基于数据挖掘的电力系统短期负荷预测研究

大连理工大学硕士学位论文基于数据挖掘的电力系统短期负荷预测研究姓名：李冬伟申请学位级别：硕士专业：计算机应用技术指导教师：程春田20071217基于数据挖掘的电力系统短期负荷预测研究作者：李冬伟学位授予单位：大连理工大学相似文献(10条)1.学位论文刘小华数据挖掘在电力系统短期负荷预测智能化建模中的应用研究2003负荷预测是电力系统的一项基本工作,在整个经济运行中占有重要地位.可靠的负荷预测不仅对系统规划非常重要,在电力的市场化趋势下,它还直接带来可观的经济效益.近二十年来,国内外大量的专家学者对负荷预测技术进行了卓有成效的理论研究和应用实践.但是,从公开的文献来看,这项技术的重点主要集中在模型和算法设计上,对负荷影响因素的分析却比较笼统.事实上,如果影响因素没有分析正确,要得到准确的负荷预测是相当困难的.本文认为,要进行准确的负荷预测,必须对历史数据进行深入分析,由于数据挖掘技术具有从海量信息中挖掘知识的能力,因此在负荷预测中引入了数据挖掘理论,以期建立智能化的预测模型.通过制定各种数据挖掘元模式,指导数据挖掘引擎对历史数据仓库进行挖掘,来发现有用的知识.这些知识包括影响负荷变化的因素、因素变化时负荷变化的规律、与预测日输入信息最适合的训练样本及预测样本等.此外,本文将用于数据挖掘和预测的模型算法提取出来单独组建模型算法库,提出了模型算法分离的思路,以期使模型和算法的组合具有更大的灵活性,提高效率和节省资源.在预测模式和模型算法的选择上,本文也提出了一种新的策略,运用不同预测模式下,各种模型算法组合的历史测试记录和预测记录,为预测模式和模型算法的选择提供参考.在具体的模型算法设计上,论文的主要工作可以概述为:针对传统K均值聚类算法的不足,提出了一种新的聚类算法——逐级均值聚类算法,解决了传统聚类算法解的局部最优性问题和如何确定聚类数目的问题.在应用该算法确定RBF模型隐含层的中心向量时,同时确定了隐含层的节点数和RBF网络模型的结构.对于RBF网络参数的确定,文中也提出了一种新的交互式的学习方案,将学习样本分为训练样本和测试样本,分别对网络进行权值确定和半径调节,得到了非常稳定的网络结构.2.期刊论文范展滔.罗伟胜数据挖掘方法在日负荷预测中的应用-电力标准化与计量2003,12(4)介绍数据挖掘技术的基本概念、任务及其主要方法,重点探讨了数据挖掘用于负荷预测中的基本步骤,提出了构筑于数据挖掘基础上负荷预测的思想.3.期刊论文刘敦楠.何光宇.范旻.孙英云.陈雪青.周双喜数据挖掘与非正常日的负荷预测-电力系统自动化2004,28(3)提高非正常日的负荷预测精度是当前负荷预测工作的难点.文中提出了一种基于知识库的事先判别突变并做出适当处理的预测流程,介绍了利用数据挖掘的决策树技术建立知识库的方法,并给出了几种典型的非正常日修正模型.最后,通过对长时期负荷预测数据的统计分析,说明了新方法的有效性和实用性.4.学位论文谢民主负荷预测多维数据模型及实视图研究2003本论文根据电力负荷预测系统的历史数据集的特点及各种预测方法、OLAP及数据挖掘的对数据源的需求,研究了多维数据建模及实视图维护的理论,以增强数据源独立性、可维护性和提高联机分析处理和数据挖掘的效率.本文分为五个部分.第一部分简单介绍了电力负荷预测的意义、现状和存在的问题,提出建立数据仓库支持负荷预测以解决现存问题,然后突出数据仓库研究中有关逻辑建模及效率的两个关键性的理论问题:多维数据建模及实视图的选择与维护,在后面的两个部分分别对它们进行的阐述.第二部分首先概述了多维数据建模的意义与国内外研究的现状,指出了目前人们已提出的多维数据模型的局限性,然后针对负荷预测系统的特点提出了一个新的模型,该模型解决了不同维公用一个底层层次属性,把系统中不完全的低粒度数据集和完全的粗粒度数据集在逻辑上无缝地结合起来支持联机分析处理的问题,这是以前的多维数据模型所没有解决的.第三部分首先讨论了国内外实视图选择和维护领域内已有的研究成果,然后根据负荷预测系统OLAP,数据挖掘的特点,提出了一种新的维护算法,该算法能有效地提高数据仓库维护的效率.第四部分讨论了如何利用本文中提出的多维数据模型及实视图维护算法支持负荷预测系统.论文最后对全文进行总结,对需进一步研究的问题进行了展望.5.期刊论文熊浩.李卫国.黄彦浩.张海峰.畅广辉.XIONGHao.LIWei-guo.HUANGYan-hao.ZHANGHai-feng.CHANGGuang-hui基于模糊粗糙集理论的综合数据挖掘方法在空间负荷预测中的应用-电网技术2007,31(14)基于模糊粗糙集理论,提出了一种综合数据挖掘方法,并将其应用于空间负荷预测中.基于规则约简方法提出了循环采样方法,采用数据库知识获取技术按采集的样本属性值将样本聚类,根据聚类中心对连续取值的属性设定模糊值,根据决策属性的包含度对模糊粗糙规则进行筛选,并采用数据库知识获取技术实现了用地类型的转换.算例结果表明该方法简单灵活,可用于短期、中期和长期空间负荷预测中.6.学位论文张国江软计算方法和数据挖掘理论在电力系统负荷预测中的应用2002该文概述了数据挖掘技术的有关内容,着重阐述其中两种重要的思想:分类方法与聚类分析,并详述它们的具体实现方法.该文关于负荷预测问题的研究始终贯穿了这两种思想.神经网络和模糊系统是软计算的重要基础,它们是设计智能系统的精髓.该文详细讨论了BP网、Kohonen网两种神经网络和TSK型模糊推理系统的原理、结构和算法等基本问题,其中前两者用于对负荷坏数据的处理,后者用在多因素负荷预测建模.负荷坏数据辨识是由负荷曲线抗差聚类和坏数据曲线模式分类两个顺序的过程组成的;该文通过对Kohonen网的抗差聚类和BP网模式分类的效果分析,设计由这两种网络组合而成的神经网络模型,较好地完成了坏数据辨识的任务.该文以模糊推理系统为基础,构建自适应神经—模糊系统建立预测模型.建模过程中解决了两个主要问题:模糊建模中的结构辨识问题和ANFIS系统参数辨识的收敛性问题.该文采用决策树分类方法完成结构辨识的任务,初步找出负荷变化的模式,有效减少了系统需要优化调整的参数数量;采用拟牛顿优化方法,较好地解决了大规模参数优化问题.模糊建模的难点是结构辨识中输入变量的选择和输入空间的划分.该文采用CART算法来解决结构辨识问题,它能够剔除无关变量并将输入空间划分成树状结构;在此基础上设计适当的隶属度函数,提高了参数辨识过程的精度和速度.7.会议论文许涛.贺仁睦.徐东杰.王鹏数据挖掘与电力系统负荷预测2003将数据挖掘技术应用于电力系统负荷预测,提出一整套负荷预测挖掘方案,有效地克服了数据有限性、不完整性及影响因素的复杂性对预测结果的影响,在EUNITE网络中的应用结果证明了该方案对预测电力系统负荷的独特优势.8.学位论文张特来基于时间序列的数据挖掘方法在电力负荷预测中的应用研究2006本文将时序分析技术与数据挖掘理论相结合，研究了一种新的基于时间序列的数据挖掘方法用于对未来数据的预测。该方法在挖掘过程中结合时序分析技术，建立起适合于数据挖掘中BP神经网络的输入样本模型，通过反复学习从时序中发现其背后系统的规律，并将其用于未来趋势的分析和预测。同时，针对原有的BP算法的不足，对其做了进一步改进。本文以电力系统的实时数据为主要的时间序列研究对象，针对阜新地区电网运行实际，开发了相应的电力负荷预测应用软件。通过仿真试验，结果表明本文建立的模型合理，大大提高了电力负荷预测的准确度，对基于时序的数据挖掘理论的推广和应用做了有益的探索。9.期刊论文吴小明.邱家驹.张国江.蔡建颖软计算方法和数据挖掘理论在电力系统负荷预测中的应用-电力系统及其自动化学报2003,15(1)数据挖掘技术能够从大量数据中发现潜在知识,软计算是创建智能系统的有效方法,本文将两者结合,完成电力预测过程的两个主要任务:负荷坏数据处理和多因素负荷预测模型的建立.通过对Kohonen网聚类挖掘和BP网分类挖掘的效果分析,设计由这两种网络组合而成的神经网络模型,完成坏数据辨识和调整的任务;以模糊推理系统为基础构建多因素负荷预测模型,本文采用CART分类挖掘技术解决模糊结构辨识中的两个难点问题:输入空间划分和输入变量选择,在此基础上设计ANFIS网络进行参数辨识.良好的实例分析效果说明,数据挖掘思想和软计算方法相结合,是电力系统负荷预测的一种有效的思路和方法.10.学位论文王小强基于数据挖掘技术的行业应用2002数据挖掘,也可以称为数据库中的知识发现（KnowledgeDiscoveryinDatabase,KDD）,是从大量数据中提取出可信、新颖、有效并能被人理解的模式的高级处理过程.该文从数据挖掘的背景出发,阐述了西安供电局电网自动化系统中数据挖掘技术的应用情况;介绍了数据挖掘中常用的方法和算法,并针对数据挖掘的流程来阐述负荷预测实现的整体过程;通过负荷预测的实现,说明了数据挖掘系统的实施给企业能够带来相当大的利益,并给企业决策层提供很好的决策依据.该文还对数据挖掘的发展前景进行了描述,并对论文中存在的问题和进一步的工作做了相应的说明.本文链接：：上海海事大学(wflshyxy)，授权号：d83ef78f-17a1-4632-9b32-9de500dce834下载时间：2010年9月2日