基于知识挖掘技术的智能协同电力负荷预测研究

《基于知识挖掘技术的智能协同电力负荷预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TM715国际图书分类号：621．3管理学博士学位论文学校代码：10079密级：公开基于知识挖掘技术的智能协同电力负荷预测研究博士研究生：导师：副导师申请学位：学科：专业：所在学院：答辩日期：授予学位单位：王建军牛东晓教授李存斌教授管理学博士管理学管理科学与工程经济与管理学院2011年6月华北电力大学#}ClassifiedIndex：TM7l5U．D．C：621．3DissertationfortheDoctoralDegreeinManagementResearchonCollaborativeKnowledgeMiningTechnology

2、andIntelligenceloadforecastingmethodCandidate：Supervisor：AssistantSupervisor：AcademicDegreeAppliedfor：Speciality：School：DateofDefence：Degree-·Conferring·—Institution：WangJianjunProf．NiuDongxiaoProf．LiCunbinDoctorofManagementScienceandEngineeringSchoolofEconomicandManagementJune．2011No

3、rthChinaElectricPowerUniversity华北电力大学博士学位论文原创性声明本人郑重声明：此处所提交的博士学位论文《基于知识挖掘技术的智能协同电力负荷预测研究》，是本人在导师指导下，在华北电力大学攻读博士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人己发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均己在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名：日期加，，年／月2妨华北电力大学博士学位论文使用授权书<基于知识挖掘技术的智能协同电力负荷预测研究》系本人在华北电力大学攻读博士

4、学位期间在导师指导下完成的博士学位论文。本论文的研究成果归华北电力大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权华北电力大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于(请在以上相应方框内打“√”)：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

5、、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

6、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

7、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只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

8、不同类别的