基于IGA_PSO径向基神经网络的微电网短期负荷预测研究

发布时间：2017-09-27 19:00

  本文关键词：基于IGA_PSO径向基神经网络的微电网短期负荷预测研究

  更多相关文章： 径向基神经网络 微电网 负荷预测 粒子群算法 遗传算法 免疫算法 模糊控制

【摘要】：微电网作为集成分布式电源的良好解决方案,非常契合当下中国电力工业的发展需求,是解决中国电力工业发展问题的优质潜在选择。短期负荷预测作为微电网系统调度的重要组成部分,其预测精度直接影响电力系统能否安全、经济、高效的运行。因此本课题对微电网系统的短期负荷预测进行研究具有重要意义。本课题以某海岛微电网系统为对象,深入分析了该地区的负荷时间序列特性,并建立了径向基函数神经网络的负荷预测模型。为确保负荷数据的可靠性,对数据进行了预处理,包括采用相似日选取法对缺失的数据进行了补全;鉴于传统一维空间异常数据辨识的局限性,对异常负荷数据进行了纵向与横向的平滑处理;对负荷数据进行了归一化处理,避免了神经元出现饱和现象。为优化径向基神经网络参数引入了粒子群算法。针对粒子群算法可能会陷入局部最优解且收敛速度慢的缺陷,将遗传算法中的交叉变异思想,与免疫算法的记忆识别和免疫选择思想引入到粒子群算法中并对其进行改进,提出了免疫遗传粒子群(IGA_PSO)算法。利用IGA_PSO算法对预测模型的网络参数进行优化,实验对比表明优化的预测模型预测精度更高、收敛速度更快,且稳定性更好。考虑到上述静态预测模型的局限性,提出了将模糊控对其进行改进。将预测时刻的负荷的相对误差及误差率作为模糊控制器的输入,修正因子作为输出并对负荷预测结果进行调整,建立了动态预测模型。实验表明,模糊控制改进的预测模型的预测精度更高,而且相对误差基本维持在3%以内,使得预测系统更具实用性。最后为了使预测系统具有较好的交互性,以Nodejs的Express为web框架、Redis内存数据库作为缓存、非关系型数据库Mongo DB作为数据存储层,实现了短期负荷预测的web集群模块。
【关键词】：径向基神经网络 微电网 负荷预测 粒子群算法 遗传算法 免疫算法 模糊控制
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715;TP183
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-22
• 1.1 研究背景及意义11-12
• 1.2 微电网国内外发展现状12-15
• 1.2.1 微电网国外发展现状12-14
• 1.2.2 微电网国内发展现状14-15
• 1.3 负荷预测的国内外研究现状15-20
• 1.3.1 负荷预测的概述15-17
• 1.3.2 国内外经典负荷预测方法概述17-18
• 1.3.3 国内外现代负荷预测方法概述18-20
• 1.4 本文的组织与结构20-22
• 第二章 微电网负荷时间序列特性的分析22-28
• 2.1 引言22
• 2.2 微电网负荷影响因素分析22-23
• 2.3 负荷时间序列特性分析23-26
• 2.3.1 日类型负荷时间序列的特性分析23-25
• 2.3.2 天气及温度影响特性分析25-26
• 2.4 预测的误差分析以及误差评价标准26-27
• 2.5 本章小结27-28
• 第三章 预测模型的参数寻优算法28-42
• 3.1 引言28
• 3.2 粒子群算法28-31
• 3.2.1 基本原理28-29
• 3.2.2 PSO算法实现步骤29-31
• 3.3 粒子群算法的改进31-37
• 3.3.1 交叉变异思想31-33
• 3.3.2 记忆识别及免疫选择思想33-35
• 3.3.3 算法改进的原理35-36
• 3.3.4 算法改进的步骤36-37
• 3.4 改进算法性能的测试37-40
• 3.5 本章小结40-42
• 第四章 基于神经网络的微电网负荷预测模型的实现42-55
• 4.1 引言42-43
• 4.2 径向基神经网络的基本原理43-46
• 4.2.1 基本原理43-44
• 4.2.2 学习算法及训练过程44-46
• 4.3 负荷数据的预处理46-51
• 4.3.1 缺失数据的补全47
• 4.3.2 异常数据的横纵向处理47-49
• 4.3.3 负荷数据的归一化49-51
• 4.4 预测模型的建立51-54
• 4.5 本章小结54-55
• 第五章 基于模糊控制的预测模型的改进55-70
• 5.1 引言55
• 5.2 模糊控制的基本原理55-56
• 5.3 改进的预测模型的框架56-57
• 5.4 控制器的设计57-64
• 5.4.1 变量及隶属函数的确定57-60
• 5.4.2 模糊控制规则的确定60-62
• 5.4.3 模糊推理机和解模糊62-64
• 5.5 改进的预测模型的实验结果对比及分析64-67
• 5.6 预测系统的web实现67-69
• 5.7 本章小结69-70
• 结论与展望70-71
• 参考文献71-76
• 攻读硕士学位期间取得的研究成果76-77
• 致谢77-78
• 附件78

【相似文献】

中国期刊全文数据库 前10条

1 戴和彩;浅谈如皋电网的短期负荷预测[J];农村电气化;2001年05期

2 侯凯元,穆钢,杨右虹,惠永杰;地区电网短期负荷预测系统的研究[J];电力系统及其自动化学报;2001年05期

3 潘勇;短期负荷预测精度影响因素分析和对策[J];农村电气化;2003年05期

4 赵登福,吴娟,刘昱,张讲社,王锡凡;基于事例推理的短期负荷预测[J];西安交通大学学报;2003年06期

5 莫维仁,张伯明,孙宏斌,胡子珩,刘顺桂;扩展短期负荷预测的原理和方法[J];中国电机工程学报;2003年03期

6 吴江;张龙胜;;温度、人体舒适度对地区短期负荷预测的影响[J];上海电力;2003年03期

7 梁勤励,谢正宁,田自军;银南电网短期负荷预测[J];农村电气化;2004年07期

8 丁恰,卢建刚,钱玉妹,张剑,廖怀庆;一种实用的超短期负荷预测曲线外推方法[J];电力系统自动化;2004年16期

9 胡子珩;刘顺桂;邱利斌;朱成骐;张伯明;孙宏斌;;深圳电网智能化自动运行短期负荷预测系统[J];电网技术;2005年23期

10 徐进东,丁晓群,邓勇;基于相似日的线性外推短期负荷预测[J];继电器;2005年07期

中国重要会议论文全文数据库 前10条

1 侯广松;刘伟生;;适用于地区电网的短期负荷预测方法的研究[A];2005中国电机工程学会电力系统自动化专委会全国供用电管理自动化学术交流暨供用电管理自动化学科组第二届年会论文集[C];2005年

2 朱桂华;赖晓平;云昌钦;;在线短期负荷预测方法的研究与应用[A];1995年中国控制会议论文集（上）[C];1995年

3 杜欣慧;张岭;毕艳华;;采用自适应神经网络进行短期负荷预测[A];2004全国测控、计量与仪器仪表学术年会论文集（下册）[C];2004年

4 侯广松;刘伟生;谢广建;;基于相关因素映射和神经网络的短期负荷预测[A];2006电力系统自动化学术交流研讨大会论文集[C];2006年

5 唐向阳;;应用于短期负荷预测的自适应建模方法[A];广西电机工程学会第七届青年学术交流会论文集[C];2002年

6 杜俊红;滕欢;滕福生;;在线超短期负荷预测的分析与应用研究[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年

7 侯广松;刘伟生;;基于相关因素映射和神经网络的短期负荷预测[A];山东电机工程学会第十一届优秀学术论文集[C];2008年

8 盛琼;顾泽;骆丽楠;;基于实时气象要素的湖州短期负荷预测研究[A];第八届长三角气象科技发展论坛论文集[C];2011年

9 张雪莹;管霖;;采用谱分析建模和基于人工神经网络的短期负荷预测方案[A];广东省电机工程学会2003-2004年度优秀论文集[C];2005年

10 田晓;颜勇;孔凡坊;顾德英;;新型神经网络在短期负荷预测中的应用研究[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年

中国重要报纸全文数据库 前2条

1 通讯员池长斌;宁夏电网短期负荷预测西北第一[N];中国电力报;2011年

2 通讯员 池长斌;宁夏电力短期负荷预测保持领先[N];中国电力报;2011年

中国博士学位论文全文数据库 前10条

1 卢芸;短期电力负荷预测关键问题与方法的研究[D];沈阳工业大学;2007年

2 郑永康;相空间重构与支持向量机结合的短期负荷预测研究[D];西南交通大学;2008年

3 王硕禾;基于短期负荷预测技术的电能控制系统研究[D];天津大学;2009年

4 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年

5 王志勇;数据挖掘方法在短期负荷预测中的应用研究[D];浙江大学;2007年

6 叶彬;混合智能建模技术及其在短期负荷预测中的应用研究[D];浙江大学;2006年

7 苏庆新;区域电力系统超短期负荷预测及网络建模分析[D];东华大学;2008年

8 吴宏晓;基于软计算方法的电力系统负荷预测[D];上海交通大学;2007年

9 雷绍兰;基于电力负荷时间序列混沌特性的短期负荷预测方法研究[D];重庆大学;2005年

10 谢忠玉;电力短期负荷时间序列混沌特性分析及预测研究[D];哈尔滨工程大学;2010年

中国硕士学位论文全文数据库 前10条

1 曹东波;“机理＋辨识”预测策略在电力短期负荷预测中的应用[D];天津大学;2007年

2 张芳明;电力市场环境下的电力系统扩展短期负荷预测研究[D];湖南大学;2009年

3 李国辉;超短期负荷预测的广义外推法[D];大连理工大学;2008年

4 蔡佳宏;超短期负荷预测的研究[D];四川大学;2006年

5 罗军;跨平台短期负荷预测系统的研究、设计、实现[D];清华大学;2006年

6 王升治;深圳电网短期负荷预测闭环运行系统的研究[D];上海交通大学;2006年

7 闫冬梅;大孤山选矿厂电能信息采集及短期负荷预测的研究[D];长春工业大学;2010年

8 郭杰昊;基于混沌时间序列的短期负荷预测研究[D];上海交通大学;2015年

9 李海龙;考虑实时气象因素的电力系统短期负荷预测[D];华北电力大学;2015年

10 柏建良;组合预测模型在湖州电网短期负荷预测中的应用[D];华北电力大学;2015年

，

本文编号：931331