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

电力系统短期负荷智能化预测方法

张昀  
【摘要】:电力系统短期负荷预测是电力系统调度运营部门的一项重要的日常工作,预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。由于电力负荷本身具有一定的不确定性、非线性、随机性等内在特点,负荷预测一直是学术研究的前沿与热点问题。随着电力市场的发展,负荷变化规律的更加复杂,而传统的单一预测方法自适应能力较差,致使负荷预测的复杂性与求解方法的局限性之间的矛盾更加突出,预测不能得到满意的结果。因此,智能综合预测法的研究成为当今负荷预测的研究重点之一。 本文针对电力负荷自身特点,将预测日分为工作日和节假日不同类型,考虑气象,实时电价等影响因素,引入多种智能优化计算方法以及综合预测技术,对电力负荷预测的理论与方法进行深入研究,为电力系统运行管理提供科学的决策依据。主要研究工作和创新性成果如下: (1)分析了负荷预测中的影响因素和导致误差的原因,针对历史样本中的坏数据,提出了基于核函数的加权模糊C均值聚类的改进算法—WKFCM,该算法采用一个核诱导距离的简单两项和代替了复杂的欧氏距离作为聚类目标公式的不相似性测度函数,以减小计算复杂度。在对数据进行聚类之后,提出采用使用收敛速度快、模式分类能力强的超圆神经元网络建立坏数据辨识修正模型,提高了坏数据处理的效果。 (2)对于工作日的负荷预测,提出了基于自适应策略的改进免疫优化的激励函数可调的BP学习算法负荷预测模型。算例证明,本文提出的基于自适应策略的改进免疫算法和激励函数可调的BP优化学习算法比基于混沌优化的激励函数的BP算法更准确可靠,更具实用价值。 (3)对于节假日的负荷预测,文中将节假日分为周末休息日和重大节假日两类。对于周末休息日,提出基于免疫粒子群优化的最小二乘支持向量机(IPSO-LS-SVM)预测模型。把免疫系统的抗体多样性保持机制引入到粒子群优化算法中,在保留高适应度粒子的同时,确保了粒子的多样性,从而提高了收敛性能。针对元旦、春节、五一和国庆等节假日负荷预测时间跨度长、可参考的历史数据量少、受气象因素影响更为突出的特点,提出采用灰色-马尔可夫链模型进行负荷预测,然后用综合影响因素匹配模型对预测结果进行修正,提高了预测的精度。 (4)对实时电价与短期负荷的关系进行了相关分析,提出了粒子群算法优化的改进广义回归神经网络(GRNN‐PSO)与自适应神经模糊系统(ANFIS)的综合预测方法,该方法充分利用神经网络的自学习和非线性映射能力。首先利用粒子群算法优化广义回归神经网络算法(GRNN‐PSO),然后应用ANFIS系统对GRNN‐PSO预测结果进行修正,客观地反映了电价变化与负荷间的相互关系,有效地克服了人工神经网络预测的不足,提高了负荷预测的精确度。
【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 戴和彩;浅谈如皋电网的短期负荷预测[J];农村电气化;2001年05期
2 曾新;高霞;;气象因素与电力负荷关系探讨[J];河北电力技术;2007年05期
3 谷丰;;电力负荷预测技术研究[J];资治文摘(管理版);2010年05期
4 吕燕;张波;;推进短期电力负荷预测精确化的基本措施[J];硅谷;2011年04期
5 曾亮;中长期电力负荷预测中的新思路[J];湖北电力;1999年02期
6 徐玉华;;中长期电力负荷预测方法分析[J];宁夏电力;2007年04期
7 周泉;鲍茜;牛艳君;;电力负荷预测方法及应用实例分析[J];湖北电力;2008年S2期
8 李程;谭阳红;;电力负荷的RBF神经网络预测[J];黑龙江电力;2010年04期
9 王永华,刘军生,周晓华,赵佳妍,阎丽琴;一例基于灰色模型的电力负荷预测方法的应用[J];电力学报;2005年03期
10 章曙光;;基于CBR的电力负荷预测系统的研究与实现[J];计算机技术与发展;2006年05期
11 石丽波;;刍议负荷预测技术在电力系统中的应用[J];经营管理者;2009年22期
12 牛东晓;贾竹青;沈巍;;呼和浩特地区经济与电力负荷预测研究[J];中国电力教育;2010年S2期
13 罗静;孙慰迟;;基于人工神经网络的电力负荷预测算法研究[J];江西化工;2008年04期
14 夏晓艳;;提高地区负荷预测准确率浅析[J];硅谷;2010年20期
15 陶凤玲;李钊年;李积花;倪三川;史旺旺;姜楠;;LS-SVM在电力系统负荷预测中的应用[J];水电能源科学;2010年12期
16 梁志珊,陈建华,刘哲;基于人工神经网络的自适应电力系统短期负荷预测[J];东北电力学院学报;1994年01期
17 向峥嵘;王学平;;基于小波-神经网络的电力系统短期负荷预测[J];系统仿真学报;2008年18期
18 徐延生;张为;;人工神经网络在电力系统短期负荷预测中的应用[J];内江科技;2009年08期
19 金席卷,李欣然,唐福顺;基于模糊理论及神经网络的电力短期负荷预测方法[J];电力信息化;2005年02期
20 杜彦巍;周锋;何潇;;应用相空间重构理论分析电力负荷时间序列[J];电气应用;2006年03期
中国重要会议论文全文数据库 前10条
1 李忻贤;;浅谈电力负荷预测[A];山东电机工程学会第四届供电专业学术交流会论文集[C];2007年
2 刘彬;王红蕾;;贵州输配电网短期负荷可行性预测[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
3 高峰;张川;徐晖;周佃民;翟桥柱;管晓宏;;大型用电企业负荷预测校正方法[A];第二十七届中国控制会议论文集[C];2008年
4 赵兵;;数据挖掘技术在电力负荷管理终端中的应用[A];2007中国电机工程学会电力系统自动化专委会供用电管理自动化学科组(分专委会)二届三次会议论文集[C];2007年
5 林铍德;雷桂莲;;气象因子对夏季用电负荷影响的研究[A];江西省气象部门第二届高级工程师技术述职报告会论文集[C];2005年
6 朱超英;刘晓峰;;对电网“冲击负荷”进行预测的方法[A];节能环保 和谐发展——2007中国科协年会论文集(一)[C];2007年
7 付桂琴;曹欣;时青格;;基于气象条件的短期电力负荷预测模型[A];第26届中国气象学会年会气候资源应用研究分会场论文集[C];2009年
8 姜晗;;电力需求侧负荷预测的算法[A];2005中国电机工程学会电力系统自动化专委会全国供用电管理自动化学术交流暨供用电管理自动化学科组第二届年会论文集[C];2005年
9 唐毅;姜学宝;施丹平;;夏季影响苏州电力负荷走势的气象条件简析[A];中国气象学会2007年年会气象经济论坛分会场论文集[C];2007年
10 黄姝雅;刘天琪;陈绩;;基于人工神经网络的电力系统负荷预测综述[A];中国企业运筹学[C];2006年
中国重要报纸全文数据库 前10条
1 郭洪敏;重视清洁能源上网 呵护一方碧水蓝天[N];国家电网报;2009年
2 通讯员 施战辽 楼玲俊;机制科学 管理精细[N];中国电力报;2011年
3 章家银 张克杰;气象要素在电力负荷预测中的应用[N];巢湖日报;2006年
4 蔡家友;兴供多措并举迎峰度夏[N];黔西南日报;2008年
5 杨萌;五管齐下备战夏峰[N];临汾日报;2006年
6 罗郑明;陕西公司积极应对负荷高峰[N];国家电网报;2007年
7 记者 李素锋 通讯员 赵忠利;我市供电部门 全力以赴做好抗旱保电工作[N];临汾日报;2009年
8 记者焦军利;河北灌溉负荷预测近300万千瓦[N];中国电力报;2009年
9 吴明;陕西公司加强负荷预测保障有序供电[N];国家电网报;2010年
10 程玲 王希波;提高负荷预测准确率[N];国家电网报;2010年
中国博士学位论文全文数据库 前10条
1 张昀;电力系统短期负荷智能化预测方法[D];重庆大学;2011年
2 谢忠玉;电力短期负荷时间序列混沌特性分析及预测研究[D];哈尔滨工程大学;2010年
3 韩力;电力系统超短期负荷与运行态势预估的理论与方法研究[D];山东大学;2008年
4 李眉眉;电力负荷混沌特性分析及其预测研究[D];四川大学;2004年
5 赵敏;基于混沌理论的电力推进船舶电力负荷预测[D];大连海事大学;2008年
6 方仍存;电力系统负荷区间预测[D];华中科技大学;2008年
7 苏庆新;区域电力系统超短期负荷预测及网络建模分析[D];东华大学;2008年
8 王勇;用于电力行业决策支持的多AGENT技术研究[D];华东师范大学;2007年
9 任海军;基于智能计算的配电网负荷预测方法研究[D];重庆大学;2010年
10 覃光华;人工神经网络技术及其应用[D];四川大学;2003年
中国硕士学位论文全文数据库 前10条
1 罗静;电力负荷数据预测方法模型设计与分析[D];复旦大学;2008年
2 唐良艳;电力系统负荷特性分析与负荷预测研究[D];华南理工大学;2010年
3 杨龙;基于神经网络的短期负荷预测的研究与实现[D];中南大学;2009年
4 杨林绪;基于模拟退火神经网络算法的短期负荷预测研究及应用[D];华北电力大学(北京);2007年
5 马建明;基于分布式数据挖掘的短期负荷预测的研究[D];华北电力大学(河北);2007年
6 崔志坤;基于模糊神经网络的短期电力负荷预测的研究[D];华北电力大学(河北);2008年
7 张迎霞;短期电力负荷预测的神经网络模型优化研究及应用[D];华北电力大学(河北);2007年
8 李莺;基于负控的用电运营管理平台的研制[D];华北电力大学;2001年
9 乔艳芬;基于分形理论的电力负荷特性研究及预测[D];华北电力大学(北京);2006年
10 李耀池;数据挖掘技术在电力负荷预测系统中应用的研究[D];辽宁工程技术大学;2007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