本文選題：超短期負荷預測 + 原子稀疏分解　； 參考：《電工電能新技術》2017年12期

【摘要】：為提高負荷預測精度,降低電力系統規(guī)劃決策的保守性,本文提出了一種基于小波-原子稀疏分解(WD-ASD)的超短期負荷預測模型。該模型使用模糊聚類算法提取相似日為歷史數據,采用小波分解(WD)作為前置環(huán)節(jié),以基于原子表達式的自預測和基于最小二乘支持向量機(LSSVM)的殘余分量預測為基礎構建原子稀疏分解(ASD)預測模型,分別對負荷的高低頻分量進行預測,并將結果相加得到最終預測值。其中ASD分解過程由正弦原子庫自適應匹配分解完成,并將粒子群算法(PSO)和正交匹配追蹤(OMP)算法相結合以增強原子稀疏分解能力。實際負荷數據算例驗證了所提方法的自適應性、快速性及有效性。
[Abstract]:In order to improve the accuracy of load forecasting and reduce the conservatism of power system planning decision, this paper presents an ultra-short-term load forecasting model based on wavelet atomic sparse decomposition (WD-ASD). The model uses fuzzy clustering algorithm to extract similar date as historical data and wavelet decomposition (WD) as the leading link. Based on the self-prediction based on atomic expression and the residual component prediction based on least squares support vector machine (LSSVM), the atomic sparse decomposition (ASD) prediction model is constructed to predict the high and low frequency components of the load, respectively. The final prediction value is obtained by adding the results together. The process of ASD decomposition is accomplished by sine atom library adaptive matching decomposition, and particle swarm optimization (PSO) algorithm is combined with orthogonal matching tracking (OMP) algorithm to enhance the ability of atomic sparse decomposition. An example of actual load data shows that the proposed method is adaptive, fast and effective.
【作者單位】： 電力電子節(jié)能與傳動控制河北省重點實驗室燕山大學;華北電力大學電氣與電子工程學院;北京亦莊國際開發(fā)建設有限公司;
【基金】：河北省高等學�？茖W技術研究項目(QN2016064)
【分類號】：TM715

【相似文獻】

相關期刊論文 前10條

1 吳勁暉,王冬明,黃良寶,孫維真;一種超短期負荷預測的新方法——負荷求導法[J];浙江電力;2000年06期

2 戴和彩;淺談如皋電網的短期負荷預測[J];農村電氣化;2001年05期

3 侯凱元,穆鋼,楊右虹,惠永杰;地區(qū)電網短期負荷預測系統的研究[J];電力系統及其自動化學報;2001年05期

4 潘勇;短期負荷預測精度影響因素分析和對策[J];農村電氣化;2003年05期

5 趙登福,吳娟,劉昱,張講社,王錫凡;基于事例推理的短期負荷預測[J];西安交通大學學報;2003年06期

6 莫維仁,張伯明,孫宏斌,胡子珩,劉順桂;擴展短期負荷預測的原理和方法[J];中國電機工程學報;2003年03期

7 吳江;張龍勝;;溫度、人體舒適度對地區(qū)短期負荷預測的影響[J];上海電力;2003年03期

8 梁勤勵,謝正寧,田自軍;銀南電網短期負荷預測[J];農村電氣化;2004年07期

9 丁恰,盧建剛,錢玉妹,張劍,廖懷慶;一種實用的超短期負荷預測曲線外推方法[J];電力系統自動化;2004年16期

10 胡子珩;劉順桂;邱利斌;朱成騏;張伯明;孫宏斌;;深圳電網智能化自動運行短期負荷預測系統[J];電網技術;2005年23期

相關會議論文 前10條

1 侯廣松;劉偉生;;適用于地區(qū)電網的短期負荷預測方法的研究[A];2005中國電機工程學會電力系統自動化專委會全國供用電管理自動化學術交流暨供用電管理自動化學科組第二屆年會論文集[C];2005年

2 朱桂華;賴曉平;云昌欽;;在線短期負荷預測方法的研究與應用[A];1995年中國控制會議論文集（上）[C];1995年

3 杜欣慧;張嶺;畢艷華;;采用自適應神經網絡進行短期負荷預測[A];2004全國測控、計量與儀器儀表學術年會論文集（下冊）[C];2004年

4 侯廣松;劉偉生;謝廣建;;基于相關因素映射和神經網絡的短期負荷預測[A];2006電力系統自動化學術交流研討大會論文集[C];2006年

5 唐向陽;;應用于短期負荷預測的自適應建模方法[A];廣西電機工程學會第七屆青年學術交流會論文集[C];2002年

6 杜俊紅;滕歡;滕福生;;在線超短期負荷預測的分析與應用研究[A];2006中國電力系統保護與控制學術研討會論文集[C];2006年

7 侯廣松;劉偉生;;基于相關因素映射和神經網絡的短期負荷預測[A];山東電機工程學會第十一屆優(yōu)秀學術論文集[C];2008年

8 盛瓊;顧澤;駱麗楠;;基于實時氣象要素的湖州短期負荷預測研究[A];第八屆長三角氣象科技發(fā)展論壇論文集[C];2011年

9 張雪瑩;管霖;;采用譜分析建模和基于人工神經網絡的短期負荷預測方案[A];廣東省電機工程學會2003-2004年度優(yōu)秀論文集[C];2005年

10 田曉;顏勇;孔凡坊;顧德英;;新型神經網絡在短期負荷預測中的應用研究[A];山東電機工程學會第五屆供電專業(yè)學術交流會論文集[C];2008年

相關重要報紙文章 前2條

1 通訊員池長斌;寧夏電網短期負荷預測西北第一[N];中國電力報;2011年

2 通訊員 池長斌;寧夏電力短期負荷預測保持領先[N];中國電力報;2011年

相關博士學位論文 前10條

1 盧蕓;短期電力負荷預測關鍵問題與方法的研究[D];沈陽工業(yè)大學;2007年

2 鄭永康;相空間重構與支持向量機結合的短期負荷預測研究[D];西南交通大學;2008年

3 王碩禾;基于短期負荷預測技術的電能控制系統研究[D];天津大學;2009年

4 程其云;基于數據挖掘的電力短期負荷預測模型及方法的研究[D];重慶大學;2004年

5 王志勇;數據挖掘方法在短期負荷預測中的應用研究[D];浙江大學;2007年

6 葉彬;混合智能建模技術及其在短期負荷預測中的應用研究[D];浙江大學;2006年

7 蘇慶新;區(qū)域電力系統超短期負荷預測及網絡建模分析[D];東華大學;2008年

8 吳宏曉;基于軟計算方法的電力系統負荷預測[D];上海交通大學;2007年

9 雷紹蘭;基于電力負荷時間序列混沌特性的短期負荷預測方法研究[D];重慶大學;2005年

10 謝忠玉;電力短期負荷時間序列混沌特性分析及預測研究[D];哈爾濱工程大學;2010年

相關碩士學位論文 前10條

1 曹東波;“機理＋辨識”預測策略在電力短期負荷預測中的應用[D];天津大學;2007年

2 張芳明;電力市場環(huán)境下的電力系統擴展短期負荷預測研究[D];湖南大學;2009年

3 李國輝;超短期負荷預測的廣義外推法[D];大連理工大學;2008年

4 蔡佳宏;超短期負荷預測的研究[D];四川大學;2006年

5 羅軍;跨平臺短期負荷預測系統的研究、設計、實現[D];清華大學;2006年

6 王升治;深圳電網短期負荷預測閉環(huán)運行系統的研究[D];上海交通大學;2006年

7 閆冬梅;大孤山選礦廠電能信息采集及短期負荷預測的研究[D];長春工業(yè)大學;2010年

8 郭杰昊;基于混沌時間序列的短期負荷預測研究[D];上海交通大學;2015年

9 李海龍;考慮實時氣象因素的電力系統短期負荷預測[D];華北電力大學;2015年

10 柏建良;組合預測模型在湖州電網短期負荷預測中的應用[D];華北電力大學;2015年

，

本文編號：1806458