电力系统短期负荷预测方法的研究

郑州大学硕士学位论文电力系统短期负荷预测方法的研究姓名：张德玲申请学位级别：硕士专业：电力系统及其自动化指导教师：陈根永20070515电力系统短期负荷预测方法的研究作者：张德玲学位授予单位：郑州大学相似文献(10条)1.期刊论文王武.张元敏.蔡子亮.WANGWu.ZHANGYuan-min.CAIZi-liang基于遗传优化神经网络的电力系统短期负荷预测-继电器2008,36(9)电力系统短期负荷预测是电力系统运行管理和实时控制所必须的基本内容,预测结果的准确性对电力系统的安全、优质,经济运行具有重要意义.通过非参数预测法建立电力系统短期负荷预测模型,以此作为Elman神经网络训练的样本集,实现网络样本设计,结构设计与网络训练,充分发挥Elman神经网络动态特性,将改进的遗传算法和Elman神经网络相结合,通过选择,交叉、变异等遗传操作,实现了神经网络权值优化.采用基于遗传优化神经网络的电力系统短期负荷预测新算法,提高了负荷预报精度,具体算例证明了算法的可行性和有效性.2.学位论文赵宇红基于模糊神经网络的电力系统短期负荷预测研究2004目的:电力系统短期负荷预测是能量管理系统(EMS)的重要组成部分,也是核反应堆功率控制系统的重要组成环节,它对核电站的运行,控制和计划都有着非常重要的意义.提高电力系统短期负荷预测精度是实现核电站的经济、高效运行的必要前提.由于负荷预测的复杂性、不确定性,从而使传统的基于解析模型和数值算法的模型难以获得精确的预测结果.人工神经网络(ANN)可以模仿人脑的智能化处理,具有逼近任意非线性函数的特征和自学习能力,给负荷预测提供了一种新的途径.但是该模型本身也存在着不足,为了进一步提高电力系统短期负荷预测精度,该课题提出了一种新型的短期负荷预测方法,该方法引入了擅长处理不确定性,不精确性及噪声引起的问题的模糊系统,将它与具有分布式并行处理和自学习机制的神经网络结合,构建了一种新型的短期负荷预测模型.该课题中首先采用多层前馈神经网络,以与预报点负荷相关性最大的几种因素作为输入因子,以改进BP算法作为预测算法,来预测预报日各点负荷,得出基本负荷值.然后引入一种新的短期负荷预测模型--自适应模糊神经网络,用于预测预报日的最大、最小负荷,针对模糊神经元的权值更新问题,采用了一种新的权值更新算法--一步搜索寻优法,在获得预报日基本负荷分量和最大负荷、最小负荷的基础之上,通过纵向变换,对预报日的负荷进行修正,进一步减小了预测误差.将上述模型和算法应用于某地区电力系统的短期负荷预测,与传统的预测方法相比较,预测的最大误差由9％降到了5.2％,取得了更好的预测效果.该文的内容包括:绪论;电力系统短期负荷预测模型的分析;人工神经网络模型及其在电力系统短期负荷预测中的应用;基于自适应模糊神经网络的电力系统短期负荷预测模型与算法;电力系统短期负荷预测及结果分析.3.期刊论文马建伟.张国立.MAJian-wei.ZHANGGuo-li人工鱼群神经网络在电力系统短期负荷预测中的应用-电网技术2005,29(11)短期负荷预测结果对电力系统的经济效益具有重要影响.人工鱼群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力.文章建立了一种新的人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,再将该神经网络用于短期负荷预测.对某电力系统进行的负荷预测结果表明,该方法与传统的BP神经网络预测方法相比具有较强的自适应能力和较好的预测效果.4.期刊论文赵宇红.苏泽光.盛义发.匡少滨.ZHAOYu-hong.SUZe-guang.SHENGYi-fa.KUANGShao-binBP神经网络在电力系统短期负荷预测中的应用-南华大学学报（自然科学版）2005,19(3)电力系统短期负荷预测是电力生产部门的重要工作之一,本文利用BP神经网络进行电力系统短期负荷预测时,根据影响因素确定了模型构成,并对输入变量选择进行了讨论,典型算例的计算表明该方法是有效的.5.学位论文关颖支持向量机在电力系统短期负荷预测中的应用2006电力系统短期负荷预测是电力系统安全和经济运行的重要依据.价格竞争机制引入电力系统形成电力市场后,对短期负荷预测的精度和速度提出了更高的要求.虽然负荷预测的研究己有几十年历史,有很多负荷预测的理论和方法,但是随着新理论和新技术的发展,对负荷预测新方法的研究仍在不断地深入进行.支持向量机作为数据挖掘的一项新技术,应用于模式识别和处理回归问题等诸多领域.本文利用支持向量机优越的非线性学习及预测性能,针对短期负荷预测的各种影响因素的非线性特性,提出基于支持向量机的电力系统短期负荷预测新方法,以提高预测精度和时效性,该研究具有重要的理论意义和实用价值.本文分析了支持向量机的基本原理,支持向量机具有非线性拟合、泛化能力强、训练收敛速度快等显著特点.针对电力系统负荷与各种影响因素之间的非线性关系,本文建立了基于支持向量机的短期负荷预测模型,并与神经网络方法作了实例分析比较,结果表明基于支持向量机的负荷预测精度和速度要优于神经网络方法.由于影响负荷的因素繁多且复杂,若对输入不加适当选择处理会导致预测精度降低,训练时间增加.本文采用一种有效的负荷聚类分析处理技术,并将聚类算法与支持向量机相结合,首次提出了联合FCM模糊聚类算法和支持向量机的短期负荷预测新方法.该方法考虑到负荷变化的周期性特点,应用模糊聚类分析的基本原理,依据输入样本的相似度选取训练样本,即选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律.在基于支持向量机负荷预测的基础上,对样本进行模糊聚类分析,选取与预测样本特征相似的样本作为训练样本,建造负荷预测的支持向量机模型.实例分析验证了本文所提方法能够有效地提高负荷预测的精度,缩短了预测时间.6.会议论文辛鹏.辛雷.蔡国伟.李晓琦一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法2007采用经验模态分解(EMD)与支持向量机相结合的的混合模型进行电力系统短期负荷预测的方法。首先运用经验模态分解(EMD)将非平稳的负荷序列分解成若干平稳序列，然后根据分解后各分量的特点构造不同的支持向量机模型对各分量分别进行预测，最后对各分量预测信号再采用支持向量机进行重构得到最终预测结果。在构建支持向量机模型时考虑了气候因素的影响，并将其作为模型的一组输入点。仿真结果表明基于该方法的电力系统短期负荷预测具有较高的精度。7.学位论文莫玲基于时间序列和人工神经网络的电力系统短期负荷预测2006电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一。准确的负荷预测，有助于合理安排发电机组的起停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，有效地降低发电成本，提高经济效益和社会效益。因此，负荷预测己成为实现电力系统管理现代化的重要内容之一。随着我国电力事业的发展，负荷预测尤其是短期负荷预测越来越受到重视。然而，由于众多影响因素造成的复杂性和随机性使得短期负荷预测没能得到较好的解决。目前，国内外电力系统短期负荷预测的方法很多，比如时间序列法、回归法、专家系统法、人工神经网络法，他们各有优缺点。但没有一种方法能保证任何情况都可以获得满意的预测结果，故提高预测精度一直是人们致力研究的方向。本文首先论述了短期负荷预测的意义和基本原理，在探讨电力短期负荷的普遍规律性的基础上，介绍了现有的几种负荷预测方法，并指明了他们的优缺点。然后分别对经典预测法中的随机时间序列法，以及现代最具潜力的人工神经网络方法进行了深入的研究。论文主要总结了Box-Jenkins的ARIMA线性模型预测的基本思想及详细过程，研究了BP人工神经网络用于短期负荷预测时面临的关键问题及技术难点，诸如训练速度慢、容易陷入局部最小点等缺点。为了解决这些问题，本文提出了改进的BP算法，在确定网络训练样本的选择和优化方法同时提出了网络参数的自适应更新策略。根据历史负荷数据，基于上述思路构造两种方案来预测江西省的春季日负荷。提高人工神经网络预测精度的关键在于正确选择输入特征变量。本文依据负荷构成的随机时间序列自相关系数来提取ANN的特征输入，形成更客观的建模方法。通过与ARIMA线性模型预测结果及改进的ANN模型预测结果的对比，证实所提方案的良好性能。8.期刊论文张春雷.ZHANGChun-lei基于模糊聚类和粗糙集的电力系统短期负荷预测-华北电力大学学报2008,35(3)电力系统短期负荷预测中存在大量的不确定因素直接影响到负荷预测结果的准确性,而粗糙集理论能有效地分析和处理各种不精确、不一致、不完整的信息,并从中发现隐含的知识,揭示潜在的规律.将模糊聚类分析和粗糙集理论结合在一起对电力系统短期负荷进行预测.首先通过模糊聚类分析,根据气温、相对湿度以及日类型等影响负荷的因素将负荷历史数据分成若干类,然后应用粗糙集理论分别建立相应的负荷预测模型.采用某电网提供的数据进行负荷预测,结果分析表明该方法有很高的预测精度,从而说明了基于模糊聚类和粗糙集理论的电力系统短期负荷预测方法的优越性.9.期刊论文唐杰明.刘俊勇.刘友波.TangJieming.LiuJunyong.LiuYoubo电力系统短期负荷预测新方法-四川电力技术2008,31(1)在分析短期负荷预测特征及其主要影响因素的基础上,比较了专家系统、神经网络、支持向量机这些新一代短期负荷预测方法和组合模型的优缺点,综述了近年来上述方法的应用及研究情况,重点介绍了支持向量机和组合模型两种预测方法,指出了智能化、组合模型、区间概率化是未来短期负荷预测方法研究的主要发展方向,并就短期负荷预测实用化提出了建议.10.学位论文章顺华电力市场环境下的电力系统短期负荷预测研究2005本文分两大部分，第一部分为电力市场，第二部分为电力系统短期负荷预测。近20年来，全世界包括中国在内，电力工业的结构已经开始了一个意义深远的变革，它们从不同的目的出发，以不同的模式进行改革，但均趋向同一方向：在传统垄断的电力工业体制中引入竞争机制——电力市场。电力工业通过解除管制、引入竞争，实现提高发电、输电、配电经济效益的目的。随着我国社会主义市场经济体制建设的深入，我国电力工业市场化改革也正在稳步推进。本文论述了我国建立电力市场的目的和实质，对我国电力市场的运营模式进行了探索，分析了我国电力市场目前所面临的问题以及未来的发展方向。短期负荷预测是电力市场技术支持系统的一个重要模块，对电力系统可靠、安全和经济运行具有重要作用。电力系统的运行、调度和经济负荷分配都需要快速、准确的负荷预测。在电力市场运营中，快速、准确的负荷预测有助于经济合理的安排电网内部发电机组的启停，维持电网运行的安全稳定，合理安排机组的检修计划。同时，发电企业可以依据预测数据，合理调整报价策略，有效的降低发电成本；电网运营企业也可在电力市场中以较便宜的电价购电。因此，准确、快速的负荷预测可以实现电力资源的最优化。本文中介绍了电力系统负荷预测的原理、方法及国内外电力负荷预测领域的应用概况，运用人工神经网络模型进行区域电网短期负荷预测。为提高预测精度，根据负荷的不同规律，分别建立工作日(周一至周五)、休息日(周六、周日)以及节日不同的预测模型。模型既具有所需样本数据少、模型简单、精度高等优点，又具有较强的泛化能力。论文以江西南昌电网的负荷作为预测对象，应用分组模型对短期负荷进行预测。预测结果表明，应用人工神经网络的分组模型，对本研究对象进行短期负荷预测，结果较为满意，能够满足实际生产的要求。本文链接：：上海海事大学(wflshyxy)，授权号：df9170dc-1915-456b-baef-9e3b00c74462下载时间：2010年11月27日