收藏本站
《长春工业大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的能源管理系统短期负荷预测

张鑫  
【摘要】:鞍钢矿业公司是国际知名、国内最大的矿业企业,年产值达150多亿元,同时也是耗能大户,具有明显节能潜力,为了提高企业管理水平、节能增效,鞍钢矿业公司委托长春工业大学开发大孤山选矿厂能源管理信息系统(EMS)。短期负荷预测是能量管理系统的重要组成部分,本文研究的就是能源管理信息系统中短期负荷预测的部分,通过对耗电量的预测和分析,为鞍钢矿业公司定制电能报价、运行方案以及供电规划提供了必要的导向,从而促进企业合理使用能源和降低用能成本,进一步提高企业的竞争力。 短期负荷预测指的是对未来一天到几个月的负荷预测,而最为典型的是对未来一天24小时的日负荷曲线预测,这也是本文研究的对象。虽然负荷预测的研究已有几十年历史,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,已成功应用于模式识别和处理回归问题等诸多领域。 本文分析了支持向量机的基本原理和电力负荷预测的基本理论,针对选矿厂的电力负荷特性,着重分析了了其主要影响因素,通过对不同的核函数、参数的预测结果的对比,确立了最优的核函数和相关参数,建立了SVM短期负荷预测模型,并与传统的BP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均要优于神经网络方法。 由于影响负荷的因素繁多且复杂,若对输入不进行适当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,提出了模糊均值C聚类算法(FCM)和支持向量机相结合的短期负荷预测新方法。该方法考虑到电力负荷变化的周期性特点,应用模糊聚类分析的基本原理,根据输入样本的相似度选取训练样本集,即选用同类特征数据作为预测的输入,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。通过实例验证了本文所提出的方法能够有效地提高负荷预测的精度,缩短预测时间,完全适用于鞍钢矿业公司的电耗预测与分析。
【学位授予单位】:长春工业大学
【学位级别】:硕士
【学位授予年份】:2010
【分类号】:TM715

【相似文献】
中国期刊全文数据库 前10条
1 李元诚,方廷健,于尔铿;短期负荷预测的支持向量机方法研究[J];中国电机工程学报;2003年06期
2 李元诚,方廷健;一种基于粗糙集理论的SVM短期负荷预测方法[J];系统工程与电子技术;2004年02期
3 潘峰,程浩忠,杨镜非,张澄,潘震东;基于支持向量机的电力系统短期负荷预测[J];电网技术;2004年21期
4 赵石磊,杜德生;基于神经网络和支持向量机的电力系统负荷预测方法[J];信息技术;2005年07期
5 王东;;回归算法在电力负荷预测中的应用[J];仪器仪表用户;2009年06期
6 龚灯才,李训铭,李林峰;基于模糊支持向量机方法的短期负荷预测[J];电力自动化设备;2005年07期
7 魏俊;周步祥;林楠;邢义;;基于蚁群支持向量机的短期负荷预测[J];电力系统保护与控制;2009年04期
8 牛丽仙;苑津莎;张英慧;;基于粗糙集和支持向量机的电力系统短期负荷预测[J];电力科学与工程;2010年02期
9 龚灯才;孙长银;李林峰;;基于模糊回归支持向量机的短期负荷预测[J];三峡大学学报(自然科学版);2006年01期
10 张庆宝;程浩忠;刘青山;郑季伟;倪东海;;基于粗糙集属性约简算法和支持向量机的短期负荷预测[J];电网技术;2006年08期
中国重要会议论文全文数据库 前10条
1 高荣;刘晓华;;短期负荷预测的模糊聚类多支持向量机模型研究[A];2009中国控制与决策会议论文集(2)[C];2009年
2 刘晓华;高荣;;基于分布式支持向量机的短期负荷预测[A];第二十四届中国控制会议论文集(上册)[C];2005年
3 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[A];第十一届全国电工数学学术年会论文集[C];2007年
4 卢小芬;林志超;方瑞明;;基于组合式支持向量机的电力系统短期负荷预测方法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
5 叶淳铮;常鲜戎;;基于小波变换和支持向量机的电力系统短期负荷预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
6 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
7 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[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
8 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
9 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
10 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
中国重要报纸全文数据库 前10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 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
6 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
7 李水根;计算机详解配伍与药效关系[N];健康报;2005年
8 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
9 曹琰陈也清;华中电网用电负荷创新高[N];国家电网报;2008年
10 宋鹏涛;华北电网多措并举保国庆用电[N];华北电力报;2005年
中国博士学位论文全文数据库 前10条
1 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
2 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
3 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
4 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
5 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
6 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
7 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
8 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
9 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
10 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
中国硕士学位论文全文数据库 前10条
1 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
2 张红梅;基于支持向量机的电力系统短期负荷预测研究[D];河海大学;2006年
3 王李东;基于支持向量机(SVM)的短期负荷预测的研究[D];华中科技大学;2005年
4 邹铁英;基于粗糙集与支持向量机的电力短期负荷预测研究[D];南昌大学;2008年
5 贺媛媛;基于支持向量机的电力系统短期负荷预测模型研究[D];大连理工大学;2006年
6 龚灯才;基于支持向量机的电力短期负荷预测研究[D];河海大学;2006年
7 刘晨;基于支持向量机的电网负荷预测系统研究[D];河北农业大学;2009年
8 叶淳铮;基于小波变换与支持向量机的电力系统短期负荷预测[D];华北电力大学(河北);2009年
9 关颖;支持向量机在电力系统短期负荷预测中的应用[D];天津大学;2006年
10 黄舒宁;基于数据挖掘技术的短期电力负荷预测[D];华侨大学;2008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