本文關(guān)鍵詞：基于HHT的電力負荷影響因素分析及預測

  更多相關(guān)文章： 電力負荷預測 希爾伯特黃變換 影響因素 神經(jīng)網(wǎng)絡

【摘要】：高精度的電力負荷預測是電力系統(tǒng)安全運行的重要基礎,也是電力系統(tǒng)經(jīng)濟運行的重要保障。因此,負荷預測精度的提高,在電力系統(tǒng)管理中占有舉足輕重的地位,短期電力負荷預測對電網(wǎng)的生產(chǎn)調(diào)度具有指導意義,而高效的預測方法有利于預測精度的提高。本文對我國電力企業(yè)在電力負荷短期預測工作中存在的影響要素選擇、負荷特性分析以及預測模型的選取等重要問題做了重點研究,提出了一種基于希爾伯特黃變換和電力負荷影響因素分析的組合預測模型。希爾伯特黃變換(Hilbert-Huang Transform,HHT)算法是用來分析非線性、非平穩(wěn)信號的一種新的信號處理算法。該方法首先采用經(jīng)驗模態(tài)分解(EMD)算法將原始序列分解成頻率不同且相對平穩(wěn)的一些固有模態(tài)函數(shù)(IMF)分量之和,然后對每一個分量進行Hilbert變換獲得分量的時頻特性,該時頻信號處理方法具有較強自適應性。本文深入分析短期負荷預測方法在國內(nèi)外的研究現(xiàn)狀和發(fā)展趨勢,研究了現(xiàn)有的電力負荷預測方法及其特點。對電網(wǎng)歷史負荷數(shù)據(jù)和氣象數(shù)據(jù)等資料進行深入研究,在短期負荷特性指標分析的基礎上,總結(jié)出負荷特性及各影響因素之間的關(guān)系。首先對歷史負荷、氣象數(shù)據(jù)進行預處理,利用EMD算法將預測樣本序列分解成不同頻率的平穩(wěn)子序列,并對其進行Hilbert變換,得出各分量的頻率特性,子序列比原始序列更具可預測性。根據(jù)對各分量特性及各預測模型的適應性分析,選取RBF神經(jīng)網(wǎng)絡模型對高頻分量做出預測,BP神經(jīng)網(wǎng)絡模型對中頻分量做出預測,時間序列模型對低頻分量做出預測,并在中、高頻分量的預測模型中考慮了氣象因素的影響,把每一個分量的預測結(jié)果相加得出最終預測值,從而得到了新的組合模型。本文以河南省某地區(qū)2012年實際負荷數(shù)據(jù)作為預測樣本,利用上述預測模型對一天24小時96點的負荷值進行預測,與真實負荷值對比,預測精度達到較高水平。結(jié)果表明,基于HHT的組合預測模型有利于實現(xiàn)各預測模型之間的優(yōu)勢互補,更具合理性。
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM715

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 陳健;劉明波;樊亞亮;徐兵;;廣州電網(wǎng)負荷特性分析[J];電力系統(tǒng)及其自動化學報;2009年06期

2 陳根永;史敬天;毛曉波;陳肖一;姚曉明;彭保宏;;考慮溫度積累效應的短期電力負荷預測方法研究[J];電力系統(tǒng)保護與控制;2009年16期

3 廖旎煥;胡智宏;馬瑩瑩;盧王允;;電力系統(tǒng)短期負荷預測方法綜述[J];電力系統(tǒng)保護與控制;2011年01期

4 彭顯剛;胡松峰;呂大勇;;基于RBF神經(jīng)網(wǎng)絡的短期負荷預測方法綜述[J];電力系統(tǒng)保護與控制;2011年17期

5 陳耀武,汪樂宇,龍洪玉;基于組合式神經(jīng)網(wǎng)絡的短期電力負荷預測模型[J];中國電機工程學報;2001年04期

6 蘇士美;王明霞;姚猛;張建華;;基于WHAC-E組合預測模型的短期電力負荷預測[J];鄭州大學學報(工學版);2014年03期

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 劉德利;HHT算法及其在電力系統(tǒng)中的應用研究[D];哈爾濱工業(yè)大學;2011年

2 李小燕;考慮氣象因素的電力系統(tǒng)短期負荷預測研究[D];華南理工大學;2013年

3 孟萌萌;基于RBF神經(jīng)網(wǎng)絡短期熱網(wǎng)負荷預測研究[D];哈爾濱工業(yè)大學;2013年

，

本文編號：1268604