收藏本站
《华北电力大学(北京)》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于知识挖掘技术的智能协同电力负荷预测研究

王建军  
【摘要】:电力工业是国家的重大基础行业,对于我国经济建设、国家安全、社会稳定、居民生活质量具有至关重要的作用,精确的电力负荷预测对于制定发电计划、制定经济合理的电力调配计划、制定上网竞价计划、控制电网经济运营、降低旋转储备容量、进行电力市场需求分析、避免重大事故、有效化解风险、保障生产和生活用电方面具有十分重要的意义。然而电力负荷预测工作是十分复杂的,它除了包括负荷自身特性、经济人口等定量型因素的影响,同时也包含着不规则事件、日期类型、季节类型、描述性天气等非数字型的定性因素的影响,如果不考虑这些定性因素的影响,无论如何改进负荷预测模型,预测精度都很难有根本性的提高,负荷预测理论也难以有较大的突破。因此,本文提出了基于知识挖掘技术的智能协同电力负荷预测研究思想,旨在结合知识挖掘技术和智能电力负荷预测方法进行协同电力负荷预测,通过知识挖掘直接对数据库中的负荷变量属性及对应的各类影响因素变量属性进行分析处理,在预测时通过计算与预测目标各类知识特征的总体关联程度大小,自动提取具有高度相似性综合知识特征的同类历史数据,再结合智能算法和电力负荷预测方法建立具有针对性的自适应结构的智能预测模型对负荷进行预测,在遇到有少部分具有较大的预测误差点时利用知识挖掘形成的纠偏规则进行相应的后干预工作,能够进一步克服以前的预测方法的不足,使预测精度得到突破性的提高。本文进行的主要工作如下: (1)提出了基于知识挖掘技术的负荷数据规范以及相应的预处理方法。在对影响负荷预测的属性变量进行分类的基础上,建立起相应的数据库结构规范,利用相应的数据预处理方法形成各种负荷预测需要的不同数据视图,可以方便对定性型因素和定量型因素的处理。 (2)建立了基于知识挖掘分类技术的自适应结构的日负荷曲线BP神经网络预测模型。在仅有纯负荷数据的情况下,首先通过计算负荷曲线的相似度对历史数据进行排序并进行初步的预测,然后再利用BP神经网络对误差进行纠偏工作来得到更加精确的预测结果;在具有较多气象数据可供分析时,首先利用聚类分析将日曲线负荷进行聚类分析,然后利用知识挖掘中的分类技术寻求气象数据和曲线负荷聚类之间的关系,形成相应的知识规则,并在形成分类规则时,利用粗糙集的属性约简技术剔除掉冗余属性来加快生成规则的速度,最后利用不同类别的数据训练出不同的BP神经网络模型;这样在进行负荷预测工作时,可以根据预先判断的气象数据找出相应的类别,并选取相应的BP神经网络进行预测来提高预测的精度。在利用BP神经网络进行模型训练时,提出了一种简单的自适应BP神经网络对日负荷曲线进行预测,该自适应网络可以自动确定隐含层节点的个数,无需人为经验的干预。 (3)提出了利用微分进化算法调整参数的支持向量机中长期负荷预测模型。对于中长期负荷预测,由于其样本数据远少于短期负荷预测,因此适用于小样本数据量条件下的支持向量机智能预测方法,该方法可以有效地选取支持向量机所需求的相应参数,可以有效地提高中长期负荷预测的精度。 (4)提出了一种结合知识挖掘后干预纠偏技术、时间序列预测技术以及支持向量机预测方法的日最大负荷预测方法。由于日最大负荷预测不但需要考虑气象因素的影响,还需要考虑不同类型日期、不规则事件对日最大负荷的影响,本文提出的方法不但可以考虑负荷序列的趋势,而且可以考虑非线性因素的影响和不规则事件的影响,经过知识挖掘后干预纠偏后可以有效地提高负荷预测的精度。 (5)提出了基于负荷预测的预警监测指标并建立了基于知识挖掘的自然灾害预警方法。结合上文中的负荷预测方法和预测结果,对短期日负荷曲线进行偏离度的监测以及对中长期供需平衡进行监测,对于气象灾害的预防,给出了冰灾、沙尘暴以及台风三种典型气候的监测方法。在对短期预警监测中筛选监测行业以及形成实际区域冰灾气象条件监测时利用了知识挖掘中的决策树分类属性筛选技术,可以挑选出重要的监测对象以及冰灾预警的相应条件。 (6)对基于知识挖掘智能协同负荷预测技术的用电分析及预测系统进行了研究。该系统对上述知识挖掘和智能算法的研究成果进行了软件上的实现,有别于基于传统算法或是其他改进算法开发出的负荷预测系统。
【学位授予单位】:华北电力大学(北京)
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TM715

【参考文献】
中国期刊全文数据库 前10条
1 庞松岭;刘岱;;基于经验模态分解与人工鱼群神经网络的短期负荷预测[J];东北电力大学学报(自然科学版);2008年06期
2 牛东晓,邢棉,孟明;基于联合数据挖掘技术的神经网络负荷预测模型研究(英文)[J];电工技术学报;2004年09期
3 雷绍兰,孙才新,周湶,邓群,刘凡;一种多变量时间序列的短期负荷预测方法研究[J];电工技术学报;2005年04期
4 焦建林,芦晶晶;基于改进时间序列法的配电网短期负荷预测模型[J];电工技术杂志;2002年05期
5 李秋丹,迟忠先,王大公;基于数据挖掘技术的负荷预测模型[J];大连理工大学学报;2003年06期
6 吴曾;张庆丰;;基于稳健回归的电力负荷预测[J];电力科学与工程;2009年04期
7 朱六璋,袁林,黄太贵;短期负荷预测的实用数据挖掘模型[J];电力系统自动化;2004年03期
8 刘敦楠,何光宇,范旻,孙英云,陈雪青,周双喜;数据挖掘与非正常日的负荷预测[J];电力系统自动化;2004年03期
9 冯丽,邱家驹;离群数据挖掘及其在电力负荷预测中的应用[J];电力系统自动化;2004年11期
10 康重庆,夏清,张伯明;电力系统负荷预测研究综述与发展方向的探讨[J];电力系统自动化;2004年17期
【共引文献】
中国期刊全文数据库 前10条
1 侯宜祥;;考虑相似日的短期负荷改进粒子群预测方法[J];安徽电气工程职业技术学院学报;2010年03期
2 唐振军;;基于改进灰色模型的中长期电力负荷预测[J];安徽电气工程职业技术学院学报;2010年04期
3 陈晶;杨春玲;郑安豫;;短期负荷预测的自适应加权支持向量机新方法[J];安徽电气工程职业技术学院学报;2011年01期
4 胡海琴;蒋传文;蔡宏欣;;中长期负荷预测的傅里叶级数残差修正模型[J];安徽电力;2010年02期
5 周晓华;佘乾仲;王荔芳;;Elman神经网络在农网短期负荷预测中的应用[J];安徽农业科学;2011年04期
6 马庆元,郭继平,李宁;城市燃气管网负荷预测方法[J];鞍山科技大学学报;2004年02期
7 王慧勤;;基于支持向量机的短期风速预测研究[J];宝鸡文理学院学报(自然科学版);2009年01期
8 王智祥;王正伦;;2205双相不锈钢焊接应力与变形的SVM回归预测研究[J];船舶工程;2010年01期
9 佴磊;彭文;袁明哲;周能娟;;基于经验模态分解和加权最小二乘支持向量机的采空区地面塌陷预测[J];吉林大学学报(地球科学版);2011年03期
10 胡宏伟;周晓军;庞茂;;基于LS-SVM的火电厂给水泵组状态趋势预测研究[J];传感技术学报;2007年05期
【同被引文献】
中国期刊全文数据库 前10条
1 徐杰,鞠颂东;物流网络的内涵分析[J];北京交通大学学报(社会科学版);2005年02期
2 张宜霞;刘明辉;;企业风险管理整合框架及其评价[J];财务与会计;2005年11期
3 张彦春,葛成林;谈火电厂运行管理工作[J];电力安全技术;2004年07期
4 丁鼎;;三层结构电力管理信息系统的研究与设计[J];电脑编程技巧与维护;2009年10期
5 王聪生;资产管理系统在发电企业的应用[J];电力信息化;2004年11期
6 李蔚,刘长东,盛德仁,陈坚红,任浩仁,孟炜;国内火电厂运行优化系统的现状和发展方向[J];电站系统工程;2004年01期
7 李守鹏,孙红波;信息系统安全策略研究[J];电子学报;2003年07期
8 谢涛,陈火旺;多目标优化与决策问题的演化算法[J];中国工程科学;2002年02期
9 潘凡荣;;创建优秀企业文化 促进企业可持续发展[J];广西电业;2006年06期
10 林勇,马士华;集成化供应链管理[J];工业工程与管理;1998年05期
【二级参考文献】
中国期刊全文数据库 前10条
1 贾世国;;我国风险管理现状浅析[J];安防科技;2006年09期
2 刘斐;刘茂;;因果图和模糊综合风险评价在城市燃气输配系统的应用[J];安全与环境学报;2006年01期
3 赵海青,牛东晓;灰色优选组合预测模型及其应用[J];保定师范专科学校学报;2002年02期
4 刘桂友;徐琳瑜;李巍;;环境风险评价研究进展[J];环境科学与管理;2007年02期
5 黎敏;徐金梧;阳建宏;杨德斌;;基于多变量相重构的混沌时间序列预测[J];北京科技大学学报;2008年02期
6 章文杰,解武杰;ISM模型在风险结构分析中的应用[J];商业研究;2002年03期
7 李永干,王希波,李爱英;M—估计用于环境空气二氧化硫的测定[J];滨州师专学报;1999年02期
8 马继涛;李军;董元方;艾欣;;基于BP神经网络数学模型的短期负荷预测研究[J];长春理工大学学报(自然科学版);2007年02期
9 杨颖;潘伯祥;;经济社会评价体系构建原则及框架体系[J];财会通讯(学术版);2006年07期
10 石香焕;唐文彬;;基于层次分析法的财务风险综合评估[J];财会月刊;2007年02期
【相似文献】
中国期刊全文数据库 前10条
1 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
2 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
3 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
4 秦昌平;;基于级联神经网络的短期电力负荷预测[J];湖北电力;2007年06期
5 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
6 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
7 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
8 李伟;牛东晓;;基于灰色神经网络的短期电力负荷预测分析[J];科技和产业;2008年10期
9 杨静;郝毅;陈冬梅;江波;;新疆农业区电力负荷与天气的关系[J];气象;2009年01期
10 蒋喆;;支持向量机在电力负荷预测中的应用研究[J];计算机仿真;2010年08期
中国重要会议论文全文数据库 前10条
1 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
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 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
4 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
5 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
6 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
7 冯丽;孔庆云;郭琳;;基于多目标粒子群优化算法的短期电力负荷预测法[A];2006电力系统自动化学术交流研讨大会论文集[C];2006年
8 刘伟;王科俊;姚杰;;基于RBF神经网络采用混合粒子群优化的电力负荷短期预测[A];2007年中国智能自动化会议论文集[C];2007年
9 穆向禹;浦剑涛;张树武;徐波;;基于状态子空间聚类的多层MLLR自适应算法[A];第七届全国人机语音通讯学术会议(NCMMSC7)论文集[C];2003年
10 武森;金海燕;高学东;;数据挖掘中CABOSFV聚类算法的实现与应用[A];全国第八届工业工程与企业信息化学术会议论文集[C];2004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 王宇;气象商品“好卖”还得看市场[N];中国气象报;2003年
5 王宇;高温“烧电”调度有方[N];中国气象报;2002年
6 李东红;成都区县 政企联动保电有序[N];西南电力报;2005年
7 郑阿曼;过程管理不作“品牌秀”[N];中华建筑报;2003年
8 王云鹤 熊立;武汉电信直销中心剑指聚类市场[N];人民邮电;2009年
9 记者 肖卓;聚类市场:想挖金矿不容易[N];人民邮电;2009年
10 张凌;以丰定枯创新眉山“需求侧”[N];西南电力报;2004年
中国博士学位论文全文数据库 前10条
1 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
2 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
3 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
4 尹新;群智能算法与电力负荷预测研究[D];湖南大学;2011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 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
7 郭新辰;最小二乘支持向量机算法及应用研究[D];吉林大学;2008年
8 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
9 施慧;“两型电网”发展建设评价体系及应用研究[D];华北电力大学(北京);2011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 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
2 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
3 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
4 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
5 王浩鸣;基于支持向量机的电力负荷预测研究[D];天津大学;2009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 邹汝杰;眉山电力负荷预测的规划布点管理系统设计[D];电子科技大学;2012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 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
10 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
 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