中的地位越来越重要。电力系统负荷预测对保障电力部门的稳定经济运行及电网的合理规划起到了至关紧要的作用,因此高精度的负荷预测对合理高效的利用现有电能具有较大的现实意义。本文在深入研究全国工业月用电量时间序列的基础上,建立了基于混沌时间序列的Elman神经网络、基于遗传算法的小波神经网络及改进变权组合预测模型。针对电力负荷数据在多重因素相互影响下呈非线性特性甚至是混沌性的问题,采用基于相空间重构的Elman神经网络方法进行全社会工业月用电量预测。利用小数据量法计算最大Lyapunov指数判别时间序列的混沌性,进而确定最优延迟时间及最佳嵌入维数进行相空间重构,以此确定Elman神经网络的拓扑结构,并将实测数据带入模型进行训练。通过对实测数据进行预测仿真,表明该模型达到了较好的预测效果,验证了提出的时间序列相空间重构与Elman神经网络结合的正确性与有效性。在深入研究电力负荷数据呈现非线性和不确定性问题的基础上,提出基于遗传算法的小波神经网络预测方法,该方法将小波神经网络训练后的误差平方和作为衡量适应度函数值的依据,计算出相应个体的适应度。在此基础上,采用选择、交叉及变异等操作生成新的种群,通过迭代法找出具有最优适应度值的个体或者直至最大迭代步数。最后,将该方法优化所得的参数代入小波神经网络模型,对全国工业月用电量数据进行预测仿真,并将该模型与小波神经网络作比较,验证了本文所提方法具有良好的预测效果和更高的预测精度。最后针对单一模型预测性能的优劣,提出改进的变权组合预测模型,建立基于以上两种单一模型的组合预测模型。经实测数据验证,本文所提的改进预测模型补偿了单一模型的不足,最终提高了预测效果。
【关键词】：负荷预测 Elman神经网络 小波神经网络 遗传算法 组合预测
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715;TP183
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-13
• 1.1 课题背景及研究意义9-10
• 1.1.1 研究背景9
• 1.1.2 研究意义9-10
• 1.2 课题研究现状10-11
• 1.2.1 组合预测理论研究现状10
• 1.2.2 电力负荷预测研究现状10-11
• 1.3 研究内容11-13
• 第2章 理论基础13-22
• 2.1 Elman神经网络13-15
• 2.2 小波神经网络15-18
• 2.2.1 小波神经网络结构形式15-16
• 2.2.2 小波神经网络学习算法16-18
• 2.3 变权组合预测18-19
• 2.4 预测误差分析19-22
• 2.4.1 预测误差产生的原因20
• 2.4.2 预测误差的计算分析20-22
• 第3章 基于混沌时间序列的Elman神经网络工业用电预测22-28
• 3.1 引言22
• 3.2 时间序列混沌性的判别22-23
• 3.3 混沌时间序列相空间重构23-24
• 3.3.1 重构相空间24
• 3.3.2 混沌特证数的确定24
• 3.4 案例分析24-27
• 3.5 小结27-28
• 第4章 基于遗传算法的小波神经网络工业用电预测28-34
• 4.1 引言28
• 4.2 遗传算法28-31
• 4.2.1 编码技术和解码技术29
• 4.2.2 初始群体的设定29
• 4.2.3 适应度函数29-30
• 4.2.4 遗传操作30-31
• 4.3 基于遗传算法的小波神经网络31-32
• 4.4 实例仿真32-33
• 4.5 小结33-34
• 第5章 基于改进变权组合预测模型的工业用电预测34-38
• 5.1 引言34
• 5.2 改进的变权组合预测模型34-35
• 5.3 案例分析35-37
• 5.4 小结37-38
• 第6章 结论38-39
• 参考文献39-42
• 在学研究成果42-43
• 致谢43

【参考文献】

中国期刊全文数据库 前10条

1 任超;梁月吉;庞光锋;杨兴跃;;最优非负变权组合模型在大坝变形中的应用[J];大地测量与地球动力学;2014年06期

2 刘艳秋;焦妮;李佳;;基于确定网络的多级物流网络优化设计[J];沈阳工业大学学报;2015年01期

3 陈强;金小明;姚建刚;杨胜杰;龚磊;吴兆刚;;基于改进ABC算法的中长期电力负荷组合预测[J];电力系统保护与控制;2014年23期

4 王笑宇;陆明涵;;Elman神经网络在电力系统负荷预测中的应用[J];山西电子技术;2013年04期

5 张健美;周步祥;林楠;张勤;陈杰;;灰色Elman神经网络的电网中长期负荷预测[J];电力系统及其自动化学报;2013年04期

6 潘玉民;邓永红;张全柱;;短期电力负荷的小波—混沌时序预测[J];系统仿真学报;2013年05期

7 潘玉民;邓永红;张全柱;;小波神经网络模型的确定性预测及应用[J];计算机应用;2013年04期

8 肖洁;罗军刚;解建仓;陈晨;;变权组合预测模型在洪水预报中的应用[J];西北农林科技大学学报(自然科学版);2013年02期

9 方红梅;;浅谈电力负荷预测的理论和方法[J];广东科技;2012年19期

10 朱钰;韩昌佩;;一种种群自适应收敛的快速遗传算法[J];计算机科学;2012年10期

  本文关键词：基于组合预测方法的电力负荷预测研究，，由笔耕文化传播整理发布。

本文编号：336370