【摘要】：準(zhǔn)確的短期負(fù)荷預(yù)測(cè),可以保證社會(huì)的正常生活和生產(chǎn),有效地降低發(fā)電成本,提高經(jīng)濟(jì)效益和社會(huì)效益。我們知道,短期電力負(fù)荷預(yù)測(cè)的準(zhǔn)確性與兩方面有關(guān)。一是影響因素選擇的相關(guān)性和全面性,二是預(yù)測(cè)方法的科學(xué)有效性。準(zhǔn)確的影響因素選擇加上先進(jìn)科學(xué)的預(yù)測(cè)手段是當(dāng)代短期電力負(fù)荷預(yù)測(cè)主要發(fā)展方向。伴隨著社會(huì)的不斷發(fā)展,人們生活水平不斷提高,影響電力負(fù)荷的因素必定會(huì)越來越多�，F(xiàn)代科技水平的不斷提升,電力負(fù)荷預(yù)測(cè)方向越來越側(cè)重于先進(jìn)的預(yù)測(cè)方法。人工神經(jīng)網(wǎng)絡(luò)就是研究的主要熱點(diǎn)之一。但是,過多的影響因素會(huì)導(dǎo)致神經(jīng)網(wǎng)絡(luò)輸入維數(shù)的增加,嚴(yán)重影響了人工神經(jīng)網(wǎng)絡(luò)泛化性,進(jìn)而導(dǎo)致預(yù)測(cè)精度降低。所以,如何在不過分損失影響因素信息的前提下,確定適當(dāng)?shù)挠绊懸蛩貍�(gè)數(shù),來保證神經(jīng)網(wǎng)絡(luò)的輸入維數(shù)不會(huì)過多以至于影響預(yù)測(cè)精度,應(yīng)成為當(dāng)下短期電力負(fù)荷預(yù)測(cè)研究的一個(gè)方向。本文從兩方面出發(fā),一是關(guān)于短期電力負(fù)荷預(yù)測(cè)影響因素選擇方面的分析建模,二是關(guān)于短期電力負(fù)荷預(yù)測(cè)方法的研究。針對(duì)影響因素選擇方面的分析,本文主要利用了因子分析法和偏自相關(guān)函數(shù)法。首先利用因子分析對(duì)電力負(fù)荷的原始影響因素進(jìn)行降維處理,并得到貢獻(xiàn)率最高的主要影響因子。然后對(duì)得出的主要影響因子進(jìn)行有針對(duì)性的偏自相關(guān)函數(shù)分析,使得影響因素更加全面。因子分析使得輸入神經(jīng)網(wǎng)絡(luò)的影響因素維數(shù)大大降低,使得在不過分損失信息的前提下,保障了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的精確性。同時(shí)根據(jù)得出的主因子以進(jìn)行專門的偏自相關(guān)函數(shù)分析,進(jìn)一步豐富全面了影響因素,使得影響因素的選擇更具有針對(duì)性。同時(shí)本文引入混沌理論對(duì)傳統(tǒng)的鯨魚群優(yōu)化算法進(jìn)行改進(jìn),提高了鯨魚群優(yōu)化算法的收斂速度和尋優(yōu)能力。本文利用目前主流的三大神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò),最小二乘支持向量機(jī)和極限學(xué)習(xí)機(jī),來進(jìn)行短期電力負(fù)荷預(yù)測(cè),并利用混沌鯨魚群算法對(duì)三大神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)優(yōu)化。最后,以衡水市2017年3月1日到2017年6月30日共122天的小時(shí)負(fù)荷數(shù)據(jù)作為負(fù)荷預(yù)測(cè)樣本,進(jìn)行實(shí)例分析,結(jié)果驗(yàn)證了改進(jìn)神經(jīng)網(wǎng)絡(luò)的模型的有效性。
【圖文】：

圖 2-1 衡水市七天負(fù)荷曲線圖 2-1 為衡水市七天的 24 小時(shí)負(fù)荷曲線，我們可以清晰看出相關(guān)負(fù)荷呈周期通常每天不分天氣節(jié)日都有兩個(gè)高峰，，大約出現(xiàn)在上午的 10：00 和下午的 19:00 和之間。而通常在晚間或午間人們處于休息狀態(tài)的時(shí)候出現(xiàn)低谷負(fù)荷，這個(gè)時(shí)候一都在休息，用電量較少，多為一些不停息工作的電器在消耗電量。

圖 4-1 WOA 中的 Bubble-net 搜索機(jī)制、包圍捕食階段時(shí)駝背鯨并不知道食物的位置，通過群體之間的信息傳遞來獲得食物的位最近的鯨魚就相當(dāng)于當(dāng)前的一個(gè)局部最優(yōu)解，群體里的其他個(gè)體都會(huì)本著包圍，這個(gè)階段行為的數(shù)學(xué)模型表示如下：
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM715;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 雷紹蘭;古亮;楊佳;劉欣宇;;重慶地區(qū)電力負(fù)荷特性及其影響因素分析[J];中國電力;2014年12期

2 趙欣;;不同一維混沌映射的優(yōu)化性能比較研究[J];計(jì)算機(jī)應(yīng)用研究;2012年03期

3 顏金木;;基于趨勢(shì)外推法的電力負(fù)荷預(yù)測(cè)[J];中國外資;2011年04期

4 楊雙吉;董青峰;;產(chǎn)值單耗法在負(fù)荷預(yù)測(cè)中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報(bào);2009年06期

5 王美玲;王念平;李曉;;BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)及應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2009年35期

6 于寧莉;易東云;涂先勤;;時(shí)間序列中自相關(guān)與偏相關(guān)函數(shù)分析[J];數(shù)學(xué)理論與應(yīng)用;2007年01期

7 王麗偉;曾慶黎;;主成分分析在企業(yè)經(jīng)濟(jì)效益評(píng)價(jià)中的應(yīng)用[J];北京聯(lián)合大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年03期

8 范德成;周豪;;區(qū)域技術(shù)創(chuàng)新能力評(píng)價(jià)的因子分析法研究[J];工業(yè)技術(shù)經(jīng)濟(jì);2006年03期

9 于希寧,牛成林,李建強(qiáng);基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測(cè)系統(tǒng)[J];華北電力大學(xué)學(xué)報(bào);2005年05期

10 葉舟,陳康民;溫斯特線性與季節(jié)性指數(shù)平滑法在電力負(fù)荷預(yù)測(cè)中的應(yīng)用及改進(jìn)[J];上海電力學(xué)院學(xué)報(bào);2000年03期

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(fù)荷預(yù)測(cè)[D];吉林大學(xué);2017年

2 程浩;武漢第三產(chǎn)業(yè)總量時(shí)間序列研究[D];華中師范大學(xué);2015年

3 趙福勇;我國工業(yè)企業(yè)節(jié)能減排績(jī)效的評(píng)價(jià)研究[D];西南交通大學(xué);2013年

4 蔣繼楠;基于小波去噪和人工神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[D];廣西大學(xué);2013年

5 馬研超;電力系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)在大興地區(qū)的應(yīng)用[D];華北電力大學(xué);2012年

6 朱曉清;電力負(fù)荷的分類方法及其應(yīng)用[D];華南理工大學(xué);2012年

7 張?chǎng)?基于數(shù)值分析的改進(jìn)GM（1，1）負(fù)荷預(yù)測(cè)模型研究[D];太原理工大學(xué);2012年

8 萬志宏;基于時(shí)間序列的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)研究[D];華南理工大學(xué);2012年

9 李程;基于量子神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[D];湖南大學(xué);2011年

10 郭書琴;基于經(jīng)驗(yàn)?zāi)B(tài)分解的短期電力負(fù)荷預(yù)測(cè)[D];華北電力大學(xué);2011年

本文編號(hào)：2699908