隨著社會(huì)各領(lǐng)域?qū)﹄娔苄枨蟮牟粩嗵岣�、智能電網(wǎng)技術(shù)的快速發(fā)展以及國家對(duì)可再生資源政策的全面實(shí)施,電力系統(tǒng)面臨著向更智能、更靈活、更具互動(dòng)性的轉(zhuǎn)變。在電力系統(tǒng)轉(zhuǎn)變的過程中參與信息交互的用戶逐漸增多,但由于能源用戶類型各不相同,導(dǎo)致電力負(fù)荷呈現(xiàn)波動(dòng)性和時(shí)序性的特點(diǎn),這對(duì)電網(wǎng)的穩(wěn)定運(yùn)行帶來一定影響。能否準(zhǔn)確地預(yù)測(cè)某區(qū)域短期電力負(fù)荷,在電網(wǎng)規(guī)劃和運(yùn)行過程中發(fā)揮著重要作用。本文給出了一種基于聚類的LSTM短期負(fù)荷預(yù)測(cè)方法,研究工作包括以下幾個(gè)方面:1.針對(duì)K-Means算法中確定最佳簇集數(shù)k和選擇初始聚類中心的問題,給出了一種改進(jìn)的K-Means算法。該算法利用PCA算法將樣本集特征空間降維至可視化的三維空間,確定K-Means聚類算法的最佳簇集數(shù)k。通過定義密度距離權(quán)重,在數(shù)據(jù)集中根據(jù)權(quán)重大小依次選取較大的k個(gè)權(quán)重對(duì)應(yīng)的樣本點(diǎn)作為初始聚類中心。最終以智能電網(wǎng)中各戶居民多維用電特征集為基礎(chǔ),利用改進(jìn)后的K-means算法確定居民類別數(shù),完成居民用戶聚類分析。仿真結(jié)果表明改進(jìn)的算法能準(zhǔn)確地選取小區(qū)居民類別數(shù),且具有更高的聚類準(zhǔn)確率和更強(qiáng)的抗噪聲干擾性能。2.以居民用戶聚類分析結(jié)果為基礎(chǔ),給出了一種L...

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.8用電特征集降維效果圖

34(e)20%(f)25%圖3.8用電特征集降維效果圖為了驗(yàn)證本文給出的改進(jìn)K-Means算法的有效性及合理性，采用不同算法分別在噪聲比例為0%、5%、10%、15%、20%、25%的數(shù)據(jù)集中進(jìn)行聚類分析。不同噪聲比例下參數(shù)SC和PCC的計(jì)算結(jié)果如表3....

圖5.7用戶管理界面

本系統(tǒng)在系統(tǒng)管理模塊中的用戶管理界面加入了用戶統(tǒng)計(jì)按鈕，以實(shí)現(xiàn)用戶聚類可視化的功能。在站點(diǎn)設(shè)備運(yùn)行管理模塊中的運(yùn)行情況界面中加入了負(fù)荷預(yù)測(cè)按鈕實(shí)現(xiàn)小區(qū)短期負(fù)荷預(yù)測(cè)可視化功能�？梢暬Y(jié)果中的柱狀圖和折線圖都是通過JAVA平臺(tái)上的開放圖表繪制類庫JFreeChart繪制的。如圖....

圖5.8用戶聚類結(jié)果可視化效果圖

圖5.8用戶聚類結(jié)果可視化效果圖如圖5.9所示，站點(diǎn)設(shè)備運(yùn)行管理模塊中運(yùn)行情況界面可以查看各站點(diǎn)系統(tǒng)所在位置以及運(yùn)行情況，也可以對(duì)站點(diǎn)基本信息進(jìn)行編輯。若站點(diǎn)有意外情況，也可以添加故障信息，通過備注功能進(jìn)行備注。

圖5.1004月14日電力負(fù)荷預(yù)測(cè)可視化效果圖

重慶郵電大學(xué)碩士學(xué)位論文日的負(fù)荷預(yù)測(cè)界面如圖5.11所示。這兩個(gè)界面展示了在不同日期的情況下，小區(qū)短期負(fù)荷預(yù)測(cè)值和實(shí)際值的對(duì)比折線圖。通過負(fù)荷預(yù)測(cè)折線圖，電力調(diào)度管理員可以根據(jù)電力負(fù)荷預(yù)測(cè)值，調(diào)整電力調(diào)度方案，避免智能電網(wǎng)中出現(xiàn)存儲(chǔ)電量無處使用，電力能源缺乏區(qū)域電壓不穩(wěn)定的現(xiàn)....

本文編號(hào)：3994620