【摘要】：電力工業(yè)是我國國民經(jīng)濟的基礎產(chǎn)業(yè),為工業(yè)和國民經(jīng)濟其他部門提供了基本動力。隨著經(jīng)濟的快速發(fā)展,中國也迎來了電網(wǎng)建設的新高潮,由于電能的生產(chǎn)和消費過程是同時進行的,因此電力負荷預測相關的理論研究日益得到重視。精確、及時的電力負荷預測在制定合理發(fā)電調(diào)配計劃,電力系統(tǒng)的規(guī)劃建設、電力市場需求調(diào)查、競價上網(wǎng)、保障生產(chǎn)和生活中安全高效的用電等方面都具有相當重要的意義。本文以浙江省某縣城作為調(diào)研地區(qū),對收集的數(shù)據(jù)綜合運用智能挖掘知識與神經(jīng)網(wǎng)絡相關的智能算法,探討分析了數(shù)據(jù)預處理、負荷特性、負荷影響因素、訓練集相似日的選取、網(wǎng)絡結構的優(yōu)化以及多個負荷預測模型建立,結合具體案例對各模型預測效果進行對比驗證,并設計開發(fā)了相應的負荷預測軟件。對收集到的電力負荷相關數(shù)據(jù)進行數(shù)據(jù)預處理,采用插值法和曲線擬合法處理空值,用改進的拉依達準則查找奇異值,結合調(diào)研地區(qū)地理氣候、政治經(jīng)濟等情況,研究分析調(diào)研地區(qū)的電力負荷特性和影響負荷的各種因素。為了增加模型樣本集訓練的效率,本文從兩方面入手:一是選取合適的訓練樣本,即采用BWP指標最優(yōu)K值的自適應K-means聚類方法選取相似日,二是簡化神經(jīng)網(wǎng)絡,采用KPCA非線性降維方法減少網(wǎng)絡輸入層的節(jié)點。針對傳統(tǒng)BP神經(jīng)網(wǎng)絡收斂速度慢,易陷入局部最優(yōu)等缺陷,本文提出了采用自適應遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(AGABP)和基于深度置信網(wǎng)絡(DBN)的預測算法,采用滑動窗口動態(tài)預測模型,用具體實例分析相誤差指標,并用DM檢驗方法驗證了基于深度置信網(wǎng)絡的短期電力負荷預測模型預測能力較佳。以Visual C++和Matlab為開發(fā)平臺,對負荷預測軟件的相關功能和軟件進行了初步實現(xiàn)。
【圖文】：

武漢理工大學碩士學位論文日記錄了 96 個時間點的負荷數(shù)據(jù)，也就是每十五分鐘記錄一次負荷。在 3 日 288 個時間點中隨機設置 8 個時間點的負荷數(shù)據(jù)為空，曲線圖如下圖 2-1 的第個曲線圖所示，在負荷變化較大的時間點可以明顯看到曲線的缺失。然后分應用 Nearest、Spline 和 Cubic 三種插值方法以及 Smoothingspline 模式下的曲擬合方法做擬合效果的對比，可以得到圖 2-1 中其余四圖所示的結果。其中藍的圓圈是采用各方法填充的缺失值。由圖可知，，采用以上方法，基本補全了來缺失的值，而且沒有出現(xiàn)誤差十分大的值。

準則法等[50]。其中拉依達準則[51-52]又稱 3σ 準則，被廣泛地應用于當中。具體原理如下：對于得到的有 n 個獨立數(shù)據(jù)的數(shù)據(jù)組a ,a12平均值 α，然后可以得到各個數(shù)據(jù)的剩余誤差 νaa(i nii= -=1,2,.. .,爾公式[53]得到標準誤差 σ，若整個數(shù)據(jù)組中某個數(shù)據(jù)ba 的剩余誤條件：νaaσbb= -> 3為數(shù)據(jù)ba 和正常的數(shù)據(jù)相比，是含有較大誤差值的奇異值，需要理。但拉依達準則要求樣本數(shù)據(jù)至少服從近似正態(tài)分布，根據(jù)負期性，負荷數(shù)據(jù)并不服從近似的正態(tài)分布[54]，本文采用一定的改進 2016 年 7 月 1~3 日的負荷數(shù)據(jù) ,,...,( 288)12aaan=n為例，此次隨機點中隨機取 3 個點作為奇異值所在的點，再對這些點隨機取與原距較大的差值（正負皆有，誤差設置在 20~50%之間），得到修改n...,b，然后對修改的數(shù)據(jù)做 Smoothingspline 方式的曲線擬合，得到圖 2-2 所示。可以發(fā)現(xiàn)有三處異常值，明顯偏離了正常的擬合曲線
【學位授予單位】：武漢理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TM715;TP183

【相似文獻】

相關期刊論文 前10條

1 王利軍;;配電網(wǎng)規(guī)劃中負荷預測實際問題及措施[J];通訊世界;2017年22期

2 黃慶仕;陳冬灃;肖建華;;電力用戶側大數(shù)據(jù)分析與并行負荷預測研究[J];自動化應用;2016年11期

3 李凡;;電力檢修中負荷預測技術的發(fā)展現(xiàn)狀研究[J];民營科技;2016年12期

4 肖燃;;基于電力載波通信的居民用電負荷預測大數(shù)據(jù)應用[J];科技創(chuàng)新與應用;2017年04期

5 邢亞虹;杜欣慧;;基于貪婪算法的配電網(wǎng)網(wǎng)格負荷預測與規(guī)劃方法[J];計算機工程;2016年11期

6 劉愛連;梁濤;;負荷預測在煤改電工程的應用分析[J];電氣時代;2017年05期

7 尚芳屹;李潔;;組合預測在飽和負荷預測中的應用[J];電力與能源;2017年02期

8 謝毓廣;郭力;;基于區(qū)域負荷預測值綜合評價的大電網(wǎng)短期負荷預測[J];電氣應用;2017年11期

9 肖白;李科;田春箏;王t

本文編號：2599600