【摘要】：準(zhǔn)確的短期預(yù)測是電力系統(tǒng)運行規(guī)劃的基礎(chǔ),是制定機組啟停計劃、經(jīng)濟調(diào)度計劃和檢修計劃的重要依據(jù)。隨著可再生能源大量接入傳統(tǒng)配電網(wǎng),可能會引起系統(tǒng)波動,使傳統(tǒng)電網(wǎng)的運行控制越來越困難。同時,還會引起對電力數(shù)據(jù)采集維度和頻率大幅度提升,導(dǎo)致電力負荷數(shù)據(jù)的大量累積,若要按傳統(tǒng)負荷預(yù)測方法找出歷史數(shù)據(jù)與影響因素之間具體表達式,就顯得非常困難,所以使得傳統(tǒng)預(yù)測方法逐步向智能化發(fā)展。本文針對可再生能源大量接入傳統(tǒng)配電網(wǎng),引起系統(tǒng)波動和負荷預(yù)測困難的問題,進行了詳細的論述。在智能配電網(wǎng)大環(huán)境中,分別采用了最小二乘支持向量機、混沌優(yōu)化粒子群最小二乘支持向量機和人工魚群優(yōu)化粒子群最小二乘支持向量機的預(yù)測方法進行短期負荷預(yù)測,實驗表明,人工魚群優(yōu)化粒子群最小二乘支持向量機的短期負荷預(yù)測算法具有較高的預(yù)測精度。本文主要工作如下:(1)對歷史負荷數(shù)據(jù)中異常數(shù)據(jù)進行辨識和預(yù)處理;為了便于計算,對影響負荷的各項因素做了歸一化處理;介紹了最小二乘支持向量機的短期負荷預(yù)測模型。(2)由于最小二乘支持向量機模型中的參數(shù)是憑經(jīng)驗選擇的,缺乏理論依據(jù)且存在較大的盲目性,因此本文首先建立了粒子群優(yōu)化最小二乘支持向量機的短期負荷預(yù)測模型。但在實際應(yīng)用中,粒子群算法在參數(shù)尋優(yōu)的過程中,容易計算出局部極值,即出現(xiàn)早熟現(xiàn)象,導(dǎo)致預(yù)測精度不準(zhǔn)確。所以本文針對這一現(xiàn)象,提出了混沌優(yōu)化粒子群最小二乘支持向量機的方法進行短期負荷預(yù)測,并建立了相應(yīng)的預(yù)測模型。(3)通過對實驗和理論知識的進一步研究,發(fā)現(xiàn)理論上混沌優(yōu)化算法與初始值大小的選擇無關(guān)。所以,本文利用人工魚群算法對初值要求低的特性,建立了人工魚群優(yōu)化粒子群最小二乘支持向量機的短期負荷預(yù)測模型。最后將三種預(yù)測模型用在西北某省的電力系統(tǒng)網(wǎng)絡(luò)實驗中,表明人工魚群優(yōu)化粒子群最小二乘支持向量機的短期負荷預(yù)測模型的預(yù)測精度更高。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TM715

【參考文獻】

相關(guān)期刊論文 前10條

1 HAO Xuejun;AN Xaioran;WU Bo;HE Shaoping;;Application of a Support Vector Machine Algorithm to the Safety Precaution Technique of Medium-low Pressure Gas Regulators[J];Journal of Thermal Science;2018年01期

2 戰(zhàn)非;張少茹;;適應(yīng)云計算的混沌布谷鳥算法應(yīng)用優(yōu)化研究[J];控制工程;2017年07期

3 張楷楷;燕萍;;時間序列以及卡爾曼濾波在電力系統(tǒng)短期負荷預(yù)測中的應(yīng)用[J];電氣開關(guān);2016年02期

4 吳文江;陳其工;高文根;;基于PSO優(yōu)化參數(shù)的最小二乘支持向量機短期負荷預(yù)測[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2016年03期

5 張超;任國臣;牛藝橋;蔣蕾;賈書文;;基于時間序列法超短期負荷預(yù)測改進方法的研究[J];遼寧工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2015年05期

6 李龍;魏靖;黎燦兵;曹一家;宋軍英;方八零;;基于人工神經(jīng)網(wǎng)絡(luò)的負荷模型預(yù)測[J];電工技術(shù)學(xué)報;2015年08期

7 辛耀中;石俊杰;周京陽;高宗和;陶洪鑄;尚學(xué)偉;翟明玉;郭建成;楊勝春;南貴林;劉金波;;智能電網(wǎng)調(diào)度控制系統(tǒng)現(xiàn)狀與技術(shù)展望[J];電力系統(tǒng)自動化;2015年01期

8 趙騰;張焰;張東霞;;智能配電網(wǎng)大數(shù)據(jù)應(yīng)用技術(shù)與前景分析[J];電網(wǎng)技術(shù);2014年12期

9 滕雪莉;;智能計算的配電網(wǎng)負荷預(yù)測方法研究[J];黑龍江科技信息;2013年36期

10 張東霞;姚良忠;馬文媛;;中外智能電網(wǎng)發(fā)展戰(zhàn)略[J];中國電機工程學(xué)報;2013年31期

相關(guān)博士學(xué)位論文 前2條

1 譚益;考慮新能源發(fā)電不確定性的智能配電網(wǎng)優(yōu)化調(diào)度研究[D];湖南大學(xué);2014年

2 李丹;粒子群優(yōu)化算法及其應(yīng)用研究[D];東北大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 陳宇杰;基于BP神經(jīng)網(wǎng)絡(luò)的區(qū)域配電網(wǎng)中期電力負荷預(yù)測[D];吉林大學(xué);2017年

2 賈辛淼;基于小波分析的電力系統(tǒng)短期負荷預(yù)測的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 董聰;智能配電網(wǎng)饋線負荷預(yù)測系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

4 龔文龍;基于最小二乘支持向量機的短期負荷預(yù)測[D];湖南大學(xué);2014年

5 蔡婷;基于人工魚群的LS-SVM在短期負荷預(yù)測中的應(yīng)用[D];廣西大學(xué);2014年

6 李林容;智能配電網(wǎng)的短期負荷預(yù)測研究[D];蘭州理工大學(xué);2012年

7 姚道香;我國智能電網(wǎng)建設(shè)中的政府作用研究[D];廣西大學(xué);2012年

8 冷北雪;基于支持向量機的電力系統(tǒng)短期負荷預(yù)測[D];西南交通大學(xué);2010年

9 霍明;短期負荷預(yù)測的支持向量機模型參數(shù)優(yōu)化方法研究[D];湖南大學(xué);2009年

10 胡行華;混沌優(yōu)化算法的研究及應(yīng)用[D];遼寧工程技術(shù)大學(xué);2008年

，

本文編號：2597097