電力負(fù)荷預(yù)測對電網(wǎng)的安全、可靠和經(jīng)濟運行具有重要意義。影響電力負(fù)荷變化的因素眾多,大致可以分為自然因素和社會因素兩大類。由于各種因素相互耦合并且多變,對負(fù)荷的影響機理復(fù)雜,因此電力負(fù)荷變化呈現(xiàn)出一定的隨機性。任何一個電力負(fù)荷預(yù)測模型都會有一定的誤差,如何提高預(yù)測精度、減小預(yù)測誤差一直是科研工作者的研究熱點。針對以往預(yù)測方法建立的模型存在預(yù)測精度低、魯棒性差、受噪聲影響大、易陷入局部最優(yōu)、泛化能力不足和無法考慮諸多負(fù)荷影響因素等問題,結(jié)合電力負(fù)荷的變化特點,本文將深度學(xué)習(xí)和相關(guān)向量機應(yīng)用到短期電力負(fù)荷預(yù)測中,在對預(yù)測模型進(jìn)行深入研究的基礎(chǔ)上改進(jìn)了單一預(yù)測模型,使電力負(fù)荷預(yù)測的精度進(jìn)一步提高,取得了較為滿意的電力負(fù)荷預(yù)測結(jié)果。本文分析了影響電力負(fù)荷變化的主要因素,研究了日平均負(fù)荷的周期性變化特點。首先通過時間序列法,利用BP神經(jīng)網(wǎng)絡(luò)對未來一段時間日平均氣溫進(jìn)行粗略預(yù)測。然后以電力負(fù)荷的主要影響因素作為預(yù)測模型輸入量,日平均負(fù)荷作為模型的輸出量,建立了基于DBN的短期電力負(fù)荷預(yù)測模型和基于RVM的短期電力負(fù)荷預(yù)測模型,分別在計及氣溫、不計及氣溫的條件下通過上述兩種模型進(jìn)行短期電力負(fù)荷預(yù)測。針... 

【文章來源】：安徽理工大學(xué)安徽省

【文章頁數(shù)】：98 頁

【學(xué)位級別】：碩士

【部分圖文】：

神經(jīng)元模型

圖 9 1997/1998 年日平均氣溫Fig9 daily mean temperature in 1997/1998果為以氣溫為橫坐標(biāo)，以該地區(qū)的電力負(fù)荷為縱坐標(biāo)，將 1997荷及氣溫數(shù)據(jù)進(jìn)行繪制，可以得到圖 10。從圖 10 中，我們可以發(fā)現(xiàn)負(fù)荷和氣溫反相關(guān)的關(guān)系，整體上呈現(xiàn)出一種線性關(guān)系。

temperature/°C圖 9 1997/1998 年日平均氣溫Fig9 daily mean temperature in 1997/1998為以氣溫為橫坐標(biāo)，以該地區(qū)的電力負(fù)荷為縱坐標(biāo)，將 1997 年及氣溫數(shù)據(jù)進(jìn)行繪制，可以得到圖 10。從圖 10 中，我們可以更現(xiàn)負(fù)荷和氣溫反相關(guān)的關(guān)系，整體上呈現(xiàn)出一種線性關(guān)系。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)輔助的動態(tài)人臉跟蹤方法[J]. 潘今一,王欽,王偉,王亞蒙,劉建烽.  浙江工業(yè)大學(xué)學(xué)報. 2018(05)
[2]基于深度學(xué)習(xí)的故障檢測方法[J]. 吳魁,王仙勇,孫潔,黃玉龍.  計算機測量與控制. 2017(10)
[3]基于RVM的多類分類概率輸出方法[J]. 李睿,王曉丹.  計算機科學(xué). 2017(03)
[4]空間電力負(fù)荷預(yù)測方法綜述與展望[J]. 肖白,周潮,穆鋼.  中國電機工程學(xué)報. 2013(25)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測問題研究[J]. 楊娟麗,徐梅,王福林,王吉權(quán),劉慧.  數(shù)學(xué)的實踐與認(rèn)識. 2013(04)
[6]遺傳優(yōu)化支持向量機在電力負(fù)荷預(yù)測中的應(yīng)用[J]. 莊新妍.  計算機仿真. 2012(03)
[7]一種功能分區(qū)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計方法[J]. 張昭昭,喬俊飛,楊剛.  控制與決策. 2011(11)
[8]電力系統(tǒng)短期負(fù)荷預(yù)測方法與預(yù)測精度綜述[J]. 郭華安,加瑪力汗·庫馬什,常喜強,姚秀萍.  電氣技術(shù). 2011(10)
[9]BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的改進(jìn)及應(yīng)用[J]. 余妹蘭,匡芳君.  沈陽農(nóng)業(yè)大學(xué)學(xué)報. 2011(03)
[10]電力系統(tǒng)短期負(fù)荷預(yù)測方法綜述[J]. 廖旎煥,胡智宏,馬瑩瑩,盧王允.  電力系統(tǒng)保護(hù)與控制. 2011(01)

博士論文
[1]基于深度學(xué)習(xí)的電力設(shè)備圖像識別及應(yīng)用研究[D]. 李軍鋒.廣東工業(yè)大學(xué) 2018
[2]風(fēng)電功率預(yù)測不確定性及電力系統(tǒng)經(jīng)濟調(diào)度[D]. 閻潔.華北電力大學(xué)(北京) 2016
[3]基于RVM的鋰離子電池剩余壽命預(yù)測方法研究[D]. 周建寶.哈爾濱工業(yè)大學(xué) 2013

碩士論文
[1]SVM與神經(jīng)網(wǎng)絡(luò)的組合模型在短期電力負(fù)荷預(yù)測中的應(yīng)用研究[D]. 金樑.吉林大學(xué) 2018
[2]基于深度學(xué)習(xí)的太陽能光伏發(fā)電短期預(yù)測方法[D]. 于佳弘.浙江大學(xué) 2018
[3]基于深度置信網(wǎng)絡(luò)的時間序列預(yù)測方法及其應(yīng)用研究[D]. 張國輝.哈爾濱工業(yè)大學(xué) 2017
[4]幾種神經(jīng)網(wǎng)絡(luò)方法在變壓器故障診斷上的應(yīng)用研究[D]. 賈京龍.華南理工大學(xué) 2017
[5]基于深度學(xué)習(xí)的電力負(fù)荷預(yù)測[D]. 單成龍.湘潭大學(xué) 2017
[6]基于人工神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究[D]. 程宇也.浙江大學(xué) 2017
[7]基于MapReduce和深度學(xué)習(xí)的負(fù)荷分析與預(yù)測[D]. 楊佳駒.東南大學(xué) 2016
[8]深度學(xué)習(xí)的亞健康識別算法的研究[D]. 徐驍.遼寧大學(xué) 2016
[9]基于相關(guān)向量機的鋰離子電池在線剩余壽命預(yù)測方法研究[D]. 張洋.國防科學(xué)技術(shù)大學(xué) 2016
[10]基于深度學(xué)習(xí)的變壓器故障診斷技術(shù)研究[D]. 石鑫.華北電力大學(xué) 2016



本文編號：3338279