【摘要】：電力作為一種能源形式,從誕生伊始,就引領(lǐng)了能源與工業(yè)的革命,并完全改變了人們以往的生活、工作方式。電力系統(tǒng)是一個由發(fā)電、輸電、配電、用電等環(huán)節(jié)構(gòu)成的電力生產(chǎn)、輸送及消費的系統(tǒng),它將整個電力行業(yè)有效地聯(lián)結(jié)到了一起形成一整條產(chǎn)業(yè)鏈。精確的電力需求預測是保持電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟、高效運行的保障,電力需求預測的結(jié)果不僅能為管理部門審批電力投資項目提供依據(jù),還能為電網(wǎng)的優(yōu)化調(diào)度提供決策支持,更能為發(fā)電站的發(fā)電計劃提供數(shù)據(jù)支撐。電力能源又不同于其他消耗品,它具有一個重要特征是無法存儲或者存儲代價十分巨大,這就需要電力從生產(chǎn)完成開始就需要立即經(jīng)過電網(wǎng)輸送到用戶端消費,使得電力的生產(chǎn)、輸送、消耗在同一時間完成,并形成動態(tài)的平衡。精確的電力需求預測將能有效地調(diào)節(jié)電力的生產(chǎn)計劃和電網(wǎng)的調(diào)度計劃,避免產(chǎn)生嚴重的電力生產(chǎn)與消耗不平衡問題,并為決策者提供決策支持。電力需求數(shù)據(jù)在不同的時間長度中呈現(xiàn)出不同的變化趨勢,但大多均具有復雜的非線性、波動性和隨機性等特征,這就使得傳統(tǒng)的預測方法無法獲得精確的預測結(jié)果,給電力需求預測帶來了很大的困難。本文將根據(jù)不同類型、不同時間段的電力需求數(shù)據(jù)分別建立需求預測模型進行預測研究,主要的研究工作如下：(1)對于短期單因素電力需求預測問題,提出了一種改進的自適應遺傳優(yōu)化的ARMA模型進行預測。在該模型中,針對ARMA模型定階困難的情況,采用自適應的遺傳算法來決定模型的階數(shù)。又由于傳統(tǒng)的自適應遺傳算法在算法初期適應度值接近種群中最大適應度值時容易出現(xiàn)種群進化停滯而收斂于局部最優(yōu),為此對自適應的交叉概率和變異概率進行改進并將概率與迭代數(shù)目相關(guān)從而克服了傳統(tǒng)自適應遺傳算法的不足。然后將該模型應用于美國PJM公司的每小時電力預測中,結(jié)果顯示該模型的預測精度較高。(2)對于中期單因素電力需求預測問題,分別研究以月度和年度為時間間隔的電力需求的未來變化趨勢。針對單因素條件下的月度中期電力需求預測問題,提出了一個季節(jié)性GATS-SVR模型,在該模型中采用遺傳和禁忌搜索的混合算法進行參數(shù)尋優(yōu),克服傳統(tǒng)遺傳算法過早收斂和爬山能力不足的問題。同時,充分利用用電量的周期性變化規(guī)律并引入季節(jié)性調(diào)整因子來提高預測精度。并在算法中將最小一乘準則作為參數(shù)尋優(yōu)的評價標準來提升模型的穩(wěn)定性。最后將該模型應用于江蘇省月度全社會用電量預測中,實例結(jié)果表明季節(jié)性GATS-SVR模型擁有較高的預測精度。針對單因素條件下的年度電力需求預測問題,提出了基于初值優(yōu)化的最小一乘PSO-GM(1,1)模型。在該模型中對傳統(tǒng)的GM(1,1)模型的初值進行改進,以累加序列的最后一個點為基礎(chǔ),并在此之上乘以一個信息增益或縮減的因子變量作為新的初值條件。同時采用最小一乘準則代替最小二乘準則進行參數(shù)尋優(yōu),克服存在奇異點時引起的誤差擴大情況。然后,通過時變權(quán)重的粒子群優(yōu)化算法對模型的參數(shù)進行尋優(yōu)。最后使用該模型對我國全社會年度用電量進行預測分析,結(jié)果顯示該模型的預測精度較傳統(tǒng)模型要高。(3)對于中期多因素電力需求預測問題,考慮與電力需求相關(guān)的經(jīng)濟、環(huán)境等影響因素,并利用這些相關(guān)影響因素及歷史電力需求數(shù)據(jù)分別構(gòu)建時變權(quán)重的粒子群參數(shù)優(yōu)化PSO-CV-SVR模型和基于最小一乘準則的遺傳參數(shù)優(yōu)化GA-SVR模型對江蘇省月度全社會用電量進行預測研究,實例結(jié)果顯示這兩個模型的預測精度均比BP-神經(jīng)網(wǎng)絡(luò)模型要高。(4)對于中期多因素條件下的電力需求的區(qū)間預測問題,提出了一種WMC-GS-CV-SVR的概率區(qū)間優(yōu)化預測模型。在該模型中,首先通過網(wǎng)絡(luò)搜索交叉驗證(GS-CV)思想對SVR模型進行參數(shù)尋優(yōu),然后利用GS-CV-SVR模型進行一步預測。接著利用加權(quán)馬爾可夫鏈原理根據(jù)預測的偏差進行模型修正,將點預測轉(zhuǎn)化為區(qū)間預測,給出了未來預測區(qū)間的概率分布,使決策者能夠了解未來電力需求的高估或者低估的概率信息。最后根據(jù)區(qū)間概率分布信息使用期望預測法給出了電力需求的預測值,通過江蘇省月度全社會用電量的實例結(jié)果表明該方法的預測精度也較高。
[Abstract]:......
【學位授予單位】：合肥工業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：F426.61;F224

【相似文獻】

相關(guān)期刊論文 前10條

1 朱成章;電力需求預測要擯棄“大膽假設(shè)”[J];大眾用電;2005年03期

2 西北地區(qū)電力發(fā)展戰(zhàn)略規(guī)劃研究課題專家組;西北四省區(qū)2001～2015年電力需求預測分析評估[J];西北電力技術(shù);2000年03期

3 廖志高,謝妮;自組織數(shù)據(jù)挖掘在電力需求預測中應用[J];電力科學與工程;2004年04期

4 羅海斌;山區(qū)城市電力需求預測分析[J];廣東輸電與變電技術(shù);2005年05期

5 節(jié)寧;;未來中國電力需求預測的分析[J];大眾用電;2006年03期

6 楊婭妙;;淺議電力需求預測[J];山西電力;2006年02期

7 魏炎初;蔣建波;;電力需求預測與經(jīng)濟發(fā)展的相關(guān)性[J];廣西大學學報(哲學社會科學版);2010年S1期

8 賈常艷;;能源可持續(xù)發(fā)展 需求預測是前提 服務(wù)型電網(wǎng)保供應——國網(wǎng)能源研究院能源戰(zhàn)略與規(guī)劃研究所所長 白建華[J];電器工業(yè);2013年10期

9 皮偉豐;;地區(qū)經(jīng)濟因素與電力需求預測方法探析[J];科技風;2013年05期

10 朱成章;我國電力需求預測的難點淺析[J];華東電力;1999年03期

相關(guān)會議論文 前4條

1 丁友衛(wèi);楊昌昕;;對江西省電力需求預測結(jié)果及方法的驗證[A];長三角清潔能源論壇論文專輯[C];2005年

2 黃元生;鄭燕;乞建勛;;基于最小二乘的支持向量機在電力需求預測中的應用[A];中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學研究會第七屆全國會員代表大會暨第七屆中國管理科學學術(shù)年會論文集[C];2005年

3 匡少龍;黃家兵;;灰色模型在電力需求預測中的應用[A];第十五屆華東六省一市電機工程（電力）學會輸配電技術(shù)研討會論文集[C];2007年

4 閻訪;陳靜;;基于氣溫的石家莊夏季電力需求預測[A];第26屆中國氣象學會年會氣象災害與社會和諧分會場論文集[C];2009年

相關(guān)重要報紙文章 前5條

1 ;中長期電力需求預測及其系統(tǒng)開發(fā)[N];科技日報;2006年

2 張學先;專家把脈“十一五”電力需求預測[N];中國工業(yè)報;2005年

3 文杰;“大膽假設(shè)”膽太大[N];中國工業(yè)報;2004年

4 吳敬儒;2005～2030年電力需求預測及發(fā)展戰(zhàn)略研究[N];中國電力報;2007年

5 記者 葉勇　編輯 阮奇;今年電煤需求可達17.5億噸占全年煤炭產(chǎn)量過半[N];上海證券報;2010年

相關(guān)博士學位論文 前3條

1 章政;數(shù)據(jù)驅(qū)動的短中期電力需求預測優(yōu)化學習方法研究[D];合肥工業(yè)大學;2015年

2 鄭忠智;我國能源資源結(jié)構(gòu)與電力需求預測分析[D];中國地質(zhì)大學（北京）;2009年

3 李春祥;基于知識發(fā)現(xiàn)的電力需求復合預測研究[D];華北電力大學（河北）;2009年

相關(guān)碩士學位論文 前10條

1 劉毅;某市電力需求預測分析[D];華北電力大學;2015年

2 宋玉坤;基于復合知識挖掘的北京市中長期電力需求預測[D];華北電力大學(北京);2016年

3 韋亦龍;電力需求預測及負荷特性分析系統(tǒng)的設(shè)計與實現(xiàn)[D];湖南大學;2015年

4 生雅明;基于時間序列分析的電力需求預測研究[D];大連理工大學;2015年

5 成坤;深圳市電力需求預測研究[D];華南理工大學;2016年

6 王茜;電力需求預測后評價模型和方法研究[D];華北電力大學（北京）;2008年

7 何云輝;電力需求預測的實用方法研究[D];四川大學;2005年

8 顏婉雯;基于經(jīng)濟因素的廣東省電力需求預測研究[D];暨南大學;2006年

9 馬德國;數(shù)據(jù)挖掘在電力需求預測中的應用研究[D];河北工業(yè)大學;2013年

10 張愛輝;基于多指標模型的中長期電力需求預測研究[D];長沙理工大學;2013年

，

本文編號：2367318