【摘要】：隨著社會(huì)經(jīng)濟(jì)的發(fā)展,人們對(duì)電力系統(tǒng)安全可靠運(yùn)行的要求越來(lái)越高。狀態(tài)估計(jì)作為能量管理系統(tǒng)的核心功能之一,其性能的好壞直接或間接的影響著實(shí)時(shí)數(shù)據(jù)庫(kù)的建立、計(jì)算軟件的精度和結(jié)果的可靠性。而負(fù)荷預(yù)測(cè)是電力系統(tǒng)經(jīng)濟(jì)調(diào)度中的一項(xiàng)重要內(nèi)容,短期負(fù)荷預(yù)測(cè)的精度直接會(huì)影響到系統(tǒng)安全經(jīng)濟(jì)運(yùn)行和供電質(zhì)量。因此對(duì)負(fù)荷預(yù)測(cè)、狀態(tài)估計(jì)以及兩者有機(jī)結(jié)合的進(jìn)一步研究,具有較高的理論意義和實(shí)際價(jià)值。在大量研究國(guó)內(nèi)外文獻(xiàn)基礎(chǔ)上,本文主要從以下兩個(gè)方面開(kāi)展研究工作:(1)針對(duì)目前采用最小二乘支持向量機(jī)進(jìn)行電力系統(tǒng)短期負(fù)荷預(yù)測(cè)時(shí),運(yùn)用混沌粒子群算法選取參數(shù)不能完全解決早熟,導(dǎo)致精度下降的問(wèn)題,基于Logistic函數(shù)提出一種粒子慣性權(quán)重模型對(duì)現(xiàn)有混沌粒子群算法權(quán)重調(diào)節(jié)方式進(jìn)行改進(jìn)。把提出的慣性權(quán)重模型、適應(yīng)度方差和平均粒矩引入混沌粒子群算法中增強(qiáng)其尋優(yōu)能力。將改進(jìn)混沌粒子群算法用于最小二乘支持向量機(jī)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法中。用華東某地區(qū)實(shí)際電網(wǎng)的歷史負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)驗(yàn)證方法的可行性和有效性。(2)針對(duì)目前電力系統(tǒng)狀態(tài)估計(jì)方法沒(méi)有深入考慮非高斯分布的量測(cè)誤差的問(wèn)題,并且沒(méi)有有效利用量測(cè)量的預(yù)測(cè)數(shù)據(jù)、歷史量測(cè)數(shù)據(jù)等現(xiàn)有數(shù)據(jù)的問(wèn)題。本文提出一種計(jì)及非高斯誤差的電力系統(tǒng)狀態(tài)估計(jì)方法。首先提出電力系統(tǒng)的期望估計(jì)(Power System Expectation Estimation,PSEE),使?fàn)顟B(tài)估計(jì)本身能夠進(jìn)一步利用負(fù)荷預(yù)測(cè)數(shù)據(jù)、自身參數(shù)和歷史負(fù)荷數(shù)據(jù);其次改進(jìn)了投影統(tǒng)計(jì)(Projection Statistics,PS)提出了自適應(yīng)投影統(tǒng)計(jì)(Adaptive Project Statistics,APS),使其在面對(duì)不同維數(shù)的雅克比矩陣時(shí)能夠進(jìn)行微調(diào);然后設(shè)計(jì)計(jì)及非高斯誤差修正的APS-LH型廣義極大似然估計(jì),使所提的方法能夠應(yīng)對(duì)狀態(tài)估計(jì)中存在的非高斯誤差問(wèn)題。最后用IEEE14、30、57節(jié)點(diǎn)算例論證本文所提方法的有效性和優(yōu)越性。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TM715

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 谷云東;張素杰;馮君淑;;大用戶(hù)電力負(fù)荷的多模型模糊綜合預(yù)測(cè)[J];電工技術(shù)學(xué)報(bào);2015年23期

2 陳勝;衛(wèi)志農(nóng);郭曉敏;劉曉宏;楊義;孫國(guó)強(qiáng);;基于交替方向乘子法的分布式雙線性狀態(tài)估計(jì)[J];電力系統(tǒng)自動(dòng)化;2015年20期

3 林勇;鄒品晶;左鄭敏;歐陽(yáng)旭;朱向前;姚建剛;;基于改進(jìn)PSO算法的Logistic模型在飽和負(fù)荷預(yù)測(cè)中的應(yīng)用[J];電力需求側(cè)管理;2015年05期

4 常鮮戎;樊瑞;;計(jì)及零注入節(jié)點(diǎn)約束的混合量測(cè)分區(qū)狀態(tài)估計(jì)方法[J];電網(wǎng)技術(shù);2015年08期

5 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(fù)荷模型預(yù)測(cè)[J];電工技術(shù)學(xué)報(bào);2015年08期

6 戴邵武;王克紅;慶曾宏;;基于混合PSO算法的加速度計(jì)快速標(biāo)定[J];壓電與聲光;2015年02期

7 陳壽文;;基于質(zhì)心和自適應(yīng)指數(shù)慣性權(quán)重改進(jìn)的粒子群算法[J];計(jì)算機(jī)應(yīng)用;2015年03期

8 陶重陽(yáng);楊新宇;于翔深;趙航;;量子粒子群優(yōu)化算法的控制參數(shù)分析[J];計(jì)算機(jī)應(yīng)用;2014年S2期

9 顏磊;艾欣;王堯;趙昆;;一種將PMU支路電流量測(cè)引入非線性狀態(tài)估計(jì)的方法[J];電網(wǎng)技術(shù);2014年10期

10 馬平川;沈沉;陳穎;黃少偉;;基于偽量測(cè)型協(xié)調(diào)變量的分布式狀態(tài)估計(jì)算法[J];中國(guó)電機(jī)工程學(xué)報(bào);2014年19期

相關(guān)碩士學(xué)位論文 前1條

1 霍明;短期負(fù)荷預(yù)測(cè)的支持向量機(jī)模型參數(shù)優(yōu)化方法研究[D];湖南大學(xué);2009年

，

本文編號(hào)：2628870