欢迎来到天天文库
浏览记录
ID:34952244
大小:6.52 MB
页数:87页
时间:2019-03-15
《电力系统短期负荷预测研究》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、:,':^;户一;/;'、‘禁驾;譜,\申>奢;藻1 ̄v’:__/養1进巧;一fW「、養.呈;/,呈\麵矣心寶;.fs毛葬礁讓-.品;&£!f}/;難,1-—.殘-料寿變c背,.誦議”.;0禱焉飄¥片誦.^起屬./.甘f疑:■*\苗...v?*户戀.,,‘.,、.;/^方,、.?T.營讀',;;-;-'^.V,錄.\v:.:‘:連一:-;.,&i發今挺賓八。>、’、、碁#>苗塞车至R,嗓.雜i:.^-....;擊-:芦;;V满施赖#则、訂.£‘.r賊.f::..*;齡^I础柳施輪fI叫,A養.^.心..,
2、J化..yV.;r;’、‘'*'.讀./.,式?0气I‘V>;?^.,餘;.一,養、/、^:.^v’^f.f>V心.\辛二、\/‘产;-?‘.‘、<:IV:巧气:。?;\、心r*、、、??rv:,V‘rv片.‘、VAc1//‘v!‘"移v'.少萬.歲,>v巧尸心V‘聲;一一\辦啼V‘,//':、^:\-違;、-户巧'品<:、',4;sv"?瓜\'方产‘;.t.,、‘*k‘t?‘為^‘今‘-蒙,,>^.V强;一‘气-,/-:/;:"
3、’‘:<,转r’、策當隸/矜.裁一:藏:一:f,讓’"'/,;,J嚴章I产‘?、1t、勢,',,<.r璋>.;^:语%i:国内图书分类号:TM715学校代码:10079国际图书分类号:621.3密级:公开硕士学位论文电力系统短期负荷预测研究硕士研究生:孙景文导师:常鲜戎教授申请学位:工学硕士学科:电气工程专业:电力系统及其自动化所在学院:电气与电子工程学院答辩日期:2015年3月授予学位单位:华北电力大学ClassifiedIndex:TM715U.D.C:621.3ThesisfortheMa
4、sterDegreeResearchonShortTermLoadForecastingofPowerSystemCandidate:SunJingwenSupervisor:Prof.ChangXianrongSchool:SchoolofElectricalandElectronicEngineeringDateofDefence:March,2015Degree-Conferring-Institution:NorthChinaElectricPowerUniversity摘要摘要电力系统短期负荷预测是一项非常重要的工作,预测精度直接影响到电力系统的经济性和稳定性。因此,
5、电力系统短期负荷预测的研究有很大意义。本文提出了基于改进模糊C均值的预处理方法和基于组合预测的预测方法,来提高负荷预测的精度,详述如下:针对历史负荷中坏数据较多,且传统预处理方法难以符合要求的情况,提出了基于模糊C均值聚类的坏数据的辨识修正模型,利用日负荷曲线的相似性进行预处理。针对单一负荷预测方法难以满足实际负荷预测精度的情况,提出了多种单一预测方法组合预测的方法:①采用小波分解的思想将负荷序列的不同周期成分分离,低频序列周期较长,采用非线性最小二乘方法拟合外推,高频序列周期较短,采用智能预测方法组合预测;②针对高频序列,分别采用三种单一预测方法进行预测,即基于高斯混沌粒子群
6、优化前馈神经网络的方法,基于改进混沌理论和Elman神经网络的方法,基于核主成分分析和自适应粒子群优化最小二乘支持向量回归机的方法;③针对这三种单一预测方法,根据“虚拟预测”的误差,采用“分时段变权重”的组合预测思想进行组合预测。本文编程基于MATLAB7.1平台,所提出的各种方法都编写有程序,并且以实际负荷序列(四川某地区电力负荷数据,288个采样时刻)进行算例分析,分析结果表明本文所提出的短期预测模型具有实用性。关键词:短期负荷预测;模糊C均值聚类;小波分解;粒子群算法;混沌理论;神经网络;最小二乘支持向量回归机;组合预测IAbstractAbstractPowersyst
7、emshort-termloadforecastingisaveryimportantjob,thepredictionaccuracyhasadirectimpactontheeconomyandstabilityofpowersystem.Therefore,theresearchonshorttermloadforecastingofpowersystemhasgreatsignificance.Inthispaper,inordertoimprovetheaccuracyofload
此文档下载收益归作者所有