本文選題：燃氣負荷預(yù)測 + 數(shù)據(jù)預(yù)處理　； 參考：《上海師范大學(xué)》2015年碩士論文

【摘要】：隨著智能燃氣管網(wǎng)建設(shè)工作的飛速發(fā)展,負荷預(yù)測工作越來越重要。短期負荷預(yù)測是城市燃氣系統(tǒng)的一項基礎(chǔ)工作,其數(shù)據(jù)對項目規(guī)劃、運行調(diào)度、管網(wǎng)維修以及工程技術(shù)分析都具有根本意義,因此尋求有效的短期負荷預(yù)測方法以提高預(yù)測精度是非常重要的。本文首先深入剖析了上海燃氣負荷特性,研究了負荷自身的周期性、季節(jié)性規(guī)律和主要影響因素,為預(yù)測模型輸入向量的確定提供了依據(jù)。針對歷史負荷樣本集中存在的“壞數(shù)據(jù)”,使用一系列預(yù)處理技術(shù)進行辨識和修正,保證負荷曲線的整體趨勢性和平滑性,從而提高模型的預(yù)測準確率,為仿真實驗的展開做了數(shù)據(jù)準備。接著闡述了基于Morlet小波基的小波BP神經(jīng)網(wǎng)絡(luò)和小波核支持向量機,用以改善單一BP神經(jīng)網(wǎng)絡(luò)和支持向量機的缺陷。同時引入自適應(yīng)慣性權(quán)重和cat混沌映射改善基本粒子群算法的全局和局部搜索能力。用改良的粒子群算法對小波BP神經(jīng)網(wǎng)絡(luò)和小波核支持向量機的相關(guān)參數(shù)迭代尋優(yōu),構(gòu)建優(yōu)化的模型,加快模型的收斂速度,提高模型的預(yù)測精度。這些知識都為組合預(yù)測模型的建立做了理論準備。最后詳細介紹了預(yù)測模型的建立和仿真實驗分析過程�；谌細庳摵稍诓煌竟�(jié)、季節(jié)交替和節(jié)假日期間所表現(xiàn)出的不同特性,為了提高整體預(yù)測精度,分別采用了三種預(yù)測模型以應(yīng)對不同的情形。針對燃氣負荷具有的明顯的季節(jié)特性,采用基于殘差修正的分季節(jié)預(yù)測模型,具體方法是:小波BP神經(jīng)網(wǎng)絡(luò)作初步預(yù)測,小波核支持向量機進行殘差修正,二者之和為最終的預(yù)測結(jié)果。針對季節(jié)交替時負荷預(yù)測存在較大偏差的問題,采用加權(quán)平均的季節(jié)交替預(yù)測模型,具體方法是:將交替季節(jié)的預(yù)測結(jié)果加權(quán)求和作為最終結(jié)果。針對節(jié)假日與工作日負荷曲線波動的差異,采用基于相似日修正的節(jié)假日預(yù)測模型,具體方法是:憑借綜合相似度篩選歷史相似日,依據(jù)它們與預(yù)測節(jié)假日之間的不同關(guān)系修正相似日負荷,然后在綜合相似度和修正負荷的基礎(chǔ)上實現(xiàn)節(jié)假日負荷評估。通過一系列參照實驗,驗證了以上模型對于不同工況下燃氣負荷預(yù)測的有效性和優(yōu)越性。
[Abstract]:In order to improve the accuracy of forecasting model , a series of forecasting models are proposed to improve the accuracy of forecasting model .

【學(xué)位授予單位】：上海師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TU996;TP18

【參考文獻】

相關(guān)期刊論文 前10條

1 秦紅磊,李曉白;一種基于帳篷映射的混沌搜索全局最優(yōu)方法[J];電機與控制學(xué)報;2004年01期

2 顧潔;應(yīng)用小波分析進行短期負荷預(yù)測[J];電力系統(tǒng)及其自動化學(xué)報;2003年02期

3 王奔;冷北雪;張喜海;單纕，

本文編號：1846997