本文關(guān)鍵詞：基于數(shù)據(jù)分解和ESN網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)模型

  更多相關(guān)文章： 短期負(fù)荷預(yù)測(cè) 回聲狀態(tài)網(wǎng)絡(luò) EMD EEMD ILMD 相似日篩選

【摘要】：電力負(fù)荷預(yù)測(cè)精度的好壞直接關(guān)系著電力系統(tǒng)的穩(wěn)定性,也和社會(huì)、人民生活的正常有序進(jìn)行息息相關(guān)。尤其是短期電力負(fù)荷,關(guān)系著電力系統(tǒng)的日調(diào)度和生產(chǎn)計(jì)劃工作。準(zhǔn)確的短期負(fù)荷預(yù)測(cè)能夠降低發(fā)電成本,節(jié)約資源,也是電力系統(tǒng)實(shí)現(xiàn)自動(dòng)化管理不可或缺的。因此高精度的預(yù)測(cè)模型意義重大。本文對(duì)短期電力負(fù)荷的特性進(jìn)行了分析后,提出了基于數(shù)據(jù)分解和回聲狀態(tài)網(wǎng)絡(luò)(ESN)相結(jié)合的預(yù)測(cè)模型。根據(jù)電力負(fù)荷的特性,用合適的分解方法對(duì)負(fù)荷數(shù)據(jù)進(jìn)行分解,挖掘出數(shù)據(jù)本身固有的內(nèi)在規(guī)律特征。再針對(duì)不同的分解量分別建立ESN網(wǎng)絡(luò),用相應(yīng)的樣本訓(xùn)練對(duì)應(yīng)的ESN網(wǎng)絡(luò),并用訓(xùn)練好的網(wǎng)絡(luò)對(duì)分量分別預(yù)測(cè),最后累加所有分量的預(yù)測(cè)值得到最后的負(fù)荷預(yù)測(cè)值。論文首先考慮了相似日對(duì)短期負(fù)荷的影響,用模糊方法進(jìn)行相似日的選取,使得訓(xùn)練樣本更加有針對(duì)性,對(duì)預(yù)測(cè)將更加有效。接著,將數(shù)據(jù)分解到不同時(shí)間尺度上,對(duì)每一個(gè)分解量分別進(jìn)行分析和預(yù)測(cè)能更準(zhǔn)確的挖掘電力負(fù)荷數(shù)據(jù)本身具有的特性和規(guī)律。最后用一種新型的遞歸神經(jīng)網(wǎng)絡(luò)——ESN網(wǎng)絡(luò)對(duì)每一個(gè)分量進(jìn)行預(yù)測(cè),可以避免傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)過程復(fù)雜、容易陷入局部極值等問題。本文在進(jìn)行數(shù)據(jù)分解時(shí)用了三種分解方法:經(jīng)驗(yàn)?zāi)B(tài)分解(EMD),平均經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD),改進(jìn)的局部均值分解(ILMD),對(duì)每一個(gè)分解的結(jié)果進(jìn)行了分析對(duì)比。最后用三種分解方法分別和回聲狀態(tài)網(wǎng)絡(luò)結(jié)合對(duì)電力負(fù)荷進(jìn)行預(yù)測(cè),對(duì)結(jié)果進(jìn)行了對(duì)比和分析。由仿真結(jié)果可知:對(duì)負(fù)荷進(jìn)行分解后再預(yù)測(cè),其效果優(yōu)于不分解直接進(jìn)行預(yù)測(cè);在三種分解方法與ESN網(wǎng)絡(luò)相結(jié)合的預(yù)測(cè)模型中,ILMD與ESN網(wǎng)絡(luò)相結(jié)合的預(yù)測(cè)模型,其預(yù)測(cè)精度和速度是最理想。
【關(guān)鍵詞】：短期負(fù)荷預(yù)測(cè) 回聲狀態(tài)網(wǎng)絡(luò) EMD EEMD ILMD 相似日篩選
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TM715
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-19
• 1.1 背景和意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-17
• 1.2.1 傳統(tǒng)的預(yù)測(cè)方法12-13
• 1.2.2 現(xiàn)代預(yù)測(cè)方法13-17
• 1.3 本文的主要工作內(nèi)容17-19
• 2 電力負(fù)荷的特征19-23
• 2.1 電力負(fù)荷的分類19-20
• 2.1.1 工業(yè)用電19
• 2.1.2 商業(yè)用電19
• 2.1.3 農(nóng)業(yè)用電19
• 2.1.4 居民生活用電19-20
• 2.2 電力負(fù)荷的周期特性20-22
• 2.2.1 電力負(fù)荷的日周期性20-21
• 2.2.2 電力負(fù)荷的周周期性21-22
• 2.2.3 電力負(fù)荷的年周期性22
• 2.3 電力負(fù)荷的混沌性22-23
• 3 相似日選擇23-28
• 3.1 模糊聚類分析23-26
• 3.1.1 數(shù)據(jù)標(biāo)準(zhǔn)化24-25
• 3.1.2 構(gòu)造模糊相似矩陣25
• 3.1.3 模糊傳遞閉包法分類25-26
• 3.2 選取相似日26
• 3.3 實(shí)例分析26-28
• 4 數(shù)據(jù)分解方法28-38
• 4.1 EMD28-32
• 4.1.1 EMD基本原理28
• 4.1.2 EMD分解過程28-30
• 4.1.3 EMD分解實(shí)驗(yàn)30-32
• 4.2 EEMD32-34
• 4.2.1 EEMD基本原理32
• 4.2.2 EEMD分解過程32-33
• 4.2.3 EEMD分解實(shí)驗(yàn)33-34
• 4.3 ILMD34-37
• 4.3.1 LMD基本原理34-35
• 4.3.2 ILMD分解過程35-36
• 4.3.3 ILMD分解實(shí)驗(yàn)36-37
• 4.4 三種分解實(shí)驗(yàn)比較37-38
• 5 回聲狀態(tài)網(wǎng)絡(luò)（ESN）38-44
• 5.1 ESN概述38-39
• 5.2 ESN網(wǎng)絡(luò)的主要優(yōu)勢(shì)39
• 5.3 ESN網(wǎng)絡(luò)結(jié)構(gòu)39-41
• 5.4 ESN網(wǎng)絡(luò)的重要參數(shù)41-42
• 5.5 ESN網(wǎng)絡(luò)的訓(xùn)練過程42-44
• 5.5.1 ESN網(wǎng)絡(luò)的初始化42
• 5.5.2 狀態(tài)儲(chǔ)備池狀態(tài)的更新42
• 5.5.3 計(jì)算得出輸出權(quán)值矩陣42-44
• 6 基于數(shù)據(jù)分解與ESN網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)44-54
• 6.1 總體預(yù)測(cè)模型44-46
• 6.1.1 預(yù)測(cè)模型結(jié)構(gòu)44-45
• 6.1.2 預(yù)測(cè)模型訓(xùn)練45
• 6.1.3 模型預(yù)測(cè)過程45-46
• 6.2 EMD+ESN實(shí)驗(yàn)46-48
• 6.2.1 實(shí)驗(yàn)的過程46
• 6.2.2 實(shí)驗(yàn)結(jié)果46-47
• 6.2.3 結(jié)果分析47-48
• 6.3 EEMD+ESN實(shí)驗(yàn)48-50
• 6.3.1 實(shí)驗(yàn)過程48
• 6.3.2 實(shí)驗(yàn)結(jié)果48-50
• 6.3.3 結(jié)果分析50
• 6.4 ILMD+ESN實(shí)驗(yàn)50-52
• 6.4.1 實(shí)驗(yàn)過程50
• 6.4.2 實(shí)驗(yàn)結(jié)果50-52
• 6.5 三種模型方法比較52-54
• 7 結(jié)論與展望54-56
• 7.1 總結(jié)54-55
• 7.2 展望55-56
• 參考文獻(xiàn)56-59
• 致謝59-60
• 個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 劉振宇;馮華;楊仁剛;;基于混沌時(shí)間序列及神經(jīng)網(wǎng)絡(luò)的大同電網(wǎng)負(fù)荷短期預(yù)測(cè)研究[J];中北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

2 宋海軍;黃傳金;劉宏超;陳鐵軍;李景麗;羅勇;;基于改進(jìn)LMD的電能質(zhì)量擾動(dòng)檢測(cè)新方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2014年10期

3 林揚(yáng)宇;易_";陳彬;包宇慶;;考慮氣象因素和日期類型的短期負(fù)荷預(yù)測(cè)[J];計(jì)算機(jī)仿真;2014年03期

4 羅勇;鄭金;寧美鳳;;基于相似日搜索的PSO-WNN組合模型在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J];信息與控制;2013年03期

5 周志宇;;基于EMD與GA-BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)[J];電測(cè)與儀表;2013年04期

6 薛凱;周亞建;平源;郭燕慧;楊飛;;基于小波變換和ESN的P2P流量預(yù)測(cè)模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年04期

7 許巖巖;翟希;孔慶杰;劉允才;;高速路交通流短時(shí)預(yù)測(cè)方法[J];交通運(yùn)輸工程學(xué)報(bào);2013年02期

8 王偉國(guó);趙新民;;基于EMD-BP神經(jīng)網(wǎng)絡(luò)的我國(guó)棉花期貨價(jià)格預(yù)測(cè)方法研究[J];石河子大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2013年01期

9 楊德昌;唐巍;屈瑞謙;C.Rehtanz;李勇;;基于改進(jìn)局部均值分解的低頻振蕩參數(shù)提取[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年04期

10 張平;潘學(xué)萍;薛文超;;基于小波分解模糊灰色聚類和BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)[J];電力自動(dòng)化設(shè)備;2012年11期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李眉眉;電力負(fù)荷混沌特性分析及其預(yù)測(cè)研究[D];四川大學(xué);2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉帥;基于粒子群優(yōu)化的GM(1,1)冪模型電力負(fù)荷預(yù)測(cè)研究[D];華北電力大學(xué);2014年

2 賈雪;基于EMD-ESN的智能預(yù)測(cè)方法研究[D];鄭州大學(xué);2013年

3 夏麗;基于ARIMA模型及回歸分析的區(qū)域用電量預(yù)測(cè)方法研究[D];南京理工大學(xué);2013年

4 劉榮;基于Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)[D];浙江大學(xué);2013年

5 張乾;電力負(fù)荷混沌特性分析及混沌時(shí)間序列的預(yù)測(cè)[D];天津理工大學(xué);2013年

6 徐鵬;基于模糊聚類與RBF神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測(cè)方法研究[D];廣西大學(xué);2012年

7 陳標(biāo);短期電力負(fù)荷的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[D];湖南大學(xué);2012年

8 胡玲;基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[D];南華大學(xué);2011年

9 鐘光科;偏最小二乘回歸分析在短期負(fù)荷預(yù)測(cè)中的應(yīng)用[D];河北工程大學(xué);2011年

10 劉晶;基于相似日和支持向量機(jī)的短期負(fù)荷預(yù)測(cè)研究[D];華南理工大學(xué);2010年

，

本文編號(hào)：1045376