發(fā)布時(shí)間：2019-02-13 01:49

【摘要】：針對(duì)氣象變化時(shí)負(fù)荷曲線預(yù)測精度低、預(yù)測模型不能完全適應(yīng)氣象變化的情況,提出了一種基于模糊信息�；c多策略靈敏度的短期日負(fù)荷曲線預(yù)測方法。提出了完全氣象因子序列的概念,建立氣象�；�;采用空間多元回歸及滯后模型結(jié)合多策略靈敏度分析法,建立了針對(duì)復(fù)雜氣象條件下的極值預(yù)測模型;基于改進(jìn)的K-means聚類分析法查找并獲取氣象特征日,計(jì)算初步預(yù)測曲線,主動(dòng)判斷預(yù)測曲線畸變概率并進(jìn)行優(yōu)化修正,得到最佳預(yù)測日負(fù)荷曲線;利用動(dòng)態(tài)數(shù)據(jù)流對(duì)模型參數(shù)進(jìn)行更新,實(shí)現(xiàn)精細(xì)化預(yù)測。最后采用該方法對(duì)我國南方某地區(qū)全年負(fù)荷曲線進(jìn)行預(yù)測,驗(yàn)證了模型在多種氣象條件下的預(yù)測準(zhǔn)確性,尤其適用于短期內(nèi)氣象存在復(fù)雜變化的情形。
[Abstract]:A short-term daily load curve forecasting method based on fuzzy information granulation and multi-strategy sensitivity is proposed in view of the low forecasting accuracy of the load curve and the inability of the forecasting model to adapt to the meteorological change. In this paper, the concept of complete meteorological factor series is put forward, and the meteorological granulation set is established, and the extreme value prediction model for complex meteorological conditions is established by using spatial multivariate regression and lag model combined with multi-strategy sensitivity analysis. Based on the improved K-means clustering analysis method, the meteorological feature days are found and obtained, the preliminary prediction curve is calculated, the distortion probability of the prediction curve is judged and optimized, and the optimal daily load forecasting curve is obtained. The dynamic data stream is used to update the model parameters to realize fine prediction. Finally, this method is used to predict the annual load curve in a certain area of southern China, which verifies the prediction accuracy of the model under various meteorological conditions, especially in the case of complex meteorological changes in the short term.
【作者單位】： 廣西電力系統(tǒng)最優(yōu)化與節(jié)能技術(shù)重點(diǎn)實(shí)驗(yàn)室(廣西大學(xué));廣西電網(wǎng)公司電力調(diào)度控制中心;
【基金】：國家自然科學(xué)基金(51541707) 國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)(2013CB228205)資助項(xiàng)目
【分類號(hào)】：TM715

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賴敏;日負(fù)荷曲線的二次函數(shù)修正預(yù)測方法[J];華中電力;2004年02期

2 章文,胡秀珍;用典型負(fù)荷曲線疊加法編制韶關(guān)地區(qū)日負(fù)荷曲線[J];廣東電力;2005年09期

3 周暉;王瑋;秦海超;王書春;姜紅;;基于多時(shí)段氣象數(shù)據(jù)判斷相似日的日負(fù)荷曲線預(yù)測研究[J];繼電器;2005年23期

4 肖建華;王銳鳳;溫春楠;田武慧;宮俊;;典型日負(fù)荷曲線預(yù)測的一種簡單方法[J];吉林電力;2006年02期

5 鞠平;陳謙;熊傳平;黃麗;方朝雄;陳峰;趙紅嘎;戴琦;鄢安河;付紅軍;;基于日負(fù)荷曲線的負(fù)荷分類和綜合建模[J];電力系統(tǒng)自動(dòng)化;2006年16期

6 李欣然;姜學(xué)皎;錢軍;陳輝華;宋軍英;黃良剛;;基于用戶日負(fù)荷曲線的用電行業(yè)分類與綜合方法[J];電力系統(tǒng)自動(dòng)化;2010年10期

7 崔小磊;莫娜;辛雷;;基于單純形法的中長期典型日負(fù)荷曲線預(yù)測研究[J];吉林電力;2011年06期

8 李翔;顧潔;;運(yùn)用聚類算法預(yù)測地區(qū)電網(wǎng)典型日負(fù)荷曲線[J];電力與能源;2013年01期

9 孟令奎;段紅偉;黃長青;孫t$;;一種基于語義聚類的典型日負(fù)荷曲線選取方法[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

10 邊居政;;基于改進(jìn)廣義回歸神經(jīng)網(wǎng)絡(luò)的日負(fù)荷曲線預(yù)測[J];山東電力技術(shù);2013年06期

相關(guān)會(huì)議論文 前1條

1 章文;胡秀珍;;運(yùn)用典型負(fù)荷曲線疊加法編制韶關(guān)地區(qū)日負(fù)荷曲線[A];廣東省電機(jī)工程學(xué)會(huì)2003-2004年度優(yōu)秀論文集[C];2005年

相關(guān)碩士學(xué)位論文 前7條

1 張立敏;基于日負(fù)荷曲線模式識(shí)別的階段理論線損計(jì)算及分析[D];燕山大學(xué);2015年

2 張英慧;基于日負(fù)荷曲線分解的負(fù)荷預(yù)測[D];華北電力大學(xué)（河北）;2010年

3 蔣雯倩;面向負(fù)荷建模的變電站日負(fù)荷曲線在線分類方法及應(yīng)用[D];湖南大學(xué);2010年

4 徐振華;基于日負(fù)荷曲線的用電行業(yè)構(gòu)成比例在線修正方法研究[D];湖南大學(xué);2009年

5 韓東;基于日負(fù)荷曲線的綜合負(fù)荷模型參數(shù)在線修正方法及應(yīng)用[D];湖南大學(xué);2013年

6 姜學(xué)皎;應(yīng)用統(tǒng)計(jì)綜合原理的在線負(fù)荷建模方法研究及系統(tǒng)開發(fā)[D];湖南大學(xué);2010年

7 張歡;基于用戶分類的低壓配網(wǎng)三相平衡化降損研究[D];長沙理工大學(xué);2013年

，

本文編號(hào)：2421048