本文關(guān)鍵詞：基于數(shù)據(jù)挖掘技術(shù)的短期負荷預(yù)測

  更多相關(guān)文章： 聚類 決策樹 數(shù)據(jù)挖掘技術(shù) 支持向量機 負荷特性分析 母線負荷預(yù)測 短期負荷預(yù)測

【摘要】：電力系統(tǒng)負荷預(yù)測是電網(wǎng)制定發(fā)電計劃和電力系統(tǒng)發(fā)展規(guī)劃的基礎(chǔ),也是電力系統(tǒng)安全運行的重要依據(jù)。隨著電力改革的推進,價格競爭機制的引進對電力系統(tǒng)負荷預(yù)測提出了更高的要求。負荷預(yù)測有著長久的歷史和成熟的負荷預(yù)測的理論及方法,但是有必要對現(xiàn)有的負荷預(yù)測方法加以改進以提高負荷預(yù)測的精度,進而滿足電網(wǎng)對負荷預(yù)測精度的要求。隨著用電信息采集系統(tǒng)的廣泛建立,使得我們能夠從用戶側(cè)采集大量的歷史負荷數(shù)據(jù),這些數(shù)據(jù)為我們在負荷預(yù)測這個場景應(yīng)用新的預(yù)測手段和方法提供了基礎(chǔ)。與以往傳統(tǒng)的負荷預(yù)測建立在應(yīng)用小規(guī)模數(shù)據(jù)的基礎(chǔ)上不同,新的大量數(shù)據(jù)積累使得我們可以在應(yīng)用規(guī)模龐大的歷史數(shù)據(jù)針對不同用戶進行負荷特征分析的基礎(chǔ)上進而進行負荷預(yù)測。本文提出了基于一種基于數(shù)據(jù)挖掘技術(shù)和支持向量機的負荷預(yù)測方法,該方法在基于現(xiàn)有大量歷史數(shù)據(jù)的基礎(chǔ)上提出了支持向量機預(yù)測模型樣本選取的新穎思路。首先采用層次聚類法對歷史日負荷進行聚類分析,利用層次聚類得到的分類結(jié)果以及歷史天氣、星期類型、節(jié)假日類型等數(shù)據(jù)建立決策樹,然后根據(jù)待預(yù)測日的屬性在已建立的決策樹中查詢得到歷史相似日并輸入支持向量機建立預(yù)測模型,利用得到的支持向量機預(yù)測模型對待預(yù)測日的負荷進行預(yù)測。本文中驗證新方法所用數(shù)據(jù)均為浙江省某地級市的歷史負荷數(shù)據(jù)和歷史天氣數(shù)據(jù)。文中用新提出的方法對浙江省某地區(qū)的日96點負荷進行預(yù)測,并將該算法預(yù)測結(jié)果與傳統(tǒng)的支持向量機算法預(yù)測結(jié)果進行比較,本文提出的方法解決了傳統(tǒng)基于支持向量機建立模型訓(xùn)練時日期選取不能準確反映待預(yù)測日特征的問題,故本算法預(yù)測結(jié)果具有更高預(yù)測精度。基于將母線負荷預(yù)測結(jié)果累加可以消減預(yù)測誤差的原理,本文提出針對地區(qū)負荷將各母線負荷單獨預(yù)測,結(jié)果進行累加,進而消減預(yù)測誤差,提高預(yù)測精度,同時文中也對基于母線負荷的綜合負荷預(yù)測的優(yōu)勢及消減誤差的原理進行了介紹。
【關(guān)鍵詞】：聚類 決策樹 數(shù)據(jù)挖掘技術(shù) 支持向量機 負荷特性分析 母線負荷預(yù)測 短期負荷預(yù)測
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM715;TP311.13
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-12
• 1 緒論12-16
• 1.1 電力系統(tǒng)負荷預(yù)測的任務(wù)以及意義12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.3 論文的主要工作和篇章結(jié)構(gòu)14-16
• 1.3.1 本文的主要工作14-15
• 1.3.2 本文的篇章結(jié)構(gòu)15-16
• 2 基于數(shù)據(jù)挖掘的負荷分類技術(shù)16-24
• 2.1 K均值聚類16-17
• 2.1.1 K均值聚類原理16-17
• 2.1.2 K均值聚類方法的缺點17
• 2.2 DBSCAN17-18
• 2.2.1 根據(jù)基于中心的密度進行點的分類17
• 2.2.2 DBSCAN算法17-18
• 2.2.3 DBSCAN的優(yōu)缺點18
• 2.3 層次聚類法18-19
• 2.3.1 層級聚類法原理18-19
• 2.3.2 層次聚類法的優(yōu)缺點19
• 2.4 歷史負荷的聚類方法選擇19-22
• 2.5 決策樹22-23
• 2.5.1 決策樹建樹22
• 2.5.2 決策樹剪枝22-23
• 2.6 本章小結(jié)23-24
• 3 基于數(shù)據(jù)挖掘技術(shù)的負荷特性分析24-40
• 3.1 負荷特性分析的目的24
• 3.2 負荷特性分析的關(guān)鍵點24-25
• 3.3 負荷時間維度的規(guī)律性25-28
• 3.3.1 負荷的日規(guī)律性25
• 3.3.2 負荷的星期規(guī)律性25-26
• 3.3.3 負荷的年度規(guī)律性26-28
• 3.4 負荷影響因素分析28-33
• 3.4.1 負荷的溫度特性分析29-32
• 3.4.2 負荷的相對濕度特性分析32-33
• 3.4.3 降雨量對負荷的影響33
• 3.5 負荷聚類歸納分析33-38
• 3.5.1 聚類的目的34
• 3.5.2 聚類的數(shù)目34
• 3.5.3 聚類結(jié)果分析34-38
• 3.6 負荷特性分析中的產(chǎn)業(yè)因素38
• 3.7 主導(dǎo)影響因素分析及孤立點分析38-39
• 3.8 本章小結(jié)39-40
• 4 基于數(shù)據(jù)挖掘技術(shù)的負荷預(yù)測40-58
• 4.1 負荷預(yù)測的關(guān)鍵點40
• 4.2 負荷預(yù)測的基本原則40-41
• 4.3 樣本選擇與數(shù)據(jù)預(yù)處理41-43
• 4.3.1 壞數(shù)據(jù)的處理41-42
• 4.3.2 天氣數(shù)據(jù)的處理42
• 4.3.3 數(shù)據(jù)數(shù)量化42-43
• 4.3.4 數(shù)據(jù)歸一化43
• 4.4 基于統(tǒng)計學(xué)習(xí)理論的支持向量機原理43-50
• 4.4.1 三類機器學(xué)習(xí)問題44
• 4.4.2 VC維44-45
• 4.4.3 推廣性的界45
• 4.4.4 結(jié)構(gòu)風(fēng)險最小化原則45-46
• 4.4.5 支持向量回歸算法46-50
• 4.5 基于數(shù)據(jù)挖掘技術(shù)的負荷預(yù)測步驟50-55
• 4.5.1 歷史日期的聚類50-51
• 4.5.2 建立決策樹51-53
• 4.5.3 支持向量機建模預(yù)測53-55
• 4.6 預(yù)測結(jié)果55-57
• 4.7 本章小結(jié)57-58
• 5 基于母線負荷的綜合負荷預(yù)測58-68
• 5.1 基于母線負荷的綜合負荷預(yù)測原理58-61
• 5.1.1 母線負荷的構(gòu)成58
• 5.1.2 母線負荷的特點58-60
• 5.1.3 母線負荷預(yù)測流程圖60-61
• 5.2 母線累加負荷預(yù)測的優(yōu)勢與難點61-62
• 5.3 預(yù)測結(jié)果62-65
• 5.3.1 數(shù)據(jù)選擇62
• 5.3.2 預(yù)測結(jié)果評價指標62
• 5.3.3 預(yù)測結(jié)果62-65
• 5.4 本章小結(jié)65-68
• 6 結(jié)論68-70
• 參考文獻70-74
• 作者簡歷及攻讀碩士/博士學(xué)位期間取得的研究成果74-78
• 學(xué)位論文數(shù)據(jù)集78

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 鐘慶,吳捷,鐘丹虹;基于系統(tǒng)論的負荷預(yù)測集成化方法[J];電力自動化設(shè)備;2002年10期

2 張伏生,劉芳,趙文彬,寇強,劉沛津,曹正建;基于Internet/Intranet的負荷預(yù)測系統(tǒng)方案[J];電力系統(tǒng)自動化;2003年10期

3 康重慶;牟濤;夏清;;電力系統(tǒng)多級負荷預(yù)測及其協(xié)調(diào)問題 (一)研究框架[J];電力系統(tǒng)自動化;2008年07期

4 李小銳;黎燦兵;袁彥;;基于下級負荷預(yù)測的短期負荷預(yù)測新算法[J];江西電力職業(yè)技術(shù)學(xué)院學(xué)報;2008年02期

5 李新煒;王子琦;方鳴;周鵬;王啟明;李同;鞠平;;基于分區(qū)逐時氣象信息的全網(wǎng)負荷預(yù)測研究[J];電力系統(tǒng)保護與控制;2009年03期

6 康重慶;趙燃;陳新宇;楊興宇;曹欣;劉梅;;多級負荷預(yù)測的基礎(chǔ)問題分析[J];電力系統(tǒng)保護與控制;2009年09期

7 任峰;丁超;;市場環(huán)境下負荷預(yù)測誤差風(fēng)險管理研究[J];現(xiàn)代電力;2009年03期

8 羅鳳章;王成山;肖峻;侯磊;王建民;李亦農(nóng);陳春琴;王賽一;;計及氣溫因素的年度負荷預(yù)測修正方法[J];電力系統(tǒng)及其自動化學(xué)報;2009年03期

9 楊凱;;如何提高負荷預(yù)測的準確率[J];大眾用電;2009年10期

10 李q，

本文編號：684621