供電企業(yè)在開(kāi)展電力調(diào)度、制定電力交易計(jì)劃等業(yè)務(wù)時(shí)都需參考電力負(fù)荷預(yù)測(cè)結(jié)果,伴隨電力交易現(xiàn)貨市場(chǎng)的發(fā)展成熟,供電企業(yè)將更加重視電力負(fù)荷預(yù)測(cè)的實(shí)時(shí)性與準(zhǔn)確性。因此,研發(fā)電力負(fù)荷預(yù)測(cè)系統(tǒng)是做好供電企業(yè)電力調(diào)度、營(yíng)銷保障、電力交易、客戶服務(wù)等多個(gè)核心業(yè)務(wù)的基礎(chǔ)。當(dāng)前供電企業(yè)一般采用回歸分析等經(jīng)典負(fù)荷預(yù)測(cè)方法完成電力負(fù)荷預(yù)測(cè),預(yù)測(cè)精度低,只能運(yùn)用歷史數(shù)據(jù)進(jìn)行離線擬合,預(yù)測(cè)實(shí)時(shí)性也不高。進(jìn)年來(lái),伴隨廣東省電力現(xiàn)貨市場(chǎng)的蓬勃發(fā)展,供電企業(yè)對(duì)負(fù)荷預(yù)測(cè)的實(shí)時(shí)性要求逐年提高。研究負(fù)荷預(yù)測(cè)新方法實(shí)現(xiàn)用戶電力負(fù)荷的在線預(yù)測(cè)可滿足供電企業(yè)各項(xiàng)業(yè)務(wù)開(kāi)展需要,還可為參與省內(nèi)電力現(xiàn)貨市場(chǎng)交易提供有力的技術(shù)支持。按照上述要求,本論文主要包括以下幾部分內(nèi)容:1.提出了短期負(fù)荷預(yù)測(cè)的在線遞推預(yù)測(cè)方法:針對(duì)靜態(tài)模型無(wú)法實(shí)時(shí)更新模型參數(shù)的問(wèn)題,采用基于粒子濾波及其改進(jìn)算法的一種新方法,通過(guò)對(duì)系統(tǒng)狀態(tài)量的遞推估計(jì),實(shí)現(xiàn)了電力負(fù)荷的在線預(yù)測(cè),提高了預(yù)測(cè)算法的計(jì)算速度,滿足實(shí)時(shí)性要求。2.提出了電力負(fù)荷的多維度輸入狀態(tài)模型:通過(guò)分析不同時(shí)間點(diǎn)影響電力負(fù)荷的因素,搭建了基于RBF神經(jīng)網(wǎng)絡(luò)的狀態(tài)模型,疊加天氣等外部因素的影響,提高了負(fù)荷... 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院)廣東省

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

用戶電力負(fù)荷預(yù)測(cè)系統(tǒng)框架圖

第 2 章 用戶電力負(fù)荷預(yù)測(cè)系統(tǒng)及相關(guān)技術(shù)預(yù)測(cè)，它可以對(duì)大量非結(jié)構(gòu)化、非精確性的電力負(fù)荷運(yùn)行規(guī)律進(jìn)行自適應(yīng)學(xué)習(xí)如圖 2.2 中 BP 神經(jīng)網(wǎng)絡(luò)，即是一種常見(jiàn)的人工神經(jīng)網(wǎng)絡(luò)，在電力負(fù)荷預(yù)測(cè)工中也常常被使用。BP 神經(jīng)網(wǎng)絡(luò)一般有輸入輸出層及隱含層組成，其中隱含層以有多個(gè)，各個(gè)隱含層中的節(jié)點(diǎn)數(shù)可以根據(jù)試驗(yàn)要求不同設(shè)置。

圖 2.3 論文研究框架本論文研究基于遞推預(yù)測(cè)方法的用戶電力負(fù)荷預(yù)測(cè)系統(tǒng)，各層主要研究技術(shù)總結(jié)如下：1. 數(shù)據(jù)層研究數(shù)據(jù)輸入系統(tǒng)的形式，初期計(jì)劃采用導(dǎo)入 Excel 格式文件的方式讀取文件；研制數(shù)據(jù)清洗方法、數(shù)據(jù)歸一化處理方法，用 MATLAB 代碼實(shí)現(xiàn)。2. 邏輯層這一層是本論文的核心工作，需研究 RBF 神經(jīng)網(wǎng)絡(luò)的狀態(tài)模型，需研究基于貝葉斯濾波理論的遞推預(yù)測(cè)方法，需要完成模型搭建、系統(tǒng)輸入向量的構(gòu)建，需完成粒子濾波算法及 UPF、EPF 算法的代碼實(shí)現(xiàn)。3. 展示層

【參考文獻(xiàn)】：
期刊論文
[1]融合日期類型的改進(jìn)線性回歸短期負(fù)荷預(yù)測(cè)模型[J]. 王凌誼,王志敏,錢紋,朱玥,顧潔,彭虹橋,時(shí)亞軍.  廣東電力. 2019(05)
[2]基于改進(jìn)卡爾曼濾波算法的短期負(fù)荷預(yù)測(cè)[J]. 劉鑫,滕歡,宮毓斌,滕德云.  電測(cè)與儀表. 2019(03)
[3]電力負(fù)荷預(yù)測(cè)算法比較-隨機(jī)森林與支持向量機(jī)[J]. 霍娟,孫曉偉,張明杰.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2019(07)
[4]基于深度學(xué)習(xí)的電網(wǎng)短期負(fù)荷預(yù)測(cè)方法研究[J]. 吳潤(rùn)澤,包正睿,宋雪瑩,鄧偉.  現(xiàn)代電力. 2018(02)
[5]基于時(shí)間序列的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)問(wèn)題分析[J]. 陳冬灃,鄭舟,吳永峰.  自動(dòng)化應(yīng)用. 2017(11)
[6]基于改進(jìn)高斯過(guò)程回歸模型的短期負(fù)荷區(qū)間預(yù)測(cè)[J]. 宗文婷,衛(wèi)志農(nóng),孫國(guó)強(qiáng),李慧杰,CHEUNG Kwok W,孫永輝.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2017(08)
[7]基于擬蒙特卡洛濾波的改進(jìn)式粒子濾波目標(biāo)跟蹤算法[J]. 任航.  電子測(cè)量與儀器學(xué)報(bào). 2015(02)
[8]一種基于自適應(yīng)粒子濾波的多層感知器學(xué)習(xí)算法[J]. 席燕輝,葉志成,彭輝.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(04)
[9]區(qū)間時(shí)間序列向量自回歸模型在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 萬(wàn)昆,柳瑞禹.  電網(wǎng)技術(shù). 2012(11)
[10]基于粒子濾波算法的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)研究[J]. 李凱,劉金海,陸巖.  電力學(xué)報(bào). 2011(06)

博士論文
[1]非線性濾波算法及在神經(jīng)網(wǎng)絡(luò)與金融市場(chǎng)建模中的應(yīng)用[D]. 席燕輝.中南大學(xué) 2013

碩士論文
[1]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
[2]基于非線性濾波優(yōu)化的前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法研究[D]. 袁光耀.河南大學(xué) 2016
[3]混合量測(cè)下基于粒子濾波的電力系統(tǒng)動(dòng)態(tài)狀態(tài)估計(jì)研究[D]. 于耿曦.華北電力大學(xué)(北京) 2016



本文編號(hào)：3502929