基于小波变换的时间序列预测方法

《基于小波变换的时间序列预测方法》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、哈尔滨工业大学理学硕士学位论文摘要本文提出基于小波变换的时间序列预测方法，具体模型是时间序列预测的小波一神经网络一ARMA模型并研究了这个模型在电力系统短期负荷预测中的应用。电力系统负荷预测就是依据电力系统的历史负荷时间序列值，在满足一定精度的情况下决定未来某特定时刻的负荷值。根据不同的预测目的，负荷预测可分为超短期、短期和中长期的预报。其中短期负荷预测是电力系统的一项基本工作，是调度安排开停机计划的基础，其预测精度直接影响电力系统的经济效益。尽管电力负荷是一个随机的非平稳过程，由许多独立的随机分量组成，但是影响系统负荷的各因素中大部分都具有

2、规律性，从而为实现有效的预测奠定了基础.针对电力系统负荷序列具有近似周期性、非平稳性、非线性等特点，本文提出了小波一神经网络一ARMA模型并在系统短期负荷预报中得到了成功应用。在实际应用中，首先利用小波消噪对原始负荷序列进行滤波，然后利用小波变换充分提取和分离负荷序列的各种隐周期和非线性，把小波分解序列的特性和分解数据随尺度倍增而倍减的规律充分用于BP神经网络和自回归移动平均模型(ARMA)的建模，各尺度域小波分解用BP网络进行建模和预报，最大尺度上的尺度变换用ARMA进行建模和预报。最后，利用小波重构技术将各尺度域的预报结果组合成为负荷序列

3、的最终预报。作为应用，利用本文提出的混合预测模型对中国东北某市一个电力系统一段时期的真实采样进行实际分析。通过与其他两个典型方法的比较，说明本文提出的预报方法在电力系统短期负荷预报中的应用是成功的和有效的。关键词负荷预测;神经网络;小波变换;ARMA模型哈尔滨工业大学理学硕士学位论文AbstractInthispaper,weproposeamethodbasedonwavelettransformfortimeseriesforecasting,anditsconcretemodeliswavelet-neuralnetworks-ARMA

4、modelwhichisstudiedfortheapplicationtothepowersystemloadshort-termforecasting.Powersystemloadforecastingistospeculatetheloadvalueatacertainmomentinthefuturewithinstatedprecisionaccordingtosomepreviousloadtimeseriesvaluesofapowersystem.Loadforecastingcanbeclassifiedasultrash

5、orttermloadforecasting,shorttermloadforecastingandmediumtermloadforecastingbydiferentforecastingaims.Asoneofthesekindsofforecastings,shorttermloadforecastingisbothoneofbasicworkofpowersystemandabaseonwhichstarting-upandclosing-downprojectisscheduled,anditsprecisionmakesadir

6、ectefectontheeconomicbenefitofpowersystem.Althoughpowersystemloadisanonstationaryrandomprocessandiscomposedofmanyabsoluterandomcomponents,mostoffactorswhichafectsystemloadhaveregularity,andthischaracteristiclaysafoundationforrealizingavailableforecasting.Inthispaper,because

7、powersystemloadserieshavethenear-periodicity,nonstationarityandnonlinearity,inthispaper,thewavelet-neuralnetworks-ARMAmethodisproposedandhassuccessfulapplicationinpowersystemshorttermloadforecasting.Inpracticalapplication,firstly,theoriginalloadtimeseriesisfilteredbyusingwa

8、veletnoiseimmunization.Secondly,thehiddenperiodandthenonstationarityexistedinpower