基于hht的短期电力负荷预测研究

《基于hht的短期电力负荷预测研究》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、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchonShort·—termPowerLoadForecastingBasedonHHTByQianDingSupervisor：Prof．XiaohuiLiaoElectricalPowerSystemsandItsAutomationSchoolofElectricalEngineering一May,2014学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成

2、果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者：丁债日期：为J够年’月孑D日学位论文使用授权声明本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索，可以采用影印、缩印或者其他复制手段

3、保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。学位论文作者：j椭日期：为J舻年3-月；0日摘要短期电力负荷预测对电力系统的经济调度、实时控制、运行计划和发展规划等有重要的意义，有利于提高发电设备的利用率和经济调度的有效性。随着电力工业的重要性的提高，以及电力市场改革的深入和竞争机制的引入，短期负荷预测的精度得到了越来越多的关注。Hilbert．Huang变换(Hilbert．HuangTransf01Tn，HHT)适合处理非

4、线性、非平稳信号，能够得到信号的时频分布特征，具有完全的白适应性。在电力系统领域中，HHT已经广泛应用于电能质量检测、谐波分析等方面，并取得了很好地效果。本文首先介绍了电力系统各主要用户的用电特点、影响短期电力负荷的主要因素和常用的预测误差分析统计指标，并对人工神经网络、最小二乘支持向量机等方法进行了深入分析。针对HHT算法中存在的端点效应的问题，本文采用BP神经网络延拓法来抑制。在进行负荷预测之前，首先对原始负荷数据进行预处理，并对温度、天气类型、日期类型进行量化处理，然后通过经验模态分解(EmpiricalModeDecomp

5、osition，EMD)，将负荷序列分解成不同频率的固有模态函数(IntrinsicModeFunction，IMF)，然后进行Hilbert变换(HilbertTransform)，得到各IMF分量的平均瞬时频率，根据各IMF的特点选取不同的预测模型，最后将各IMF的预测结果叠加，得到最终的预测值。本文以安徽省合肥市2012年的实际负荷数据作为样本集进行建模和预测，以平均绝对百分误差和关联度作为评价指标。为了验证基于BP神经网络延拓法的HHT算法的准确性，本文同时采用RBF神经网络法、LS．SVM、基本HHT算法进行预测。结果表

6、明，基于BP神经网络延拓法的HHT算法具有较高的预测精度。关键词：短期负荷预测Hilbert—Huang变换端点效应摘要AbstractTheshort-termpowerloadforecastinghasimportantsignificancetoeconomicdispatch，real-timecontrol，operatingplananddevelopmentplans，anditishelpfultoimprovetheutilizationrateofpowergenerationequipmentandthee

7、ffectivenessofeconomicoperation．Withtheincreaseofelectricpowerindustry’Simportancedeepeningofelectricpowermarket’Sreformandtheintroductionofcompetitionmechanism，theaccuracyofshort-termloadforecastinghasgottenmoreandmoreattention．Hilbert-HuangTransform(HHT)issuitablefo

8、rprocessingthenonlinearandnon。stationarysignal，anditCangetthesignal’Stime．frequencydistributioncharacteristics．SoHHTiswithaf