收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于概率分析和改进极限学习机的电力负荷短期预测

李明星  
【摘要】:随着国民经济的发展,电力行业所面临的挑战日益增多。对于电力行业整体而言,负荷预测具有重要意义。实现精准的负荷预测,尤其是在短期负荷预测方面,对于提高电网运行效益,提升电网运行的可靠性和安全性,具有关键意义。本文研究基于概率分析和改进极限学习机的电力负荷短期预测。首先,阐述电力负荷的分类情况及负荷的变化特点,剖析了影响负荷变化的诸多外界因素,通过浙江某市的负荷和气象数据的分析,分析了负荷的特性。其次,针对单一变量的负荷预测,引入相似日的方法,在相似日的选取中引入k最邻近(k-Nearest Neighbor,k-NN)学习理论,结合平均影响值(Mean Impact Value,MIV)算法评估了影响负荷变化的因素,并对主导因素进行了选取,综合筛选出的天气因子、星期类型等变量,通过计算各个历史日与待预测日间的欧氏距离,选取欧氏距离小于设定阈值的历史日作为相似日,通过对浙江某市的实测数据进行分析,验证方法在选取相似日时的合理性。提出相似日结合神经网络分位数回归的负荷概率分析预测方法。对非参数核密度估计(Kernel Density Estimation,KDE)理论和神经网络分位数回归(Neural Network Quantile Regression,QRNN)模型进行阐述,并使用所提的方法同正态分布和核密度估计方法,分别对浙江某市实测的负荷数据进行分析处理,从点预测和区间预测的角度,评估所提方法在实现负荷预测时的可行性和有效性。然后,针对多变量天气因素间数据相关、信息互嵌的特点,采用核主成分分析(Kernel Principal Component Analysis,KPCA)对数据做降维处理,简化结构,同时对不同核函数及参数差异下的核主成分分析进行了探讨与分析,并与主成分分析结果进行对比,确定了混合核KPCA为适合处理多变量天气因子数据的有效方法。引入自适应差分进化(Self-adaptive Differential Evolution,SaDE)算法改进的极限学习机(Extreme Learning Machine,ELM),对多变量数据建立预测模型,将E-ELM、DE-LM和SaDE-ELM三者的性能进行了比较。仿真分析验证了KPCA-SaDE-ELM模型的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 李琛;郭文利;吴进;金晨曦;;北京市夏季日最大电力负荷与气象因子的关系[J];气象与环境学报;2018年03期
2 周克男;刘进波;;基于主成分分析的BP神经网络预测电力负荷[J];数学学习与研究;2016年23期
3 傅新姝;谈建国;;基于滤波技术的上海日最大电力负荷气象预报模型[J];气象科技;2015年06期
4 叶殿秀;张培群;赵珊珊;夏鑫;柯宗建;王有民;刘秋锋;;北京夏季日最大电力负荷预报模型建立方法探讨[J];气候与环境研究;2013年06期
5 黄元生;黎特;皮薇;;非平均权重条件下电力负荷组合预测模型研究[J];山东电力高等专科学校学报;2013年03期
6 卢华刚;;电力负荷控制技术及其在需求侧管理中的应用[J];机电信息;2011年18期
7 罗森波;纪忠萍;马煜华;骆晓明;曾沁;林少冰;;2002~2004年广东电力负荷的变化特征及预测[J];热带气象学报;2007年02期
8 郑瑞晨,张合明;南阳电力负荷无线双向管理系统数据库设计[J];水电能源科学;2000年02期
9 罗慧莉;高速船直流电力负荷的简化计算[J];船舶;1998年02期
10 张小平,王伟;短期电力负荷预报的自适应模糊神经网络方法[J];电力系统自动化;1998年01期
11 徐任武;电力负荷监控实用化需解决的几个问题[J];电网技术;1996年08期
12 刁卓朋,黄臻宇;电力负荷的中期预测分析[J];广东电力;1996年03期
13 何凤有;煤矿电力负荷躲峰填谷原理及其实现[J];煤矿机电;1994年03期
14 齐岱云;谈电力负荷计算方法的改进[J];节能;1994年05期
15 朱龙根;中小型化工企业电力负荷计算方法的修正[J];浙江化工;1994年01期
16 江晓峰;;电力负荷控制技术及其选用[J];吉林电力技术;1992年04期
17 陈协;张秉政;;动态电力负荷连续模型的建立和应用[J];贵州师范大学学报(自然科学版);1987年02期
18 张金木;;电力负荷打印记录器[J];电工技术;1988年10期
19 冯赶川,陈志国;电力负荷音频控制系统研制[J];河北电力技术;1988年06期
中国重要会议论文全文数据库 前10条
1 浩宇;高红燕;张宏芳;沈姣姣;;西安城市电力负荷特征及与气象因子关系分析研究[A];第35届中国气象学会年会 S6 应对气候变化、低碳发展与生态文明建设[C];2018年
2 郭西进;郝继飞;许世范;;加权平移法在电力负荷预报系统中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
3 张驰;王汝文;王明;;基于无线通讯和现场总线技术的电力负荷监控系统的结构设想[A];第五届全国智能化电器及应用研讨会会议论文集[C];2001年
4 谢庄;丁德平;于丽萍;尤焕苓;郑艳;虞海燕;;北京地区冷度日与电力的关系研究及预报[A];中国气象学会2006年年会“气候变化及其机理和模拟”分会场论文集[C];2006年
5 范进进;尹炤寅;姜杰;刘熠炎;;2007至2013年黄石市夏季电网气象敏感负荷预测的研究[A];第33届中国气象学会年会 S13 “互联网+”与气象服务——第六届气象服务发展论坛[C];2016年
6 徐新江;;浅谈新电力负荷模式下发电企业节能减排[A];全国火电600MW机组技术协作会第13届年会论文集[C];2009年
7 吴建民;张春明;;电力负荷系统应用与改进[A];2006电力行业信息化年会会议论文集[C];2006年
8 毛元章;毛强;;缓解电力负荷供应紧张的措施(一)[A];2004全国能源与热工学术年会论文集(2)[C];2004年
9 毛元章;毛强;;缓解电力负荷供应紧张的措施(二)[A];2004全国能源与热工学术年会论文集(2)[C];2004年
10 孙建明;盛琼;周之栩;王函韵;朱晓东;;湖州市电力负荷气象指数预测服务系统[A];第28届中国气象学会年会——S7城市气象精细预报与服务[C];2011年
中国博士学位论文全文数据库 前8条
1 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
2 冯丽;数据挖掘和人工智能理论在短期电力负荷预测中的应用研究[D];浙江大学;2005年
3 黎鹏;非侵入式电力负荷分解与监测[D];天津大学;2009年
4 王桓;电力时间序列的混沌识别与短期预测[D];湖南大学;2009年
5 方仍存;电力系统负荷区间预测[D];华中科技大学;2008年
6 张红斌;电力系统负荷模型结构与参数辨识的研究[D];华北电力大学(北京);2003年
7 陆宁;基于群集智能与算法融合的电力负荷组合预测[D];华中科技大学;2010年
8 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
中国硕士学位论文全文数据库 前10条
1 马雷;非侵入式居民电力负荷监测方法研究[D];东南大学;2018年
2 李明星;基于概率分析和改进极限学习机的电力负荷短期预测[D];燕山大学;2018年
3 曾攀;基于大数据和日日拓扑网络的短期电力负荷预测方法[D];湖南大学;2016年
4 詹传骅;基于气象因子和集成学习的长沙市短期电力预测研究[D];湖南大学;2016年
5 刘红;电力负荷季节特性分析及需求响应动态电价策略研究[D];华北电力大学(北京);2018年
6 陈静;某县域电力负荷特性分析与预测研究[D];吉林大学;2018年
7 王琳;基于差分进化优化权值的电力负荷组合预测方法研究[D];天津大学;2018年
8 刘卫涛;使用功率信号特征的电力负荷分解方法的研究[D];天津大学;2018年
9 胡阳春;基于改进k均值聚类算法的电力负荷模式识别方法研究[D];电子科技大学;2018年
10 黄俊铭;基于动态神经网络的广义电力负荷建模[D];华南理工大学;2018年
中国重要报纸全文数据库 前10条
1 本报记者 白麟;入伏以来我市电力负荷创历史新高[N];重庆日报;2017年
2 记者 陈景深 通讯员 王学峰 冯晋亮;全市电力负荷创新高[N];汕尾日报;2014年
3 冯迪 韩晖;我市电力负荷已突破去年最高值[N];常州日报;2013年
4 周以欣 吴昌红;江苏电力负荷创历史新高[N];新华日报;2010年
5 记者 陶涛;力促电力负荷持续稳定增长[N];宁夏日报;2009年
6 记者 郭秀玉;入夏我市电力负荷猛增[N];珠海特区报;2007年
7 通讯员 彭赛鸿;我市电力负荷节节攀升[N];郴州日报;2006年
8 通讯员 李楠;市电业局郊区分局进行电力负荷实测[N];驻马店日报;2006年
9 记者 朱泓宇;今年我市最高电力负荷可达到315万千瓦[N];宿迁日报;2014年
10 记者 钱怡;三年将削减100万千瓦电力负荷[N];苏州日报;2013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
  • 010-62982499
  • 010-62783978