發(fā)布時(shí)間：2018-06-19 07:02

  本文選題：智能電網(wǎng) + 支持向量分位數(shù)回歸�。� 參考：《合肥工業(yè)大學(xué)》2017年碩士論文

【摘要】：電力系統(tǒng)負(fù)荷預(yù)測(cè)是電力系統(tǒng)的計(jì)劃、規(guī)劃、調(diào)度的重要依據(jù)。它能夠更好地確保電力系統(tǒng)經(jīng)濟(jì)安全和穩(wěn)定運(yùn)行。環(huán)境的可持續(xù)發(fā)展是人類社會(huì)生存和發(fā)展的重要基礎(chǔ)。智能電網(wǎng)是未來電網(wǎng)發(fā)展的必然趨勢(shì),且智能電網(wǎng)的實(shí)現(xiàn)離不開精確的電力負(fù)荷預(yù)測(cè)方法的支持。大量分布式電源和可再生能源的并網(wǎng)有效地降低了傳統(tǒng)能源的消耗,極大地保護(hù)了環(huán)境。但由于其不穩(wěn)定性、間歇性等特點(diǎn),對(duì)電網(wǎng)的穩(wěn)定運(yùn)行帶來了新的問題。針對(duì)智能電網(wǎng)建成后帶來的電力系統(tǒng)運(yùn)行和調(diào)度的復(fù)雜性和不確定性,需要提出新的方法來提高電力負(fù)荷預(yù)測(cè)的精度。在智能電網(wǎng)快速發(fā)展的環(huán)境下,影響短期電力負(fù)荷預(yù)測(cè)準(zhǔn)確性的除了歷史負(fù)荷和氣象因素外,實(shí)時(shí)電價(jià)對(duì)短期電力負(fù)荷預(yù)測(cè)的精度影響也較為顯著。而且,實(shí)時(shí)電價(jià)是影響電力負(fù)荷預(yù)測(cè)的不確定因素之一。它對(duì)用戶用電模式的影響較大。隨著智能電網(wǎng)的快速發(fā)展,其中一個(gè)顯著的變化就是人們對(duì)根據(jù)電能需求結(jié)合實(shí)時(shí)電價(jià)調(diào)整其用電模式。這樣可以達(dá)到削峰填谷的目的,而且可以提高電網(wǎng)設(shè)備的發(fā)電效率和能源的利用效率,同時(shí)能夠降低用戶的電費(fèi)支出。為了提高考慮實(shí)時(shí)電價(jià)的短期電力負(fù)荷預(yù)測(cè)的精度,更好地反映電力負(fù)荷的不確定性,本文提出了支持向量分位數(shù)回歸(SVQR)方法,通過引入松弛變量構(gòu)造Lagrange函數(shù),得出了不同分位點(diǎn)下的未來一天任意時(shí)刻電力負(fù)荷的預(yù)測(cè)結(jié)果。同時(shí)采用Epanechnikov核函數(shù),將SVQR方法與核密度估計(jì)相結(jié)合,進(jìn)行短期電力負(fù)荷概率密度預(yù)測(cè),可得出較優(yōu)的預(yù)測(cè)結(jié)果和未來任意時(shí)刻的電力負(fù)荷準(zhǔn)確的波動(dòng)范圍。本文運(yùn)用支持向量分位數(shù)回歸方法進(jìn)行短期電力負(fù)荷預(yù)測(cè)的過程中,考慮到核函數(shù)對(duì)于此模型至關(guān)重要,由此提出了一個(gè)新的方法,基于核的支持向量分位數(shù)回歸和Copula理論的短期電力負(fù)荷概率密度預(yù)測(cè)方法。本文比較了三種不同的核函數(shù)并選擇適合目標(biāo)函數(shù)的最優(yōu)核函數(shù),同時(shí),運(yùn)用Copula理論來分析實(shí)時(shí)電價(jià)和電力負(fù)荷之間的關(guān)系。此外,本文選擇了可靠性準(zhǔn)則(PICP)和預(yù)測(cè)區(qū)間帶寬(PINAW)來評(píng)價(jià)輸出區(qū)間的準(zhǔn)確性。本文采用新加坡的歷史負(fù)荷和實(shí)時(shí)電價(jià)數(shù)據(jù)集的四個(gè)案例,進(jìn)行短期電力負(fù)荷概率密度預(yù)測(cè)。結(jié)果表明:該方法提供了實(shí)時(shí)電價(jià)和電力負(fù)荷之間具有相關(guān)關(guān)系以及能夠較好地解決考慮實(shí)時(shí)電價(jià)的短期電力負(fù)荷概率密度預(yù)測(cè)問題。同時(shí),給出了實(shí)時(shí)電價(jià)和電力負(fù)荷的關(guān)系圖,并提供了概率密度預(yù)測(cè)曲線圖以及預(yù)測(cè)結(jié)果和預(yù)測(cè)區(qū)間圖來更好地說明所提出的方法的優(yōu)越性。
[Abstract]:Power system load forecasting is an important basis for the planning, planning and scheduling of the power system. It can better ensure the economic security and stable operation of the power system. The sustainable development of the environment is an important basis for the survival and development of the human society. The smart grid is the inevitable trend of the development of the power grid in the future, and the realization of the smart grid can not be separated from the essence of the power system. The grid of a large number of distributed power and renewable energy effectively reduces the consumption of traditional energy and greatly protects the environment. But because of its instability and intermittent characteristics, it brings new problems to the stable operation of the power grid. The operation of the power system brought about by the completion of the smart grid has been brought. With the complexity and uncertainty of scheduling, new methods should be put forward to improve the accuracy of power load forecasting. In the rapid development of smart grid, the accuracy of short-term power load forecasting has a significant impact on the accuracy of short-term load forecasting, besides the historical load and meteorological factors. The electricity price is one of the uncertain factors that affect the power load forecasting. It has great influence on the mode of electricity consumption. With the rapid development of the smart grid, one of the significant changes is that people adjust the mode of electricity use according to the demand of electric energy and the real time price of electricity. This can achieve the purpose of cutting peak and filling the valley, and can improve the power grid. In order to improve the accuracy of the short-term power load forecasting and better reflect the uncertainty of the power load, the support vector quantile regression (SVQR) method is proposed to construct the Lagrange function by introducing the relaxation variable. At the same time, the prediction results of power load at any time of the next day at different points are given. At the same time, the Epanechnikov kernel function is used to combine the SVQR method with the nuclear density estimation to predict the short-term power load probability density. The better prediction results and the accurate fluctuation range of the power load at any time in the future can be obtained. In the process of short-term power load forecasting with support vector quantile regression, a new method is proposed, based on kernel support vector quantile regression and Copula theory for short-term power load probability density prediction. Three different kernel functions are compared in this paper. The optimal kernel function suitable for the objective function is selected. At the same time, the relationship between real time electricity price and power load is analyzed by using Copula theory. In addition, the reliability criterion (PICP) and prediction interval bandwidth (PINAW) are selected to evaluate the accuracy of the output interval. In this paper, four cases of the historical load and the real time electricity price data set are adopted in this paper. The result shows that the method provides the relationship between real time electricity price and power load, and can better solve the problem of probability density prediction of short-term electric load considering real time electricity price. At the same time, the relationship diagram of real time electricity price and power load is given, and the probability density is provided. The prediction curve and superiority to better prediction results and prediction interval of the proposed method.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM715

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 齊曉麗;金善女;梁慧超;連建新;;基于面板數(shù)據(jù)的分位數(shù)回歸及實(shí)證研究[J];河北工業(yè)大學(xué)學(xué)報(bào);2010年03期

2 王純杰;董小剛;陳嘉;宋芹;;基于分位數(shù)回歸的長(zhǎng)春市職工工資水平的分析[J];長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

3 郭月玲;;百分位數(shù)回歸及應(yīng)用研究[J];經(jīng)濟(jì)研究導(dǎo)刊;2013年22期

4 李壯壯;孫善輝;高鳳偉;;基于變權(quán)重分位數(shù)回歸的安徽省人均可支配收入影響因素分析[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年10期

5 蘇方林;宋幫英;;中國(guó)電力消費(fèi)影響因素權(quán)重的分位數(shù)回歸研究[J];河北科技大學(xué)學(xué)報(bào);2010年04期

6 丁詠梅;;基于分位數(shù)回歸的城市居民生活水價(jià)影響因素分析[J];中國(guó)水能及電氣化;2014年01期

7 李文輝;;就業(yè)環(huán)境變遷與城鎮(zhèn)化的內(nèi)在依從關(guān)系研究[J];城市發(fā)展研究;2014年05期

8 袁凡;;基于分位數(shù)回歸的油輪運(yùn)價(jià)指數(shù)VaR風(fēng)險(xiǎn)研究[J];港口經(jīng)濟(jì);2013年05期

9 楊宜平;趙培信;;R統(tǒng)計(jì)軟件在統(tǒng)計(jì)教學(xué)中的應(yīng)用[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

10 王艷梅;陳希鎮(zhèn);董乃銘;;山西省人均GDP的發(fā)展態(tài)勢(shì)——基于時(shí)間序列、最小二乘回歸、分位數(shù)回歸方法[J];科學(xué)技術(shù)與工程;2012年18期

相關(guān)會(huì)議論文 前6條

1 林藝圃;;中國(guó)股市價(jià)量關(guān)系的實(shí)證分析分位數(shù)回歸模型[A];中國(guó)社會(huì)科學(xué)院第三屆中國(guó)經(jīng)濟(jì)論壇論文集（下）[C];2007年

2 陳娟;林龍;葉阿忠;;基于分位數(shù)回歸的中國(guó)居民消費(fèi)研究[A];中國(guó)社會(huì)科學(xué)院第三屆中國(guó)經(jīng)濟(jì)論壇論文集（下）[C];2007年

3 夏寧;;中國(guó)上市公司高管人員薪酬的影響因素與成因分解——一個(gè)基于分位數(shù)回歸模型的實(shí)證研究[A];中國(guó)會(huì)計(jì)學(xué)會(huì)財(cái)務(wù)管理專業(yè)委員會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2009年

4 宋馬林;吳杰;高玉強(qiáng);張琳玲;宋峰;;中國(guó)入世以來的對(duì)外貿(mào)易與環(huán)保效率——基于分省面板數(shù)據(jù)的實(shí)證分析[A];中國(guó)貿(mào)易救濟(jì)與產(chǎn)業(yè)安全論叢（2012）——第七屆中國(guó)貿(mào)易救濟(jì)與產(chǎn)業(yè)安全研究獎(jiǎng)獲獎(jiǎng)?wù)撐募痆C];2013年

5 任聲策;;創(chuàng)新和出口的互動(dòng)關(guān)系:基于中國(guó)制造業(yè)企業(yè)的實(shí)證[A];第八屆（2013）中國(guó)管理學(xué)年會(huì)——技術(shù)與創(chuàng)新管理分會(huì)場(chǎng)論文集[C];2013年

6 劉鑫波;張志敏;梁逸曾;;高效準(zhǔn)確的高分辨數(shù)據(jù)快速平滑與基線校正算法[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

相關(guān)博士學(xué)位論文 前9條

1 康寧;分位數(shù)回歸模型及在金融經(jīng)濟(jì)中的應(yīng)用[D];合肥工業(yè)大學(xué);2016年

2 劉惠籃;基于復(fù)合分位數(shù)回歸方法的統(tǒng)計(jì)模型的相關(guān)研究[D];重慶大學(xué);2016年

3 Muhammad Amin;高維懲罰分位數(shù)回歸建模及其應(yīng)用[D];大連理工大學(xué);2015年

4 楊豐凱;基于偏拉普拉斯分布的若干分位數(shù)回歸模型的統(tǒng)計(jì)推斷[D];山東大學(xué);2017年

5 王娜;面板數(shù)據(jù)分位數(shù)回歸模型求解及應(yīng)用研究[D];山東大學(xué);2017年

6 韓月麗;極值統(tǒng)計(jì)與分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

7 關(guān)靜;分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

8 項(xiàng)云帆;資本資產(chǎn)定價(jià)模型及實(shí)證分析[D];華中科技大學(xué);2010年

9 陳林興;基于空間視角的我國(guó)省際農(nóng)村居民消費(fèi)趨同性研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 代貝;基于分位數(shù)回歸的農(nóng)村居民消費(fèi)區(qū)域差異研究[D];昆明理工大學(xué);2015年

2 羅小青;基于分位數(shù)回歸的中國(guó)GDP與電力消費(fèi)量關(guān)系研究[D];華南理工大學(xué);2015年

3 于琴;西部地區(qū)農(nóng)村產(chǎn)權(quán)抵押貸款對(duì)農(nóng)戶收入的影響研究[D];西北農(nóng)林科技大學(xué);2015年

4 王歡歡;績(jī)效評(píng)估角度的信息化升級(jí)時(shí)間域選擇模型[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

5 劉袁;利率市場(chǎng)化背景下商業(yè)銀行利率風(fēng)險(xiǎn)的測(cè)度[D];南京財(cái)經(jīng)大學(xué);2015年

6 周策;VaR模型在我國(guó)開放式上市基金市場(chǎng)的實(shí)證分析[D];廣東外語外貿(mào)大學(xué);2015年

7 耿國(guó)強(qiáng);分位數(shù)回歸理論及其在金融時(shí)間序列的應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2015年

8 王琪鋒;復(fù)合分位數(shù)回歸在線性時(shí)間序列下的應(yīng)用[D];大連理工大學(xué);2015年

9 吳博聞;刪失數(shù)據(jù)下部分線性變系數(shù)模型的分位數(shù)回歸[D];大連理工大學(xué);2015年

10 凌珂;生長(zhǎng)曲線模型的分位數(shù)回歸與變量選擇[D];華東師范大學(xué);2015年

，

本文編號(hào)：2039039