電力負荷預測對電網的能源管理和合理規(guī)劃有著不可替代的作用。不僅可以為實現(xiàn)電能的高效利用提供參考,而且在電網的實時調度和控制方面發(fā)揮著不可替代的作用。準確的負荷預測在推進電力行業(yè)商業(yè)化、市場化進程中起到重要作用。論文在分析電力負荷的分類及其內在和外在特性以及電力負荷預測的評價指標基礎上,提出基于模態(tài)數預估VMD及改進神經網絡的電力負荷預測方法。首先,為降低原始負荷數據的復雜度,引入變分模態(tài)分解(Variational Mode Decomposition,VMD)技術對負荷數據進行分解。通過與經驗模態(tài)分解(Empirical Mode Decomposition,EMD)進行仿真對比,驗證了VMD的濾波特性和抗模態(tài)混疊都優(yōu)于EMD。在分解模態(tài)數k的選取上,提出使用傅里葉分析方法分析信號的幅頻特性,從而對k值進行預估。構建基于VMD的預測模型,使用實測數據進行實驗,驗證了方法在進行負荷預測時的有效性。然后,針對BP神經網絡在訓練過程中容易陷入局部極小值的缺陷,引入螢火蟲算法(Firefly Algorithm,FA)優(yōu)化BP神經網絡的初始權值閾值,結合VMD方法建立了優(yōu)化后的預測模型,針對...

【文章頁數】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 電力負荷預測國內外研究現(xiàn)狀
        1.2.1 國內研究現(xiàn)狀
        1.2.2 國外研究現(xiàn)狀
        1.2.3 電力負荷預測方法研究現(xiàn)狀
    1.3 本文主要研究內容
第2章 電力負荷基本特性分析
    2.1 電力負荷分類
    2.2 電力負荷特性
        2.2.1 電力負荷的內在特性
        2.2.2 電力負荷的外在特性
    2.3 電力負荷預測評價指標
    2.4 本章小結
第3章 變分模態(tài)分解算法及其模態(tài)數預估方法研究
    3.1 VMD原理及算法
        3.1.1 VMD原理
        3.1.2 VMD算法
    3.2 VMD特性研究
        3.2.1 VMD濾波特性
        3.2.2 VMD抗模態(tài)混疊特性
    3.3 k值預估方法研究
        3.3.1 k值預估方法
        3.3.2 k值預估VMD分解仿真實驗
    3.4 仿真分析
    3.5 本章小結
第4章 FABP神經網絡及其在電力負荷預測中的應用
    4.1 BP神經網絡方法研究
        4.1.1 BP神經網絡結構及原理
        4.1.2 BP神經網絡特性及存在的問題
    4.2 螢火蟲算法優(yōu)化BP神經網絡方法研究
        4.2.1 螢火蟲算法原理
        4.2.2 螢火蟲算法優(yōu)化BP神經網絡步驟
    4.3 基于VMD及 FABP神經網絡的算例仿真
        4.3.1 負荷序列的VMD分解
        4.3.2 FA優(yōu)化BP神經網絡的參數設定
        4.3.3 預測結果分析
    4.4 本章小結
第5章 LSTM神經網絡及其在電力負荷預測中的應用
    5.1 LSTM神經網絡方法研究
        5.1.1 RNN神經網絡
        5.1.2 LSTM神經網絡原理及結構
    5.2 LSTM神經網絡特點
    5.3 基于VMD-LSTM神經網絡的算例仿真
        5.3.1 VMD-LSTM模型建立及步驟
        5.3.2 基于VMD-LSTM的負荷預測仿真分析
    5.4 本章小結
第6章 考慮多變量氣象因子的電力負荷預測
    6.1 主元分析PCA
        6.1.1 PCA原理概述
        6.1.2 PCA分析步驟
    6.2 核主元分析KPCA
        6.2.1 KPCA原理概述
        6.2.2 KPCA分析步驟
        6.2.3 KPCA核函數的選取
    6.3 混合核KPCA與 PCA算列仿真
        6.3.1 氣象因子的PCA處理
        6.3.2 氣象因子的混合核KPCA處理
        6.3.3 KPCA與 PCA對比分析
    6.4 本文模型多因素負荷預測仿真分析
    6.5 本章小結
結論
參考文獻
攻讀碩士學位期間承擔的科研任務與主要成果
致謝



本文編號：3831951