本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的中長期電力市場需求分析及預(yù)測，，由筆耕文化傳播整理發(fā)布。

【摘要】：長期以來,電力在社會發(fā)展中一直扮演著舉足輕重的角色,從經(jīng)濟社會的發(fā)展,到人民生活水平的提高都離不開電力的保障作用。從某種程度上說,電力工業(yè)的發(fā)展水平已成為衡量一個國家發(fā)展水平乃至物質(zhì)精神文明的一個重要標志。區(qū)別于煤、石油等一次性能源,電能自身的特性決定了電能不能大規(guī)模存儲,必須通過有效的電力市場需求預(yù)測手段實現(xiàn)合理的電網(wǎng)中長期發(fā)展規(guī)劃、電力營銷和電網(wǎng)需求側(cè)管理。因此,中長期電力市場需求預(yù)測技術(shù)對電力系統(tǒng)的安全穩(wěn)定運營具有重要意義。另一方面,我國區(qū)域電力供需發(fā)展不平衡現(xiàn)象仍廣泛存在：由于對電力需求估計的不足,部分地區(qū)經(jīng)常出現(xiàn)月平均停電時間超十小時的現(xiàn)象；同時,部分地區(qū)對電力市場需求估計過高,導(dǎo)致電能過剩,不但提高了電力企業(yè)的運營成本,更造成了資源的浪費。因此,加強對電力消費需求的預(yù)測研究和區(qū)域電力市場的需求分析是實現(xiàn)電力有效供應(yīng)的前提和技術(shù)關(guān)鍵。相比于短期負荷預(yù)測,中長期電力市場需求預(yù)測面臨很多挑戰(zhàn)：由于時間、地域跨度范圍比較大,中長期電力需求受電力市場外部因素影響較大,且部分影響因素難以量化和建模；對象可研究的需求歷史數(shù)據(jù)遠少于短期負荷預(yù)測；對于行業(yè)電力市場需求預(yù)測,由于行業(yè)數(shù)目眾多,很難針對每個行業(yè)建立單獨的預(yù)測模型進行電力市場需求預(yù)測。針對上述研究挑戰(zhàn),本文以省級電力市場需求預(yù)測為研究對象,深入研究中長期電力市場需求預(yù)測方法�；谏鲜鲅芯刻魬�(zhàn),本文的主要創(chuàng)新點如下：1.針對省級及地市級電力市場需求預(yù)測問題,結(jié)合計量經(jīng)濟學(xué)原理,篩選出電力市場需求的關(guān)鍵影響因素,并通過智能模型擬合外部影響因素與電力需求之間的非線性關(guān)系,克服了省級及地市級電力市場需求受外部因素影響難以量化的問題;2.針對行業(yè)電力市場需求預(yù)測中行業(yè)數(shù)目過多的特點,本文根據(jù)行業(yè)電力市場需求波動特性,基于聚類算法對行業(yè)電力市場進行劃分。針對當前聚類算法在行業(yè)電力市場分類應(yīng)用中的不足,對傳統(tǒng)聚類算法及聚類評價指標提出了改進方案。最后,針對聚類后的各行業(yè)簇,建立統(tǒng)一的預(yù)測模型,提高了預(yù)測精度；3.以南方電網(wǎng)某電力大省為實例,以全省及21個地市電力市場及137個行業(yè)電力市場為對象,對本文提出的基于數(shù)據(jù)挖掘的建模方法進行了驗證研究,實驗結(jié)果論證了本文提出的建模方法的有效性。
【關(guān)鍵詞】：中長期電力市場需求 行業(yè)電力市場 數(shù)據(jù)挖掘 聚類 預(yù)測模型
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F426.61;TP311.13
【目錄】：

• 致謝5-6
• 摘要6-8
• ABSTRACT8-12
• 第一章 緒論12-22
• 1.1 研究背景及意義12-15
• 1.1.1 研究背景12-13
• 1.1.2 我國電力市場概況13-14
• 1.1.3 研究意義14-15
• 1.2 研究挑戰(zhàn)15-16
• 1.3 國內(nèi)外研究現(xiàn)狀16-19
• 1.4 主要研究內(nèi)容19-20
• 1.5 本章小結(jié)20-22
• 第二章 電力需求影響因素的量化篩選22-40
• 2.1 中長期電力市場需求特性分析22-24
• 2.1.1 省市級月度電力市場需求波動特性22-23
• 2.1.2 省市級季度電力市場需求波動特性23-24
• 2.2 電力市場需求相關(guān)指標庫建立24-29
• 2.2.1 電力市場需求影響因素分析24
• 2.2.2 電力市場需求相關(guān)指標庫建立24-26
• 2.2.3 指標庫數(shù)據(jù)清理26-29
• 2.3 電力市場需求關(guān)鍵指標篩選29-35
• 2.3.1 平穩(wěn)性檢驗30-32
• 2.3.2 協(xié)整檢驗32-34
• 2.3.3 格蘭杰因果關(guān)系檢驗34-35
• 2.4 關(guān)鍵指標篩選實例分析35-38
• 2.5 本章小結(jié)38-40
• 第三章 行業(yè)電力市場聚類研究40-62
• 3.1 應(yīng)用背景介紹40-43
• 3.1.1 行業(yè)電力市場概況40-42
• 3.1.2 聚類算法的應(yīng)用分析42-43
• 3.2 聚類算法研究43-57
• 3.2.1 問題抽象43-44
• 3.2.2 聚類算法介紹44-49
• 3.2.3 聚類算法的評價指標49-54
• 3.2.4 改進聚類算法54-57
• 3.3 聚類算法應(yīng)用實例分析57-61
• 3.4 本章小結(jié)61-62
• 第四章 電力市場需求預(yù)測模型研究62-78
• 4.1 電力需求預(yù)測模型62-64
• 4.1.1 預(yù)測模型發(fā)展概述62-63
• 4.1.2 預(yù)測模型的評價63-64
• 4.2 省市級電力需求預(yù)測模型研究64-71
• 4.2.1 常用預(yù)測模型64-67
• 4.2.2 模型應(yīng)用實例67-71
• 4.3 行業(yè)電力需求預(yù)測模型研究71-77
• 4.3.1 常用預(yù)測模型71-74
• 4.3.2 模型應(yīng)用實例74-77
• 4.4 本章小結(jié)77-78
• 第五章 總結(jié)與展望78-80
• 5.1 本文的研究問題及創(chuàng)新點78-79
• 5.2 研究展望79-80
• 參考文獻80-84
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與取得的其它研究成果84

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 麥鴻坤;肖堅紅;吳熙辰;陳馳;;基于R語言的負荷預(yù)測ARIMA模型并行化研究[J];電網(wǎng)技術(shù);2015年11期

2 許yN;王世芳;;短期電力負荷預(yù)測研究[J];電子測試;2015年19期

3 杜勇;;國家電網(wǎng)公司實施電力計量標準化建設(shè)研究[J];科技創(chuàng)新導(dǎo)報;2015年22期

4 譚玫;;電力市場營銷的發(fā)展和創(chuàng)新[J];現(xiàn)代營銷(下旬刊);2015年03期

5 邱實;韓用明;王文燦;;數(shù)據(jù)趨勢分析法的審計運用[J];財會月刊;2014年24期

6 張婷;;CPI的SARIMA模型與X-12季節(jié)調(diào)整模型對比預(yù)測分析[J];經(jīng)濟問題;2014年12期

7 孫晶琪;牛東曉;冷媛;李春杰;;電力市場復(fù)雜特性及其演化規(guī)律的實證研究[J];技術(shù)經(jīng)濟與管理研究;2012年11期

8 萬昆;柳瑞禹;;區(qū)間時間序列向量自回歸模型在短期電力負荷預(yù)測中的應(yīng)用[J];電網(wǎng)技術(shù);2012年11期

9 王群勇;;中國季度GDP的季節(jié)調(diào)整:結(jié)構(gòu)時間序列方法[J];統(tǒng)計研究;2011年05期

10 張虎;李瑋;郁婷婷;;季節(jié)調(diào)整方法在CPI指數(shù)中的應(yīng)用[J];統(tǒng)計與決策;2011年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 郭皓池;智能電網(wǎng)中基于負荷分析的需求側(cè)管理體系發(fā)展研究[D];華北電力大學(xué);2014年

2 王大鵬;灰色預(yù)測模型及中長期電力負荷預(yù)測應(yīng)用研究[D];華中科技大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 耿娟娟;基于X-12-ARIMA和SARIMA模型及其組合模型的CPI預(yù)測研究[D];西南石油大學(xué);2015年

2 毛玉鳳;基于時間序列分析的電力需求預(yù)測及季節(jié)調(diào)整模型的研究[D];北京工業(yè)大學(xué);2013年

  本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的中長期電力市場需求分析及預(yù)測，由筆耕文化傳播整理發(fā)布。

本文編號：254538