基于神经模糊网络和小波理论的电力系统短期负荷预报研究

发布时间：2017-08-07 08:37

  本文关键词：基于神经模糊网络和小波理论的电力系统短期负荷预报研究

  更多相关文章： 短期负荷预报 电力系统 小波分析 神经模糊方法

【摘要】：目前,电力负荷预测对于电力工业的发展有着至关重要的作用。电力负荷预测是决定电力系统决策和优化的最主要的能源信息。作为整个系统质量性能的主要指标,电力负荷预测准确度的提高有利于节约能源,增加企业利润。由于时间序列的复杂性和不确定性,使得能耗预测的精度较低。影响电力负荷预测水平的因素(包括系统自身和随机条件)很多,例如能源结构的持续改变,EPC本身的拓展,这些都使提高能耗预测准确性的任务更加困难。本文的目的是在智能计算技术的基础上开发一种电力负荷预测系统,该系统能够很好的解决并有效改善短期预测精度低的问题。通过解决以下任务能够实现目标:(1)分析目前电力负荷预测的方法,找出提高预测精度最有前景的方向;(2)建立一种预测电力消耗系统的技术;(3)在前人研究的基础上,建立一个电力消耗预测系统;(4)开发系统的MATLAB程序的实验研究;(5)建立系统质量和可靠性的比较分析。本文实现研究目标的应用内容:数学建模和时间序列的预测方法;回归分析;模糊集理论;小波理论的基础;人工神经网络和混合网络理论;进化模型的方法;MATLAB数学软件包。科学成果的独创性包括:(1)波动负荷数据的呈现模式的特征是由时间序列的加性成分来进行识别和描述的,这个特点和性质区别于其它方法;(2)短期负荷预测的过程是在将时间序列分为不同的组别的基础上设计初步步骤,通过分别预测每个组件的特点,从而实现在联合使用的智能计算技术中的预测;(3)利用小波滤波和模糊神经网络对电力负荷预测系统的构建方法进行了分析,反映了高频、低频、中频区域的时间序列特性。本文采用的基于小波理论和神经模糊网络理论的电力负荷预测系统的预测结果优于以往使用的经典理论和方法。因此,能够完成并实现这项工作的目标。
【关键词】：短期负荷预报 电力系统 小波分析 神经模糊方法
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715;TP18
【目录】：

• Abstract4-6
• 摘要6-9
• 1 Introduction9-16
• 1.1 Modern construction issue forecasting systems10-11
• 1.1.1 Russian and other foreign systems of electric load forecasting10-11
• 1.2 Current methods of forecasting the electrical load11-13
• 1.3 Research object statement and construction of an advanced EPC forecasting system13-14
• 1.4 Summary14-16
• 2 The development of the actual technology of construction of forecasting system16-32
• 2.1 Dynamics of the time series of electricity consumption and its view model16-20
• 2.2 Overview of forecasting methods for different frequency components of time seriesand selection of the most appropriate one20-28
• 2.2.1 Analysis of the low-frequency component25-26
• 2.2.2 Analysis of the mid-frequency component26-27
• 2.2.3 Analysis of the high-frequency component27-28
• 2.3 Technology of forecasting system development28-31
• 2.4 Summary31-32
• 3 Development of a system of STLF32-50
• 3.1 Forecasting electrical load32-34
• 3.2 Algorithm of formation of NFN structure34-38
• 3.3 Search algorithm for the optimal depth of the wavelet decomposition using the methodof standardized range38-41
• 3.4 Search for the optimal architecture of NFN using genetic algorithm41-45
• 3.5 Algorithm of formation of training samples and input variables45-48
• 3.6 Summary48-50
• 4 The experimental operation of the electric load forecasting system50-64
• 4.1 Preparation for the experiment50
• 4.2 Evaluation of prediction system accuracy50-55
• 4.3 Performance analysis of the built system55-57
• 4.4 Comparison of the developed prediction model and other models57-61
• 4.5 Graphic User Interface development61-64
• Conclusions64-65
• Acknowledgement65-66
• References66-69
• Appendix69-72
• Research achievement during working for the degree72

【相似文献】

中国期刊全文数据库 前10条

1 王辛，，孟昭敦;短期负荷预报最优算法的模糊判据[J];电力系统自动化;1995年12期

2 刘遵雄,钟化兰,张德运;最小二乘支持向量机的短期负荷多尺度预测模型[J];西安交通大学学报;2005年06期

3 雷绍兰;孙才新;周nv;邓群;刘凡;;电力短期负荷的多变量混沌预测方法[J];高电压技术;2005年12期

4 傅书

本文编号：633770