地市级短期电力负荷预测及特性分析系统的研究与开发

华北电力大学（北京）硕士学位论文地市级短期电力负荷预测及特性分析系统的研究与开发姓名：董翔申请学位级别：硕士专业：企业管理指导教师：刘吉成20070501地市级短期电力负荷预测及特性分析系统的研究与开发作者：董翔学位授予单位：华北电力大学(北京)相似文献(10条)1.期刊论文王晛.张少华一种应用时间序列技术的短期电力负荷预测模型-上海大学学报(自然科学版)2002,8(2)提出一种时间序列算法和模糊逻辑技术相结合的电力系统短期负荷预测方法.它包括一个具有非线性特性的传递函数模型,可以考虑气温等外界因素对负荷的非线性影响,能使预测及时跟上负荷变化的趋势,适用于由于天气等因素变化引起负荷突变的预测场合.为了更好地处理影响电力系统负荷的不确定性因素,便于利用预报人员的丰富知识和经验,此文采用了具有较强结构性知识表达能力的模糊逻辑技术与时间序列相结合的方法进行负荷预测,测试结果表明了该方法的有效性.2.学位论文杨立成基于最小二乘支持向量机的短期电力负荷预测方法研究2008负荷预测是电力系统调度和计划部门的主要工作之一，准确的负荷预测对于保证电力系统安全、稳定和经济运行以及在电力市场环境下提高供电部门的经济效益和社会效益都具有重要而深远的意义。本文阐述了负荷预测的相关基础理论，对各种短期负荷预测方法以及研究情况进行了归纳、总结。介绍了统计学习理论的一些重要概念、主要思想以及在该理论框架下发展起来的新的通用学习算法--支持向量机，并利用标准支持向量机的一种扩展、变形算法--最小二乘支持向量机建立了短期负荷预测模型。最小二乘支持向量机的模型参数对模型的学习能力具有重要影响，但目前尚未形成统一有效的选择方法。针对该问题，本文根据短期电力负荷在相关影响因素相近时其负荷变化规律也相似的特点，提出了一种联合相似日和蚁群算法的模型参数选择方法，即根据不同影响因素对负荷预测影响的程度不同的特点，采用改进关联度公式选取若干历史相似日作为训练样本和测试样本，并引进新型的全局搜索算法--蚁群算法来优化选择参数。实例分析表明该方法所选择的参数更具合理性，提高了模型的泛化能力。介绍了一种基于概率统计的异常数据辨识方法，对辨识出的异常数据分别进行纵向、横向修正。结合某地方电网的实际负荷数据和气象数据，分析了短期负荷预测的影响因素，特别是气象条件以及气象条件的累积效应对短期负荷预测的影响。通过采用不同气象条件的“累积阈值函数”进行数值折算，从而可以根据气象数值的变化对这种累积效应进行定量描述。在综合考虑相关影响因素的基础上，利用上述参数选择方法所确定的最小二乘支持向量机模型进行实例预测，验证了本文所建预测模型的有效性。3.期刊论文刘运红.姜铁兵.陈丰华.梁年生.杨立常基于气象因素的短期电力负荷ANN预报模型-水电能源科学2001,19(4)提出了一种基于气象因素,利用人工神经元网络进行电力系统短期负荷预报的方法.该方法比较全面地考虑了气象因素对电力系统负荷的影响,操作方便、易用.仿真计算和实际预报结果表明,预报准确度较高.4.期刊论文陈耀武.汪乐宇.龙洪玉基于组合式神经网络的短期电力负荷预测模型-中国电机工程学报2001,21(4)通过对电力负荷变化规律和影响因素的分析，提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先，采用模糊聚类分析方法，以每天的24点负荷数据、天气数据以及天类别数据为指标，将历史数据分成若干类别；其次，对每一类别建立相应的神经网络预测模型；预测时通过模式识别，找出与预测天相符的预测类别，利用相应的神经网络预测模型进行24小时的短期电力负荷预测。对绍兴地区2年多的实际负荷变化数据进行预测分析的结果表明，该模型不仅对普通工作日有较高的预测精度，对双休日、节假日和一些特殊情况也有较好的预测精度。5.学位论文冯英基于智能控制的短期电力负荷预测方法研究与应用2005随着电力工业市场化进程的加快，电力系统短期负荷预测精度的好坏直接影响到产业部门的经济效益，是现代电力系统运行研究中的重要课题之一。人工神经网络法作为近几年研究最热的智能预测方法，其中网络模型的合理与否是提高短期负荷预测精度的关键所在，目前关于这方面的研究还缺乏成熟的理论依据。本文首先以实例为背景，深入研究了神经网络的模型建立问题，并提出了较为适用的建模方法和应遵循的原则；然后针对历史数据中异常数据的处理，本文提出了一种新型而有效的异常数据预测修正法，即利用预测时刻以前的最新负荷相关信息来修正异常数据。实验表明，其预测精度明显高于常规的异常数据处理方法；最后，本文编制了一套《电力系统短期负荷预测软件》，并将该软件应用到巴盟地区的实际电网中，得到了令人满意的预测结果。6.会议论文贾伟.刘志富.范卫东.陈亚红.穆钢短期电力负荷预报中异常数据的识别与处理2002分析了历史负荷中异常数据对负荷预报的影响,对实际电力系统中遇到的异常数据进行了分类,并对各类数据的处理从工程实际出发采用了适当的方法.给出了对预报日预报时刻后至24点的数据补足算法.具体电力系统的算例从统计意义上说明了异常数据处理前后,预报误差的变化.7.期刊论文朱陶业.李应求.张颖.张学庄.何朝阳.ZHUTao-ye.LIYing-qiu.ZHANGYing.ZHANGXue-zhuang.HEChao-yang提高时间序列气象适应性的短期电力负荷预测算法-中国电机工程学报2006,26(23)采用时间序列中的自回归求和移动平均算法(ARIMA)对日负荷进行粗预测,获得消除了周期性的受气象因素影响较强的差值序列.结合气象信息,为小规模神经网络构造能反映气象变化的新息序列,为网络提供良好的训练与适应环境,训出对气象非平稳变化敏感的输出因子Y,再用敏感因子对ARIMA算法的预测结果进行修正,从而构建出对气象适应性较强的ARIMA+Y的预测算法.利用Delphi5.0实现的负荷预测软件对广西负荷区进行预测,多年的运行证明:该算法对广西负荷区气象非平稳变化具有很好的敏感性和适应性,能显著提高气象非平稳变化日的预测准确率,较好地解决了在气象变化影响下用ARIMA算法预测准确率偏低的问题.8.学位论文王海洁应用卡尔曼滤波技术预测短期电力负荷1998该文在详细分析电力系统负荷的特点和变化规律以及对各种短期负荷预测方法的分析比较基础上,提出了一套适用于电力系统的线短期负荷预测的方法.根据对负荷变化规律的分析,在不良负荷数据的预处理之后将负荷分解为三种不同特性的分量:基本负荷分量、随机负荷分量和特殊负荷分量,三种负荷分量分别建模预报.在预测时利用最近负荷数据进行模型建立及参数辨识工作,以反映最近负荷变化规律;基于负荷分量采用指数平滑法预测;随机负荷分量建立24阶自回归(AR)模型,采用最小二乘法进行参数辨识,然后应用卡尔曼滤技术滤除机干扰的影响,利用负荷的条件期望进行预测;特殊负荷分量反映了周末负荷不同于工作日负荷的部分,利用它进行周末负荷的预测.预测结果表明:该文方法具有计算速度快、预测精度较高的优点,可适用于电力系统在线的短期负荷预测.9.期刊论文凌滨.魏佳旻.LingBin.WeiJiamin短期电力负荷预测方法的研究-林业科技情报2006,38(3)介绍短期负荷预测与分析的方法及提高预测精度的方案设计,并对各种预测方法的特点进行了研究.根据电力负荷预测的特性,建立了负荷预测的方法库,该方案灵活、多样,使用方便,其结果已成经济调度和推行电力市场的必要基础.10.学位论文张博基于智能优化模型的短期电力负荷预测系统2006电力系统短期负荷预测是一个非常复杂的系统，由于智能技术易于结合各种影响因素，通过不断学习处理复杂的非线性映射，因而在短期负荷预测中应用广泛。然而发展最成熟的BP神经网络在应用中却面临两个问题：一是网络收敛速度慢、容易陷入局部极小值，二是网络结构设计问题。因此，本文首先引入带动量因子的变步长BP算法，引入粒子群优化算法训练神经网络初始权值，建立智能优化负荷预测模型PSO-BPNN。其次，分析保定市负荷特性，确定96点负荷预测的优化模型网络结构。接着，应用优化模型进行负荷仿真预测，分析预测结果。最后，以VB6.0和ACCESS数据库为开发平台，编制基于智能优化模型的短期电力负荷预测系统。本文链接：：上海海事大学(wflshyxy)，授权号：8f0298fa-4b6d-459a-8976-9de5011e2a94下载时间：2010年9月2日