發(fā)布時間：2017-09-06 15:51

  本文關(guān)鍵詞：電力系統(tǒng)降溫負荷估算及中長期預(yù)測方法研究

  更多相關(guān)文章： 降溫負荷 氣象信息 熵權(quán)理論 支持向量機 粗糙集 負荷預(yù)測

【摘要】：不斷增長的空調(diào)數(shù)量,以及夏季頻頻出現(xiàn)的持續(xù)性晴熱高溫天氣,導致空調(diào)等降溫設(shè)備開啟頻率高、運行時間長,降溫負荷持續(xù)增長。降溫負荷的增長已成為夏季最大負荷屢創(chuàng)新高的重要原因,同時亦給電力系統(tǒng)日負荷特性及電網(wǎng)運行調(diào)度帶來一定的負面影響。更為準確的年最大降溫負荷估算及預(yù)測有利于提高運行人員對于電網(wǎng)負荷特性的把握,提高負荷預(yù)測準確度,并能為電網(wǎng)未來的規(guī)劃提供一定的參考。本文首先根據(jù)2008~2013年廣東電網(wǎng)及各地市的負荷數(shù)據(jù)和氣象信息,從年、月、日三個時間維度,構(gòu)建了省、地負荷特性分析指標體系,對廣東省及地市電網(wǎng)負荷特性進行了分析�；谪摵商匦院蜌庀髼l件,采用K-MEANS算法對廣東省各地市進行聚類分析�？紤]到傳統(tǒng)降溫負荷估算方法存在各種不足,本文提出一種基于氣象信息和熵權(quán)理論的降溫負荷估算方法。該方法采用全年最大負荷日負荷曲線與不含降溫負荷的基準負荷曲線對應(yīng)相減后取最大值求年最大降溫負荷。在計算基準負荷曲線時,以氣溫、相對濕度、降水量等多種氣象為軸建立氣象坐標系統(tǒng),通過確定基準氣象象限以篩選無降溫負荷的基準工作日;并根據(jù)基準工作日的日最大負荷與氣溫、相對濕度、降水量等氣象信息的相關(guān)系數(shù),利用熵權(quán)理論確定各基準工作日負荷曲線相對基準負荷曲線的權(quán)值。最后,利用廣東省及地市2009~2013負荷數(shù)據(jù)及氣象數(shù)據(jù)估算廣州市年最大降溫負荷,結(jié)果表明本文方法較傳統(tǒng)方法更為合理。在此基礎(chǔ)上,本文提出一種基于信息熵和變精度粗糙集優(yōu)化的不確定支持向量機方法,用于中長期降溫負荷預(yù)測。該方法通過挖掘數(shù)據(jù)中的相互關(guān)系去除冗余信息,從輸入屬性變量集中尋找核心變量。該方法利用基于信息熵改進的變精度粗糙集對支持向量機的條件屬性進行約簡,得到最小決策表,并將該最小決策表中對應(yīng)的變量作為支持向量機預(yù)測模型的輸入屬性變量,進行年最大降溫負荷預(yù)測。且隨著預(yù)測年份的推移,該支持向量機預(yù)測模型的輸入屬性變量亦將隨之滾動更新,能夠為電網(wǎng)規(guī)劃與運行人員提供不同預(yù)測時期降溫負荷預(yù)測需重點關(guān)注的影響因子。最后,利用廣東省實際數(shù)據(jù)對廣東電網(wǎng)“十二五”和“十三五”年最大降溫負荷進行預(yù)測,結(jié)果表明,本文所提的預(yù)測方法預(yù)測效果良好,預(yù)測精度穩(wěn)定,對于中長期預(yù)測過程中的各種不確定因素的影響具有較好的魯棒性,真正實現(xiàn)了中長期降溫負荷的動態(tài)預(yù)測。
【關(guān)鍵詞】：降溫負荷 氣象信息 熵權(quán)理論 支持向量機 粗糙集 負荷預(yù)測
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM714;TM715
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 選題背景與研究意義10-11
• 1.2 降溫負荷估算及預(yù)測國內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 降溫負荷估算方法11-14
• 1.2.2 降溫負荷預(yù)測方法14-16
• 1.3 本論文主要完成工作16-17
• 第二章 電力系統(tǒng)多時間尺度負荷特性指標解析17-28
• 2.1 負荷特性指標17-18
• 2.1.1 日負荷特性指標17
• 2.1.2 月負荷特性指標17
• 2.1.3 年負荷特性指標17-18
• 2.2 廣東電網(wǎng)負荷特性18-23
• 2.2.1 年負荷特性18-20
• 2.2.2 月負荷特性20-22
• 2.2.3 日負荷特性22-23
• 2.3 聚類分析23-25
• 2.4 廣州市負荷特性25-27
• 2.5 本章小結(jié)27-28
• 第三章 電力系統(tǒng)降溫負荷的估算方法及應(yīng)用28-43
• 3.1 降溫負荷估算方法28-36
• 3.1.1 最大負荷比較法28
• 3.1.2 基準負荷比較法28-29
• 3.1.3 基于氣象信息和熵權(quán)理論的降溫負荷估算方法29-35
• 3.1.4 降溫負荷估算方法對比35-36
• 3.2 算例36-42
• 3.2.1 廣東電網(wǎng)年最大降溫負荷估算結(jié)果36-38
• 3.2.2 廣州市年最大降溫負荷估算結(jié)果38-40
• 3.2.3 其他地市降溫負荷估算結(jié)果40-41
• 3.2.4 地市降溫負荷的聚類41-42
• 3.3 本章小結(jié)42-43
• 第四章 電力系統(tǒng)中長期降溫負荷預(yù)測模型及應(yīng)用43-57
• 4.1 多元回歸模型43-44
• 4.2 不確定支持向量機預(yù)測模型44-52
• 4.2.1 信息熵改進的變精度粗糙集約簡原理45-47
• 4.2.2 支持向量機理論47-51
• 4.2.3 不確定支持向量機模型51-52
• 4.3 算例52-56
• 4.3.1 廣東省電網(wǎng)中長期降溫負荷預(yù)測52-54
• 4.3.2 地市中長期降溫負荷54-56
• 4.4 本章小結(jié)56-57
• 結(jié)論57-58
• 參考文獻58-60
• 攻讀碩士學位期間取得的研究成果60-61
• 致謝61-62
• 答辯委員會對論文的評定意見62

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 逄勇;藻類濃度預(yù)測方法研究[J];人民珠江;1998年03期

2 林明;張彩慶;邱自龍;;華北電網(wǎng)售電量的預(yù)測方法研究[J];華北水利水電學院學報;2008年01期

3 韓亮,王衛(wèi)亞,陳克鵬,馮小明;中國轎車近期市場預(yù)測方法研究[J];西安公路交通大學學報;1999年02期

4 岳雅t，

本文編號：804052