收藏本站
收藏 | 论文排版

基于数据挖掘的电力负荷异常数据检测与修正研究

张春燕  
【摘要】:随着智能电网自动化信息平台的建立,电力系统负荷数据的规模、类型及结构都发生了较大的变化。在电网实际运行过程中,电力负荷数据的质量对负荷预测精度和电网运行稳定性有着决定性的影响。为确保电力负荷数据的准确性与完整性,需要对电力负荷数据中的异常数据进行检测并给予修正。然而,现有电力负荷异常数据检测与修正方法容易出现异常值漏检与误检,以及对异常数据修正精度较低的问题,严重影响了电力系统负荷数据的质量,导致预测的负荷变化规律对电能生产与调度分配失去了指导意义,甚至影响电网安全稳定运行。本文针对电力系统负荷异常数据存在检测效率和修正精度较低的问题,提出了基于数据挖掘的电力负荷异常数据检测与修正方法。具体研究工作如下:1、基于可能性模糊C均值(PFCM)算法的电力负荷异常数据检测方法因算法自身存在初始化参数难以选取、易陷入局部最优等缺陷,易引起负荷曲线聚类结果有效性差、异常负荷数据检测效率低的问题。针对上述不足,本文分别利用动态调节权重的优化粒子群(PSO)算法与重新定义的聚类有效性函数对PFCM算法的初始中心及数目进行优化,提出了一种基于改进PFCM聚类算法的电力负荷异常数据检测方法。实验结果表明,改进的异常负荷数据检测方法不仅提高了负荷曲线聚类的有效性,而且有效降低了电力负荷异常数据检测的错误率。2、针对径向基核函数(RBF)神经网络修正异常数据时因网络结构参数选取不合理导致修正结果精确度不高的问题,本文提出一种遗传算法(GA)优化RBF的电力负荷异常数据修正方法。首先在初始化RBF神经网络后对基函数宽度、中心、以及连接权值、隐藏层神经元数目通过全局寻优能力较强的遗传算法编码联合寻优。然后对多次迭代寻优找到的最优种群个体进行解码以得到RBF神经网络的对应参数。最后利用优化的RBF神经网络对电力负荷异常数据进行修正。通过验证性对比实验结果表明,本文提出的修正方法能更准确的对异常负荷数据进行修正。3、针对RBF神经网络因训练样本选取不合理导致异常数据修正结果精度低的问题,本文利用PSO-PFCM的聚类结果训练GA-RBF网络,以实现对电力异常数据负荷更准确的修正。该修正方法充分利用能更好反应负荷曲线整体特性的聚类结果训练GA-RBF神经网络。仿真实验结果表明,基于聚类结果训练的GA-RBF神经网络的异常值修正方法有效提高了异常负荷数据的修正精度。


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 陈璞迪;基于深度神经网络的电力负荷分析方法的研究与实现[D];北京邮电大学;2019年
2 张一举;电力负荷短期预测的分析与研究[D];西安理工大学;2019年
3 张春燕;基于数据挖掘的电力负荷异常数据检测与修正研究[D];兰州理工大学;2019年
4 郭海波;基于深度学习的短期电量预测方法研究[D];北京邮电大学;2019年
5 魏来;基于统计综合法的电力负荷建模方法研究[D];郑州大学;2019年
6 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
7 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
8 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
9 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
10 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
中国重要报纸全文数据库 前10条
1 本报记者 庞彩霞 通讯员 佘慧萍 何石;南方电力负荷屡创新高背后的经济新“密码”[N];经济日报;2019年
2 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
3 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
4 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
5 周以欣 吴昌红;江苏电力负荷创历史新高[N];新华日报;2010年
6 记者 陶涛;力促电力负荷持续稳定增长[N];宁夏日报;2009年
7 记者 郭秀玉;入夏我市电力负荷猛增[N];珠海特区报;2007年
8 通讯员 彭赛鸿;我市电力负荷节节攀升[N];郴州日报;2006年
9 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
10 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
 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