收藏本站
《河北工程大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

偏最小二乘回归分析在短期负荷预测中的应用

钟光科  
【摘要】:电力系统短期负荷预测对系统运行的稳定性和经济性,对系统的控制、优化都有着重要的意义,同时也是电网规划的前提。 现有的短期负荷预测方法有传统预测法和现代预测法,短期负荷预测的趋势在于对现有方法的改造升级,以及对几种模型预测结果的优化合成和加权平均。本文从统计和数学理论出发,介绍一种新的方法,即偏最小二乘回归算法对电力系统进行短期负荷预测。偏最小二乘回归分析是一种近些年来新兴的多元统计数据分析方法,可以这样认为,它是多元线性回归分析,主成分分析,典型相关分析的组合体,它可以方便的实现数据准备和预处理,同时在自变量数目少和自变量之间有很强的多重相关性的条件下,实现灵活建模,同时,它还可以对输入值提取成分,而提取出来的部分具有线性无关的优良特性。在提取主成分的时候,不仅考虑自变量的信息,也考虑因变量的信息,使提取的主成分能同时反映自变量和因变量的信息,在回归和预测方面能达到很好的效果。由于偏最小二乘法在建模的同时实现了数据的简化,因此可以在二维平面上对多维数据的特性进行观察,这使得偏最小二乘回归分析的图形功能十分强大,有利于工程人员的分析应用。 影响短期负荷水平有着许多外在因素,除历史负荷数据外,天气因素,比如气温,风速,降雨量,都将对负荷水平产生重要的影响。本论文中,把所有这些因素的取值叫作特征量,并建立特征量与因变量之间的回归方程,然后对短期负荷作出预测。实例验证偏最小二乘回归分析可以完成高精度的负荷预测,结果可靠。 一般电力负荷有2个高峰:早、晚,还有一个日最小负荷数值。本文用“给出的多个天气因子”,结合“日出时刻”和“日落时刻”,回归出“日最大负荷值”、“日最小负荷值”,以及它们出现的时刻,然后用这些因子,回归出“日平均负荷值”。一共5个结果,可以通过这些因子预测出来。通过偏最小二乘回归“自动筛选出重要因子、并合成新的因子”的最终计算,可以发现,各种因子对负荷的影响是不一样的,偏最小二乘回归分析给出了分析特征量与负荷的关系及建立一个合理的预测模型的方法。
【学位授予单位】:河北工程大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:TM715

【相似文献】
中国期刊全文数据库 前10条
1 周虎;江岳春;陈旭;黄珊;彭信淞;;模糊聚类分析和代数算法结合的短期负荷预测[J];电力系统及其自动化学报;2011年03期
2 郭华安;加玛力汗·库马什;常喜强;姚秀萍;;电力系统短期负荷预测精度研究[J];科技资讯;2011年21期
3 袁斌;方芩璐;罗滇生;王娟;;短期负荷预测中对输入-输出关联度的改进[J];电力系统及其自动化学报;2011年03期
4 代小红;王光利;;L-M优化BP算法在短期负荷预测中的应用[J];计算机科学;2011年07期
5 李慧;王来运;;基于混沌蚁群算法的电力短期负荷预测[J];北京信息科技大学学报(自然科学版);2011年04期
6 张红;张建红;康岩松;;基于GA的改进SVM算法对RBF优化算法在短期负荷预测中的应用[J];长春工程学院学报(自然科学版);2011年02期
7 丁胜祥;董增川;张莉;李庆航;;基于偏最小二乘回归的洪水预报方法[J];河海大学学报(自然科学版);2011年04期
8 刘彬;王红蕾;;贵州输配电网短期负荷可行性预测[J];机械与电子;2010年S1期
9 王艳;;异常点检测后的偏最小二乘回归模型[J];科学技术与工程;2011年19期
10 黄昕颖;;高阶灰色预测模型在短期电力负荷预测中的应用研究[J];机电信息;2011年18期
中国重要会议论文全文数据库 前10条
1 胡松峰;彭显刚;;电网短期负荷预测方法综述[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
2 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
3 邢晓哲;刘玉良;丁旭元;;考虑端点效应的经验模态分解在短期负荷预测中的应用[A];低碳经济与科学发展——吉林省第六届科学技术学术年会论文集[C];2010年
4 刘念;徐成华;;利用RBF对农村低压台区进行短期负荷预测[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
5 陈式龙;;我国出口贸易偏最小二乘回归的实证分析[A];“珠江三角洲经济发展与流通现代化”大型理论研讨会论文集[C];2005年
6 杜国荣;蔡文生;邵学广;;双共识模型建模方法用于近红外光谱的定量分析[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
7 杨善彬;杨青林;梁桂兆;潘元;李雷光;;3D-HoVAIF用于环己烯类神经氨酸酶抑制剂的QSAR研究[A];2011年中国药学大会暨第11届中国药师周论文集[C];2011年
8 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
9 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
10 吴从元;王俊;韦真博;王永维;叶盛;;电子舌预测纯牛奶表观粘度[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
中国重要报纸全文数据库 前9条
1 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
2 张树斌 范明;湖北电网中、短期负荷预测系统显神威[N];华中电力报;2001年
3 王海亚;负荷预测的几种方法及特点[N];黔西南日报;2008年
4 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
5 本报记者 林海宇;对迎峰度夏和奥运保电工作再部署再动员[N];华东电力报;2008年
6 宋鹏涛;华北电网多措并举保国庆用电[N];华北电力报;2005年
7 曹琰陈也清;华中电网用电负荷创新高[N];国家电网报;2008年
8 记者 龙建平;“黄金周”广东电网两不误[N];中国电力报;2006年
9 崔春华;西北电网公司积极调度缓解我省供电紧张[N];陕西日报;2008年
中国博士学位论文全文数据库 前10条
1 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
2 张智晟;基于多元理论融合的电力系统短期负荷预测的研究[D];天津大学;2004年
3 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
4 王艳树;超低温冻融对近红外光谱法测定土壤磷、钾含量的影响[D];沈阳农业大学;2012年
5 李霞;基于数据挖掘的两相流参数测量新方法研究[D];浙江大学;2009年
6 杨奎河;短期电力负荷的智能化预测方法研究[D];西安电子科技大学;2004年
7 钱晓英;外商直接投资、国际贸易促进经济增长的实证研究[D];湖南大学;2005年
8 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
9 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
10 殷弘;Kriging方法在定量的分子结构与分子化学属性之间关系的建模研究[D];武汉大学;2005年
中国硕士学位论文全文数据库 前10条
1 钟光科;偏最小二乘回归分析在短期负荷预测中的应用[D];河北工程大学;2011年
2 朱焕荣;遗传规划在电力短期负荷预测中的应用[D];河北农业大学;2011年
3 刘凯;基于改进BP神经网络的短期负荷预测研究[D];河海大学;2005年
4 冷北雪;基于支持向量机的电力系统短期负荷预测[D];西南交通大学;2010年
5 杨晓晶;基于EMD和高斯过程回归组合模型的短期电力负荷预测方法研究[D];昆明理工大学;2010年
6 刘继胜;基于人工神经网络的电力系统短期负荷预测的应用分析[D];华北电力大学(北京);2011年
7 赵福成;基于人工神经网络的短期负荷预测[D];华北电力(北京)大学;2002年
8 李海东;人工智能方法在电力系统短期负荷预测中的研究[D];辽宁工程技术大学;2002年
9 李琳娜;配电GIS中的短期负荷预测的研究与实现[D];华中科技大学;2010年
10 陈晨;基于WNN神经网络的短期负荷预测[D];西安理工大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026