收藏本站
《兰州大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于蚱蜢优化和最小二乘支持向量机的电力负荷预测研究

张育凡  
【摘要】:新一轮电力体制改革的实施在这三年来已经取得了实质性的进展,进入新时代,高质量发展成为电力工业改革发展的根本要求。如何准确把握电力负荷的变化趋势,保障可靠供电,同时提供精细服务,对于保障和改善民生有重要的意义;也能够帮助发电企业合理安排发电、输电计划,有效制定电网检修与设施改造计划,以达到经济效益最大化。然而,由于电力负荷受到多种因素影响,温度、季节、经济状况都会对预测的结果产生影响,为电力负荷的准确预测增加了难度。本文参考了国内外的相关文献,了解了电力负荷预测的现状,对相关预测方法进行学习,特别是智能优化算法和最小二乘支持向量机算法(Least Squares Support Vector Machines,LSSVM),并尝试将其应用于电力负荷预测中。本文的研究内容及主要工作有:(1)提出了改进的蚱蜢优化算法(Improved Grasshopper Optimization Algorithm,IGOA)。针对传统的蚱蜢优化算法会陷入局部最优解的情况,引入了差分进化策略,设计出基于差分进化的蚱蜢优化算法IGOA。(2)设计了基于小波阈值收缩(Wavelet Shrinkage,WS)去噪的改进蚱蜢优化(IGOA)最小二乘支持向量机的预测模型WS-IGOA-LSSVM。针对短期电力负荷中存在的随机性和动态性,使用小波阈值收缩法消除原始电力负荷数据中的噪声,针对最小二乘支持向量机参数以及核函数参数难以确定的问题,采用IGOA优化LSSVM模型的参数,使得模型能够较好的适用于短期电力负荷预测问题。同时进行了实验工作,在澳大利亚的新南威尔士州以及昆士兰州的历史负荷数据中进行验证,实验结果表明模型具有良好的预测效果。(3)提出了基于组合核函数(Mixed-Kernel)的稀疏最小二乘支持向量机(Sparse Least Squares Support Vector Machines,PLSSVM)预测方法Mixed-PLSSVM。由于中长期负荷历史数据较少,同时受到人口、经济等多种因素的影响,选择相关性较强的因素会提高预测的精度。本文对影响中长期电力负荷的相关因素进行分析,遴选出相关性较强的因素组成属性集合,然将径向基核函数和变种卡方核函数进行组合,采用改进的蚱蜢优化算法(IGOA)优化稀疏化最小二乘支持向量机的相关参数,并尝试进行中长期电力负荷的预测,选择来自国家统计局的中国年度电力消费数据进行实验验证,实验结果证实了所提出的Mixed-PLSSVM具有良好的预测性能。
【学位授予单位】:兰州大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TM715;TP18

【相似文献】
中国期刊全文数据库 前10条
1 于志勇;张增强;吕盼;宋新甫;;浅谈电力负荷预测方法[J];黑龙江科技信息;2017年05期
2 秦泽宇;秦玥;叶浏青;刘谋海;;多项式模型下的地区电力负荷预测[J];大众用电;2017年05期
3 黄邦义;;关于配电网规划中电力负荷预测方法的研究[J];自动化应用;2017年06期
4 马强;彭永洪;张琼月;;电力负荷预测理论基础的讨论与研究[J];中国新通信;2017年11期
5 杨小娟;;对于中低压电网电力负荷预测研究[J];通讯世界;2017年16期
6 霍明;;关于配电网规划中电力负荷预测方法的研究[J];科技创新与应用;2017年30期
7 张晔;;大数据技术在电力负荷预测中的应用研究[J];中国高新科技;2017年07期
8 钟琦;;浅谈电力负荷预测的方法[J];科技资讯;2015年26期
9 谢谦;;电力负荷预测方法在配网规划中的应用[J];科技风;2015年24期
10 郑重;;电力负荷预测在智能电网中的应用[J];福建质量管理;2016年04期
中国重要会议论文全文数据库 前10条
1 丁光彬;王治昆;赵林明;翟传仁;;包络预测方法及其在电力负荷预测中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集(第4卷)[C];1997年
2 罗楠;朱业玉;杜彩月;王军;王红燕;;支持向量机方法在电力负荷预测中的应用[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年
3 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
4 李之波;;多因素支持向量机模型在某市中长期电力负荷预测中的应用[A];2011年江苏省城市供用电专业学术年会论文集[C];2011年
5 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集(优秀论文部分)[C];2009年
6 赵成旺;顾幸生;;组合优化灰色预测模型在中长期电力负荷预测中应用[A];第二十四届中国控制会议论文集(下册)[C];2005年
7 牛东晓;陈志业;邢棉;谢宏;;具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(上册)[C];2002年
8 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集(文摘部分)[C];2009年
9 孔胜;王宇;张承伟;;经济危机对中长期电力预测影响的实证研究[A];第五届(2010)中国管理学年会——商务智能分会场论文集[C];2010年
10 白朝果;;新形势下电网规划工作思考[A];华东六省一市电机工程(电力)学会输配电技术研讨会2002年年会山东电机工程学会交流论文集[C];2002年
中国重要报纸全文数据库 前9条
1 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
2 薛元荡 鲍导;阜宁县加强电力负荷预测[N];中国电力报;2000年
3 夏志强杨士进 曾居仁;气象预报助我省科学调度电力[N];贵州日报;2008年
4 通讯员 夏志红 李何璇;中山供电有序应对负荷新高[N];中国电力报;2011年
5 王宇;高温“烧电”调度有方[N];中国气象报;2002年
6 本报记者 奚正喜;尽心服务 尽力先行[N];江淮时报;2005年
7 记者 吴量亮;“煤电运”合力迎峰度夏[N];安徽日报;2012年
8 郑阿曼;过程管理不作“品牌秀”[N];中华建筑报;2003年
9 陈敬农;为了电网的安全经济运行[N];科技日报;2004年
中国博士学位论文全文数据库 前10条
1 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
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 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
4 沈建新;基于智能优化的电力负荷预测方法研究[D];合肥工业大学;2015年
5 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
6 李彩虹;两类组合预测方法的研究及应用[D];兰州大学;2012年
7 张石;微电网规划及运行决策中若干问题研究[D];东北大学;2011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 贾鸥莎;电力发展新形势下城市电网多阶段规划研究[D];天津大学;2012年
10 李伟;农电市场供求均衡分析方法与应用研究[D];华北电力大学;2012年
中国硕士学位论文全文数据库 前10条
1 张育凡;基于蚱蜢优化和最小二乘支持向量机的电力负荷预测研究[D];兰州大学;2018年
2 陈宇杰;基于BP神经网络的区域配电网中期电力负荷预测[D];吉林大学;2017年
3 李兰浩;提高茂名地区短期负荷预测准确率的方法与应用[D];华南理工大学;2017年
4 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
5 刘玉东;基于组合模型的最大电力负荷预测[D];兰州大学;2017年
6 陈晨;基因表达式编程在电力负荷预测中的应用[D];西安建筑科技大学;2017年
7 方雅琴;基于奇异谱分析的组合模型在电力负荷预测中的应用[D];兰州大学;2017年
8 韩文婧;基于小波—灰色模型的电力负荷预测研究[D];山东大学;2017年
9 孙波;包头地区电力负荷预测研究[D];华北电力大学;2015年
10 孔钦;宁陵县中长期电力负荷预测[D];华北电力大学;2014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