收藏本站
《华北电力大学(河北)》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

基于知识发现的电力需求复合预测研究

李春祥  
【摘要】: 电力需求预测是电力系统规划与运行的重要基础工作,是电力企业制定购电和发电计划的重要依据,也是电网安全经济运行的重要保障。电力需求指标会受到各种因素的影响,知识发现理论和方法能够用来挖掘指标变化的内在规律及其与影响因素之间的相互关系,从而做出更加科学准确的预测。本文在电力需求预测方面做了如下研究: (1)研究并提出了基于三指标量的复合预测模型。三指标量即指标总量、指标增长量和指标增长率,将预测指标序列转换为三指标量序列,对每个序列进行独立分析并预测,然后再拟合成最终的预测结果,称之为复合预测。文中将电力需求预测划分为电量预测和负荷预测,并应用灰色关联分析对电量指标与影响因素之间的相互关系进行了分析。根据复合预测思想的设计了实现模型,即基于三指标量的电量复合预测综合模型。该模型借鉴了组合预测的思想,首先利用层次分析法针对三指标量序列分别进行模型评价和优选,评价的标准包括模型预测误差、模型拟合度、模型专家信任度和预测趋势可信度,之后研究了两种拟合方法,分别为基于预测有效度的拟合方法和径向基神经网络的拟合方法,并分析了两种方法的优缺点。通过实例分析,对比了综合模型相比传统模型的优势。复合预测方法能够通过对预测指标的多角度分析,获得更多有关数据变化的内在规律,从而做出更加科学的预测。 (2)研究了综合利用多种数据挖掘方法进行短期负荷预测的方法。首先基于粗糙集对负荷的影响因素集合进行约简,以约简的影响因素集作为日特征集,之后利用模糊C-均值聚类方法对日负荷曲线进行聚类分析,将曲线形态最为近似的聚为一类,最后以日特征集代替对应的日负荷曲线,并计算每类的类中心。进行预测时,计算预测日的日特征集到各类中心的距离,距离最近的为预测日的归属类,从归属类中选取历史数据作为训练样本对BP神经网络预测模型进行训练。通过实例分析,该方法能够显著提高预测精度,并且能够适应一些特殊日期的负荷变化。 (3)研究了协同知识发现在电力需求预测中的应用方法。协同知识发现能够融合用户驱动知识和数据驱动知识,使用户参与到知识发现的整个过程中,通过知识聚焦实现对知识的进一步挖掘,实现知识库的动态更新和知识的全面评价。文中提出了电力需求预测协同知识发现逻辑模型,充分考虑了电力需求预测的特点,主要实现对预测结果的综合评价,并在此基础上实现对预测结果的微调。 (4)研究并开发了电力需求预测分析系统。系统应用了复合预测的思想,采用模块化设计,具有界面友好、功能丰富、分析全面、可扩展性强等特点,已经在河北省电力公司发展策划部成功应用两年多,并获得了河北省电力公司科技进步二等奖。
【学位授予单位】:华北电力大学(河北)
【学位级别】:博士
【学位授予年份】:2009
【分类号】:F224;F407.61

【相似文献】
中国期刊全文数据库 前10条
1 ;高温导致电力需求陡增 日本讨论电力构成问题[J];上海电力;2011年03期
2 ;重庆市人民政府办公厅关于加强有序用电工作的通知[J];重庆市人民政府公报;2011年12期
3 叶润霞;;浅谈电力系统营销管理[J];黑龙江科技信息;2011年26期
4 ;科威特将建140万千瓦水电站保电力供应[J];中国水能及电气化;2011年08期
5 焦晓佑;;缓解“缺电”之道[J];中国电力企业管理;2011年11期
6 崔荣会;;数据价值亟待演绎[J];中国制造业信息化;2011年12期
7 杨锋;;我国目前电力供需不平衡问题的解决途径[J];沿海企业与科技;2011年05期
8 ;双管齐下应对电荒[J];机电信息;2011年18期
9 和联;;“缺电”≠“电荒”[J];中国电力企业管理;2011年11期
10 单葆国;顾宇桂;;电力装机增速将低于用电增速——2011年全国电力供需形势分析[J];国家电网;2011年07期
中国重要会议论文全文数据库 前10条
1 杨光飞;党延忠;;不完美数据中的知识发现研究综述[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
2 李汶江;周馨;;500千伏设备集控中心建设研究[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
3 陈松航;朱凤华;吕宜生;查磊;;面向人工交通系统的本体知识库构建与应用[A];第六届(2011)中国管理学年会——系统管理与复杂性科学分会场论文集[C];2011年
4 张孺牛;;浅析电网建设机制的管理创新[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
5 于海波;姜锴;;数据挖掘在银行交叉销售中的应用研究[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
6 张晶;张斌;胡学钢;;已知关联性的冗余规则消除算法研究[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
7 李汶江;刘佳;卢顺;周馨;;超特高压输变电集控中心建设研究[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
8 马新顺;;基于多智能体学习模型的发电商竞争均衡分析[A];第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会论文集[C];2011年
9 李亚玲;李启安;朱添福;;改进K-means算法在多晶硅来料质量检验中的分析及应用[A];2011国际信息技术与应用论坛论文集(《计算机科学》2011.7)[C];2011年
10 农国武;乔晓东;朱礼军;;基于数据仓和数据挖掘技术的铝电解决策支持系统[A];中国计量协会冶金分会2011年会论文集[C];2011年
中国重要报纸全文数据库 前10条
1 李海峰;康巴什新区“北扩东进”电力需求五年内将全部满足[N];鄂尔多斯日报;2010年
2 本报见习记者 公欣;20年内风电将满足全球1/5的电力需求[N];中国经济导报;2010年
3 本报记者 李阳丹;2020年风电占电力需求的12%[N];中国证券报;2010年
4 记者 陈伟阳;满足阿勒泰电力需求[N];阿勒泰日报(汉);2011年
5 CNE记者 赵坤;超级太阳能电厂或将满足全球50%电力需求[N];中国电力报;2011年
6 记者 齐慧;前5个月全国电力需求增12%[N];经济日报;2011年
7 本报驻日本记者 崔寅;高温导致电力需求陡增 日本讨论电力构成问题[N];人民日报;2011年
8 记者 房晓童;电力需求旺盛 供应总体偏紧[N];国家电网报;2011年
9 春燕;2009电力需求呈前低后高态势[N];市场报;2009年
10 ;电力需求三季度将回落[N];中国高新技术产业导报;2004年
中国博士学位论文全文数据库 前10条
1 李春祥;基于知识发现的电力需求复合预测研究[D];华北电力大学(河北);2009年
2 刘广迎;基于基德兰德经济周期理论的电力需求波动分析[D];华北电力大学(北京);2010年
3 谢宗霞;太阳宁静区磁场流场特性知识发现的方法研究[D];哈尔滨工业大学;2010年
4 杨立;基于领域知识的知识发现研究[D];中国科学院研究生院(软件研究所);2005年
5 陈元;基于分类模型的知识发现过程研究[D];国防科学技术大学;2002年
6 李初民;基于网络管理数据库中性能数据的知识发现(KDD)研究[D];重庆大学;2001年
7 李刚;知识发现的图模型方法[D];中国科学院软件研究所;2001年
8 谢志鹏;基于概念格模型的知识发现研究[D];合肥工业大学;2001年
9 吴涛;构造性知识发现方法研究[D];安徽大学;2003年
10 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年
中国硕士学位论文全文数据库 前10条
1 戚其荟;市场经济条件下居民用电分析与预测模型的研究[D];华北电力(北京)大学;2002年
2 薛静;专家信息管理系统在CRM中的研究与应用——基于java技术的构架[D];西北工业大学;2001年
3 陈红叶;Web信息提取及知识发现方法研究[D];合肥工业大学;2002年
4 迟庆云;基于决策树的分类算法研究和应用[D];山东师范大学;2005年
5 王益玲;基于DCS实时信息的智能故障诊断系统的研究与设计[D];南京工业大学;2003年
6 李长源;关联规则挖掘算法研究[D];哈尔滨工程大学;2005年
7 袁学良;山东省电力发展规划战略环境评价[D];山东大学;2005年
8 郭国印;数据挖掘技术的研究及其在PLM中的应用[D];西北工业大学;2005年
9 谷宏群;数据挖掘中可视化方法研究[D];武汉大学;2005年
10 梁利莉;数据挖掘技术在CRM中的应用研究[D];首都经济贸易大学;2005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