本文關(guān)鍵詞：電力系統(tǒng)降溫負(fù)荷估算及中長(zhǎng)期預(yù)測(cè)方法研究

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

【摘要】：不斷增長(zhǎng)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(dǎo)致空調(diào)等降溫設(shè)備開啟頻率高、運(yùn)行時(shí)間長(zhǎng),降溫負(fù)荷持續(xù)增長(zhǎng)。降溫負(fù)荷的增長(zhǎng)已成為夏季最大負(fù)荷屢創(chuàng)新高的重要原因,同時(shí)亦給電力系統(tǒng)日負(fù)荷特性及電網(wǎng)運(yùn)行調(diào)度帶來一定的負(fù)面影響。更為準(zhǔn)確的年最大降溫負(fù)荷估算及預(yù)測(cè)有利于提高運(yùn)行人員對(duì)于電網(wǎng)負(fù)荷特性的把握,提高負(fù)荷預(yù)測(cè)準(zhǔn)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(fù)荷數(shù)據(jù)和氣象信息,從年、月、日三個(gè)時(shí)間維度,構(gòu)建了省、地負(fù)荷特性分析指標(biāo)體系,對(duì)廣東省及地市電網(wǎng)負(fù)荷特性進(jìn)行了分析。基于負(fù)荷特性和氣象條件,采用K-MEANS算法對(duì)廣東省各地市進(jìn)行聚類分析�？紤]到傳統(tǒng)降溫負(fù)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(fù)荷估算方法。該方法采用全年最大負(fù)荷日負(fù)荷曲線與不含降溫負(fù)荷的基準(zhǔn)負(fù)荷曲線對(duì)應(yīng)相減后取最大值求年最大降溫負(fù)荷。在計(jì)算基準(zhǔn)負(fù)荷曲線時(shí),以氣溫、相對(duì)濕度、降水量等多種氣象為軸建立氣象坐標(biāo)系統(tǒng),通過確定基準(zhǔn)氣象象限以篩選無降溫負(fù)荷的基準(zhǔn)工作日;并根據(jù)基準(zhǔn)工作日的日最大負(fù)荷與氣溫、相對(duì)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(zhǔn)工作日負(fù)荷曲線相對(duì)基準(zhǔn)負(fù)荷曲線的權(quán)值。最后,利用廣東省及地市2009~2013負(fù)荷數(shù)據(jù)及氣象數(shù)據(jù)估算廣州市年最大降溫負(fù)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(jī)方法,用于中長(zhǎng)期降溫負(fù)荷預(yù)測(cè)。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(jìn)的變精度粗糙集對(duì)支持向量機(jī)的條件屬性進(jìn)行約簡(jiǎn),得到最小決策表,并將該最小決策表中對(duì)應(yīng)的變量作為支持向量機(jī)預(yù)測(cè)模型的輸入屬性變量,進(jìn)行年最大降溫負(fù)荷預(yù)測(cè)。且隨著預(yù)測(cè)年份的推移,該支持向量機(jī)預(yù)測(cè)模型的輸入屬性變量亦將隨之滾動(dòng)更新,能夠?yàn)殡娋W(wǎng)規(guī)劃與運(yùn)行人員提供不同預(yù)測(cè)時(shí)期降溫負(fù)荷預(yù)測(cè)需重點(diǎn)關(guān)注的影響因子。最后,利用廣東省實(shí)際數(shù)據(jù)對(duì)廣東電網(wǎng)“十二五”和“十三五”年最大降溫負(fù)荷進(jìn)行預(yù)測(cè),結(jié)果表明,本文所提的預(yù)測(cè)方法預(yù)測(cè)效果良好,預(yù)測(cè)精度穩(wěn)定,對(duì)于中長(zhǎng)期預(yù)測(cè)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(shí)現(xiàn)了中長(zhǎng)期降溫負(fù)荷的動(dòng)態(tài)預(yù)測(cè)。
【關(guān)鍵詞】：降溫負(fù)荷 氣象信息 熵權(quán)理論 支持向量機(jī) 粗糙集 負(fù)荷預(yù)測(cè)
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：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(fù)荷估算及預(yù)測(cè)國(guó)內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 降溫負(fù)荷估算方法11-14
• 1.2.2 降溫負(fù)荷預(yù)測(cè)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(shí)間尺度負(fù)荷特性指標(biāo)解析17-28
• 2.1 負(fù)荷特性指標(biāo)17-18
• 2.1.1 日負(fù)荷特性指標(biāo)17
• 2.1.2 月負(fù)荷特性指標(biāo)17
• 2.1.3 年負(fù)荷特性指標(biāo)17-18
• 2.2 廣東電網(wǎng)負(fù)荷特性18-23
• 2.2.1 年負(fù)荷特性18-20
• 2.2.2 月負(fù)荷特性20-22
• 2.2.3 日負(fù)荷特性22-23
• 2.3 聚類分析23-25
• 2.4 廣州市負(fù)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(fù)荷的估算方法及應(yīng)用28-43
• 3.1 降溫負(fù)荷估算方法28-36
• 3.1.1 最大負(fù)荷比較法28
• 3.1.2 基準(zhǔn)負(fù)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(fù)荷估算方法29-35
• 3.1.4 降溫負(fù)荷估算方法對(duì)比35-36
• 3.2 算例36-42
• 3.2.1 廣東電網(wǎng)年最大降溫負(fù)荷估算結(jié)果36-38
• 3.2.2 廣州市年最大降溫負(fù)荷估算結(jié)果38-40
• 3.2.3 其他地市降溫負(fù)荷估算結(jié)果40-41
• 3.2.4 地市降溫負(fù)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(zhǎng)期降溫負(fù)荷預(yù)測(cè)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(jī)預(yù)測(cè)模型44-52
• 4.2.1 信息熵改進(jìn)的變精度粗糙集約簡(jiǎn)原理45-47
• 4.2.2 支持向量機(jī)理論47-51
• 4.2.3 不確定支持向量機(jī)模型51-52
• 4.3 算例52-56
• 4.3.1 廣東省電網(wǎng)中長(zhǎng)期降溫負(fù)荷預(yù)測(cè)52-54
• 4.3.2 地市中長(zhǎng)期降溫負(fù)荷54-56
• 4.4 本章小結(jié)56-57
• 結(jié)論57-58
• 參考文獻(xiàn)58-60
• 攻讀碩士學(xué)位期間取得的研究成果60-61
• 致謝61-62
• 答辯委員會(huì)對(duì)論文的評(píng)定意見62

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 逄勇;藻類濃度預(yù)測(cè)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(cè)方法研究[J];華北水利水電學(xué)院學(xué)報(bào);2008年01期

3 韓亮,王衛(wèi)亞,陳克鵬,馮小明;中國(guó)轎車近期市場(chǎng)預(yù)測(cè)方法研究[J];西安公路交通大學(xué)學(xué)報(bào);1999年02期

4 岳雅t，

本文編號(hào)：804052