發(fā)布時(shí)間：2021-08-12 11:54

　　電力負(fù)荷預(yù)測(cè)對(duì)電網(wǎng)的安全、可靠和經(jīng)濟(jì)運(yùn)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(huì)因素兩大類。由于各種因素相互耦合并且多變,對(duì)負(fù)荷的影響機(jī)理復(fù)雜,因此電力負(fù)荷變化呈現(xiàn)出一定的隨機(jī)性。任何一個(gè)電力負(fù)荷預(yù)測(cè)模型都會(huì)有一定的誤差,如何提高預(yù)測(cè)精度、減小預(yù)測(cè)誤差一直是科研工作者的研究熱點(diǎn)。針對(duì)以往預(yù)測(cè)方法建立的模型存在預(yù)測(cè)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(wú)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(diǎn),本文將深度學(xué)習(xí)和相關(guān)向量機(jī)應(yīng)用到短期電力負(fù)荷預(yù)測(cè)中,在對(duì)預(yù)測(cè)模型進(jìn)行深入研究的基礎(chǔ)上改進(jìn)了單一預(yù)測(cè)模型,使電力負(fù)荷預(yù)測(cè)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(cè)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(diǎn)。首先通過時(shí)間序列法,利用BP神經(jīng)網(wǎng)絡(luò)對(duì)未來一段時(shí)間日平均氣溫進(jìn)行粗略預(yù)測(cè)。然后以電力負(fù)荷的主要影響因素作為預(yù)測(cè)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(cè)模型和基于RVM的短期電力負(fù)荷預(yù)測(cè)模型,分別在計(jì)及氣溫、不計(jì)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(cè)。針... 

【文章來源】：安徽理工大學(xué)安徽省

【文章頁(yè)數(shù)】：98 頁(yè)

【學(xué)位級(jí)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?cái)?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?cái)?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(dòng)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(bào). 2018(05)
[2]基于深度學(xué)習(xí)的故障檢測(cè)方法[J]. 吳魁,王仙勇,孫潔,黃玉龍.  計(jì)算機(jī)測(cè)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(jì)算機(jī)科學(xué). 2017(03)
[4]空間電力負(fù)荷預(yù)測(cè)方法綜述與展望[J]. 肖白,周潮,穆鋼.  中國(guó)電機(jī)工程學(xué)報(bào). 2013(25)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)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(shí)踐與認(rèn)識(shí). 2013(04)
[6]遺傳優(yōu)化支持向量機(jī)在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 莊新妍.  計(jì)算機(jī)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(jì)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(cè)方法與預(yù)測(cè)精度綜述[J]. 郭華安,加瑪力汗·庫(kù)馬什,常喜強(qiáng),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(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2011(03)
[10]電力系統(tǒng)短期負(fù)荷預(yù)測(cè)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(shí)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(cè)不確定性及電力系統(tǒng)經(jīng)濟(jì)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(cè)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(cè)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(yáng)能光伏發(fā)電短期預(yù)測(cè)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(shí)間序列預(yù)測(cè)方法及其應(yīng)用研究[D]. 張國(guó)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(cè)[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(cè)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(cè)[D]. 楊佳駒.東南大學(xué) 2016
[8]深度學(xué)習(xí)的亞健康識(shí)別算法的研究[D]. 徐驍.遼寧大學(xué) 2016
[9]基于相關(guān)向量機(jī)的鋰離子電池在線剩余壽命預(yù)測(cè)方法研究[D]. 張洋.國(guó)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(hào)：3338279