發(fā)布時(shí)間：2021-10-11 02:51

　　當(dāng)前我國經(jīng)濟(jì)發(fā)展處于新常態(tài),電力改革向縱向推進(jìn),電力負(fù)荷增長存在較大的波動(dòng)性與不確定性,負(fù)荷預(yù)測能為電網(wǎng)規(guī)劃提供可靠決策依據(jù),對電網(wǎng)高效運(yùn)營十分重要。短期負(fù)荷預(yù)測是負(fù)荷預(yù)測工作的重要組成部分,對于提高發(fā)電設(shè)備的利用率和經(jīng)濟(jì)調(diào)度有著重要意義。本文在對傳統(tǒng)負(fù)荷預(yù)測方法進(jìn)行評價(jià)與比較的基礎(chǔ)上,引入虛擬預(yù)測的思想,并將其應(yīng)用于電力系統(tǒng)短期負(fù)荷預(yù)測的研究。首先以電力負(fù)荷大數(shù)據(jù)趨勢加劇為背景,充分考慮歷史負(fù)荷及多種氣象因素,為解決高維數(shù)據(jù)信息混雜的現(xiàn)象,對相關(guān)數(shù)據(jù)展開篩選與挖掘:采用小波閾值去噪技術(shù)處理歷史負(fù)荷數(shù)據(jù),修復(fù)異常數(shù)據(jù);引入廣義灰色絕對關(guān)聯(lián)度作為氣象因素的篩選指標(biāo),從12個(gè)氣象因素中篩選得到6個(gè)因素,再運(yùn)用PCA算法對6個(gè)氣象因素進(jìn)行降維處理和特征提取,獲得有效氣象數(shù)據(jù)樣本集。其次,運(yùn)用BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、灰色預(yù)測等多種不同的預(yù)測方法對同一歷史時(shí)段進(jìn)行虛擬預(yù)測,以離差最大化綜合屬性值作為評判指標(biāo),從6種單項(xiàng)模型中擇優(yōu)遴選出四種模型。最后,以虛擬預(yù)測殘差平方和最小為目標(biāo),建立最優(yōu)虛擬預(yù)測方式下的短期負(fù)荷預(yù)測綜合模型,并應(yīng)用該模型對真正的“待預(yù)測日”進(jìn)行預(yù)測,驗(yàn)證模型和算法的合理性及有... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖５．１原始信號圖像??圖５．１表示的是歷史負(fù)荷數(shù)據(jù)的原始信號，看圖可知，這１６天的負(fù)荷數(shù)據(jù)??呈現(xiàn)出明顯的日周期性

?第５章算例分析???？?硬閾值去噪處理??８０?Ｉ?！?￣ｎ?Ｉ?ｉ?Ｉ?！??Ｉ?Ｉ＇??６０?－??Ｉ??５０?－?Ｉ?｜??卜?（１１?－??３？偏１１?ｈ丨丨…??Ｑ??｜?｜?｜?Ｉ?Ｉ?Ｉ?Ｉ???０?２００?４００?６００?８００?１０００?１２００?１４００?１６００??負(fù)荷個(gè)數(shù)／（個(gè)）??圖５．２硬閾值處理后的圖像??上圖５．２表示的是原始信號經(jīng)過硬閾值方法處理后的信號圖，看圖可知，處??理之后所達(dá)到的效果為：（Ｉ）毛刺現(xiàn)象有所緩解，但是并沒有完全消除。（２）曲??線的光滑程度大大提高。（３）奇異值仍然較為明顯，沒有達(dá)到去除奇異值的效果。??４５??

?第５章算例分析???＿?軟閾值去噪處理??〇（Ｊ?Ｉ?Ｉ?！?１?Ｉ?Ｓ?Ｉ??７０?Ｉ?ｉ?Ｉ?（■??６０?－?｜?｜｜?＊?－??５０－?｜?１?－??－?ｈ?Ｕ??＾?Ｊ?ｍ?１?ｉ?ｈｉｖ??３０?－?｜＾ｌ?］?ｓ?ｊ?ｊ＼?ｆ?Ｉ?ｊ?＼?Ｉ?＾?Ｉ??１?ｙ?ｎ?１?．?１?Ｊ?＾?ｕｈ?Ｊ??２°＂擊?＿＿??１０?－?ｙ?ｙ?－??〇??Ｉ?Ｉ?Ｉ?１?Ｉ?ｌ?Ｉ???０?２００?４００?６００?８００?１０００?１２００?１４００?１６００??負(fù)荷個(gè)數(shù)／（個(gè)）??圖５．３軟閾值處理后的圖像??圖５．３表示的是原始信號經(jīng)過軟閾值方法處理后的信號圖，看圖可知，處理??之后，與硬閾值方法相比，所達(dá)到的效果為：（１）毛刺現(xiàn)象基本全部消除。（２）??在一定程度上消除了奇異值，但并沒有完全消除。（３）曲線平滑度與硬閾值相比，??有了更進(jìn)一步的提高。??４６??

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)評價(jià)指標(biāo)的波動(dòng)性負(fù)荷短期區(qū)間預(yù)測[J]. 徐詩鴻,張宏志,林湘寧,李正天,卓毅鑫,汪致洵,隨權(quán).  電力系統(tǒng)自動(dòng)化. 2020(02)
[2]基于虛擬預(yù)測的月徑流量時(shí)間序列非線性混沌預(yù)測[J]. 孫妍.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[3]常用電力負(fù)荷預(yù)測方法的對比研究[J]. 鄭春,朱文廣,肖園,樊麗君,胡彩紅.  現(xiàn)代國企研究. 2019(04)
[4]基于大數(shù)據(jù)簡約及PCA改進(jìn)RBF網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測[J]. 張淑清,任爽,陳榮飛,錢磊,姜萬錄,李盼.  計(jì)量學(xué)報(bào). 2018(03)
[5]基于支持向量機(jī)的某地區(qū)電網(wǎng)短期電力負(fù)荷預(yù)測[J]. 萬強(qiáng),王清亮,王睿豪,黃朝暉,白云飛,陳大軍,栗維勛.  電網(wǎng)與清潔能源. 2016(12)
[6]國內(nèi)外關(guān)于電力系統(tǒng)負(fù)荷預(yù)測的研究現(xiàn)狀分析[J]. 張彥宇,肖茜.  山東工業(yè)技術(shù). 2016(11)
[7]基于有效度和虛擬預(yù)測的負(fù)荷組合預(yù)測[J]. 王智翔,殷豪,盧海明.  黑龍江電力. 2015(04)
[8]基于混沌理論和Legendre正交基神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[J]. 楊胡萍,左士偉,涂雨曦,王承飛.  電測與儀表. 2015(13)
[9]基于虛擬預(yù)測的組合預(yù)測模型在電力負(fù)荷預(yù)測中的應(yīng)用[J]. 陳文.  機(jī)電信息. 2015(15)
[10]小波去噪在礦用鋼絲繩損傷檢測中的應(yīng)用研究[J]. 王闖,華鋼.  煤炭工程. 2014(12)

碩士論文
[1]基于灰色理論的風(fēng)電功率預(yù)測研究[D]. 李博文.貴州大學(xué) 2018
[2]基于支持向量機(jī)的短期電力負(fù)荷預(yù)測方法研究及應(yīng)用[D]. 馬鴻芳.蘭州理工大學(xué) 2018
[3]基于改進(jìn)的灰色模型在中長期電力負(fù)荷預(yù)測中的應(yīng)用研究[D]. 何路緣.哈爾濱理工大學(xué) 2018
[4]基于大數(shù)據(jù)分析及改進(jìn)神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測方法[D]. 任爽.燕山大學(xué) 2017
[5]基于Adaboost的改進(jìn)多元線性回歸灰色組合中期負(fù)荷預(yù)測[D]. 李輝.南昌大學(xué) 2016
[6]基于PCA算法的人臉識別系統(tǒng)研究[D]. 張利芳.中北大學(xué) 2015
[7]主成分分析法研究及其在特征提取中的應(yīng)用[D]. 陳佩.陜西師范大學(xué) 2014
[8]基于改進(jìn)支持向量機(jī)的短期電力負(fù)荷預(yù)測研究[D]. 蓋姝.華北電力大學(xué) 2013
[9]基于BP人工神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測[D]. 曲薇薇.東北石油大學(xué) 2011
[10]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測研究[D]. 方方.哈爾濱工業(yè)大學(xué) 2011



本文編號：3429644