收藏本站
《湖南大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

群智能算法与电力负荷预测研究

尹新  
【摘要】:电力负荷预测对于电力系统的建设和运行均有着极其重要的意义和作用。预测精度的高低直接影响着电力系统的安全运行和经济效益。本文从近年来广泛应用于电力负荷预测的群智能算法出发,研究和分析现有的群智能算法以及与之结合的预测模型。通过对算法和模型的改进,建立新的预测模型,并应用于实际的电力负荷预测,得到了预期的效果。本文主要研究的内容如下: 1.研究两种典型的群智能算法:粒子群优化算法(PSO)和蚁群优化算法(ACO)。通过对不同函数优化的分析,对比了两者的优点和不足。以粒子群算法为基础,并吸收模拟退火算法以及蚁群算法的思想对其进行改进,提出了两种改进群智能算法:IPSO和HA算法。比较改进的群智能算法、标准的粒子群算法和蚁群算法对不同函数的优化,表明改进的群智能算法具有一定的优越性和有效性。 2.将群智能算法和神经网络相结合建立新的预测模型。将群智能算法分别和BP、Elman神经网络结合,利用群智能算法代替BP算法优化神经网络的权值和阈值,建立基于群智能算法优化的神经网络预测模型:PSOBPNN,PSOENN,IPSOBPNN,IPSOENN,HABPNN和HAENN。通过对经典的混沌序列进行模拟仿真,验证了基于群智能算法的神经网络预测模型比传统的神经网络模型具有更快的收敛速度以及更高的预测精度。 3.中长期负荷预测对电力系统规划和建设具有重要的意义。将群智能算法和灰色预测模型相结合建立基于群智能算法的灰色预测模型。利用群智能算法代替传统的最小二乘法直接求解灰色模型参数,避免了由于灰色模型在求解过程中因背景值的取值不当而带来的误差。通过对中长期电力负荷的预测,验证了基于群智能算法的灰色预测模型比传统的灰色预测模型具有更高的预测精度和更加广泛的适用范围。 4.电力负荷短期预测方法是当前研究的热点问题,训练样本的建立方法与预测精度密切相关。分析和比较了多步预测和分步预测的优点和不足,结合两种方法的优点提出一种新训练样本建立方法。利用PSO,IPSO和HA算法优化的神经网络预测模型对某市实际的电力系统进行短期电力负荷预测,结果表明HA算法与新预测方法结合可获得更高的预测精度。 5.分析和比较了秋季负荷和夏季负荷的特点,验证了秋季温度变化不大的情况下,负荷和温度之间无明显的相关性;而在夏季温度变化比较大的情况下负荷和温度之间具有明显的相关性。由此确定对秋季负荷进行预测时不引入温度因子,而对夏季负荷预测时则引入温度因子。对实际的电力系统进行短期电力负荷预测,对于秋季负荷不引入温度因子也可达到很高的预测精度,而对夏季负荷引入温度因子具有更高的预测精度,说明温度对夏季电力系统负荷的预测是不可忽视的因素。 6.采样信号的预处理对于提高预测精度具有特殊的意义。通过最优小波包分解,将复杂的电力负荷序列分解成多个简单的、规律性强的负荷分量。分别对这些分量运用新的预测方法进行预测,在对夏季负荷低频分量进行预测时,引入实时温度因子,最后重构负荷序列得到最终预测结果,提高了预测精度。通过实例仿真,验证了该方法的可行性。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 汪丽萍;;论西北地区电力负荷发展[J];河北软件职业技术学院学报;2008年02期
2 李伟,韩力;组合灰色预测模型在电力负荷预测中的应用[J];重庆大学学报(自然科学版);2004年01期
3 姚力文;白小明;陈轶;;基于灰理论的电力负荷预测模型[J];南昌大学学报(理科版);2010年05期
4 郝建军;张振刚;闫宁;;基于灰色理论的电力负荷预测[J];商情(财经研究);2008年06期
5 孙相文;俞明传;;电力市场中电力负荷灰色预测[J];生产力研究;2009年19期
6 索超;;基于Shapley值组合预测技术在电力负荷预测中的应用[J];中国电力教育;2007年S4期
7 魏伟,牛东晓,常征;负荷预测技术的新进展[J];华北电力大学学报;2002年01期
8 汪惟源;;基于灰色模型的中长期电力负荷预测[J];微计算机信息;2009年31期
9 周在阳;周步祥;师玉东;郑海滨;;基于粒子群优化的电力负荷灰色预测模型[J];四川电力技术;2009年01期
10 尹新;周野;何怡刚;陈建;;自适应粒子群优化灰色模型的负荷预测[J];电力系统及其自动化学报;2010年04期
11 黄清社;邓文斌;周保文;黎琼琼;李景禄;;基于灰色模型的等时段序列对电网的负荷预测[J];华东电力;2010年08期
12 刘国志;何鹏清;;基于改进微粒群优化的电力负荷生长曲线预测模型[J];辽宁石油化工大学学报;2011年02期
13 廉巍巍;杜欣慧;武晓冬;宫改花;;灰色等维递补预测模型在电力系统长期负荷预测中的应用[J];科技情报开发与经济;2007年01期
14 邢棉,臧志彬,任峰,杨照芬,张磊;电力负荷预测的最优分段校正模型研究及应用[J];中国电力;2005年06期
15 李小龙;李郁侠;师彪;牛艳利;王煜;;改进粒子群算法在中长期电力负荷组合预测模型中的应用[J];武汉大学学报(工学版);2011年03期
16 顾洁,陈章潮,郑家志;电力系统负荷预报的模糊理论方法[J];上海交通大学学报;1999年12期
17 李国辉,朱建良,许克昆,闻彦;无偏灰色模型在电力负荷预测中的应用[J];哈尔滨理工大学学报;2005年02期
18 赵宇红;胡玲;刘旭宁;;人工神经网络在电力负荷预测上的分析与探讨[J];科技创新导报;2011年02期
19 朱壮春;叶剑锋;;基于灰参数的等时段序列模型对电网的负荷预测[J];计算技术与自动化;2011年02期
20 周晓华;黄玲;刘胜永;;数据处理组合方法在电力负荷预测中的应用[J];供用电;2007年04期
中国重要会议论文全文数据库 前10条
1 康福填;娄素华;姜麟舜;;基于行业贡献率的中长期负荷预测[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
2 章曙光;;基于CBR的电力负荷预测系统的研究与实现[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
3 陈金赛;张新波;;基于改进BP人工神经网络的电力负荷预测[A];浙江省信号处理学会2011学术年会论文集[C];2011年
4 银涛;俞集辉;;基于GRNN的电力系统短期负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
5 朱超余;谢乃明;;灰色预测模型的系统动力学分析[A];第19届灰色系统全国会议论文集[C];2010年
6 刘捷;李军亮;廖锐全;;非等间隔广义累加灰色预测模型及其应用[A];第二十九届中国控制会议论文集[C];2010年
7 宋清芝;匡晓燕;李素萍;;河南省麦收期连阴雨天气预报系统[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“农业气象与生态环境”分会论文集[C];2003年
8 刘侃;田鑫鑫;;基于辛普森积分公式优化的灰色预测模型[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年
9 刘博;张筱慧;许璞;;变权重组合预测方法用于电力负荷预测[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(下册)[C];2008年
10 张筱慧;;标幺值加权平均组合变量生成法用于电力负预测[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(下册)[C];2008年
中国重要报纸全文数据库 前10条
1 薛元荡 鲍导;阜宁县加强电力负荷预测[N];中国电力报;2000年
2 王瑾;率先实现“四个一流”[N];中国气象报;2005年
3 本报记者 奚正喜;尽心服务 尽力先行[N];江淮时报;2005年
4 赵雷;摩托罗拉要手机听话[N];中华工商时报;2003年
5 王宇;高温“烧电”调度有方[N];中国气象报;2002年
6 王宇;气象商品“好卖”还得看市场[N];中国气象报;2003年
7 本报记者 高颖;“软”加速给你的网站插上翅膀[N];计算机世界;2001年
8 辽宁 张强;吸去网络上的“尘埃”[N];电脑报;2002年
9 李东红;成都区县 政企联动保电有序[N];西南电力报;2005年
10 记者 郑晓春;以开发出水管渗漏监测软件[N];科技日报;2010年
中国博士学位论文全文数据库 前10条
1 尹新;群智能算法与电力负荷预测研究[D];湖南大学;2011年
2 周倩;智能工程体系及其在电力负荷预测中的应用研究[D];华北电力大学(北京);2010年
3 叶世杰;基于多指标模型的电力负荷预测研究[D];重庆大学;2010年
4 王建军;基于知识挖掘技术的智能协同电力负荷预测研究[D];华北电力大学(北京);2011年
5 关叶青;基于序列算子的灰色预测模型研究与应用[D];南京航空航天大学;2009年
6 王育红;灰色预测模型与灰色证据组合模型研究及应用[D];南京航空航天大学;2010年
7 陈志强;自然区域电网负荷预测及规划的研究[D];华北电力大学(河北);2009年
8 郑高;二型模糊系统模糊性测度及其在电力负荷预测中的应用研究[D];西南交通大学;2011年
9 刘达;电力市场中电价预测模型方法及应用研究[D];华北电力大学(北京);2008年
10 张俊;中长期水文预报及调度技术研究与应用[D];大连理工大学;2009年
中国硕士学位论文全文数据库 前10条
1 李建伟;中长期电力负荷预测的研究与分析[D];山东农业大学;2011年
2 刘红义;多变量电力负荷预测技术研究与实现[D];北京邮电大学;2012年
3 陈锡文;基于神经网络的电力负荷预测方法研究及软件开发[D];中南大学;2010年
4 张晓梅;长治电力营销中电力负荷预测问题研究[D];华北电力大学;2011年
5 代林;基于神经网络的电力负荷预测方法研究及实现[D];电子科技大学;2012年
6 张炜桀;智能电网环境下的电力负荷预测[D];西南交通大学;2011年
7 张亚超;电力负荷预测方法研究及系统开发[D];华中科技大学;2010年
8 邓灿新;开平市电力系统负荷预测方法研究与应用[D];华南理工大学;2011年
9 王嘉钰;全电力推进船舶短期电力负荷预测研究[D];哈尔滨工程大学;2010年
10 杨申;组合预测模型在电力负荷预测中的研究[D];华南理工大学;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978