【摘要】：電力系統(tǒng)負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃的重要組成部分,是確保社會(huì)生產(chǎn)安全穩(wěn)定的重要環(huán)節(jié)。目前隨著科技的不斷發(fā)展,人們生活質(zhì)量的不斷提高,電力企業(yè)越來(lái)越追求更高精度的電力負(fù)荷預(yù)測(cè)。過(guò)去很多負(fù)荷預(yù)測(cè)研究文章并未對(duì)影響因素進(jìn)行統(tǒng)計(jì)分析,而是選取一些通用的負(fù)荷影響因素,比如溫度,氣象等因素來(lái)進(jìn)行負(fù)荷預(yù)測(cè)。伴隨著社會(huì)發(fā)展的同時(shí),人們生活內(nèi)容也逐漸豐富,對(duì)現(xiàn)代電力負(fù)荷影響的因素也逐漸豐富變化。所以,這就需要人們對(duì)電力負(fù)荷進(jìn)行分析,理清其內(nèi)部和外部影響因素的相互關(guān)系。同時(shí)過(guò)去單一的統(tǒng)計(jì)預(yù)測(cè)模型比較簡(jiǎn)單,預(yù)測(cè)精度低,組合預(yù)測(cè)模型和深度神經(jīng)網(wǎng)絡(luò)在電力負(fù)荷預(yù)測(cè)領(lǐng)域的運(yùn)用是目前研究的主要熱點(diǎn)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)內(nèi)部和外部影響因素分析建模,二是關(guān)于短期電力負(fù)荷預(yù)測(cè)方法的研究。電力負(fù)荷內(nèi)部影響因素是指影響預(yù)測(cè)日負(fù)荷的歷史負(fù)荷序列,電力負(fù)荷外部影響因素為氣象,溫度,空氣質(zhì)量等外在因素。首先選出24個(gè)電力負(fù)荷影響因素,并將其進(jìn)行量化處理。其次利用皮爾遜相關(guān)系數(shù)法對(duì)這24個(gè)影響因素與陽(yáng)泉市短期電力負(fù)荷之間的相關(guān)性進(jìn)行分析,找出真正影響當(dāng)?shù)囟唐谪?fù)荷的影響因素,并分析不同影響因素對(duì)當(dāng)?shù)刎?fù)荷的影響。然后對(duì)相關(guān)系數(shù)大的影響因素進(jìn)行VAR分析,研究了這些與陽(yáng)泉市負(fù)荷高相關(guān)性的外在因素的歷史數(shù)據(jù)對(duì)預(yù)測(cè)日負(fù)荷的影響。經(jīng)過(guò)相關(guān)分析和VAR模型選擇的影響因素相對(duì)全面和準(zhǔn)確,但是不可避免增加了預(yù)測(cè)模型的輸入維度,過(guò)高的輸入變量維度將會(huì)影響預(yù)測(cè)模型的泛化性,從而影響預(yù)測(cè)的精確性。最后利用主成分分析法可以將原來(lái)的一些具有相關(guān)性的指標(biāo)重新組合成幾個(gè)互不相關(guān)的綜合指標(biāo)來(lái)代替原來(lái)的指標(biāo),從而降低輸入指標(biāo)維度。選取了陽(yáng)泉市2015年3月1日到10月31日的數(shù)據(jù),共計(jì)245天,來(lái)進(jìn)行實(shí)證分析。其中前241天的數(shù)據(jù)為訓(xùn)練集,后4天數(shù)據(jù)為預(yù)測(cè)集。作為傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的研究熱點(diǎn)之一——極限學(xué)習(xí)機(jī)(ELM),本文在傳統(tǒng)極限學(xué)習(xí)機(jī)基礎(chǔ)上和核函數(shù)相結(jié)合,并利用改進(jìn)后的蝙蝠優(yōu)化算法來(lái)優(yōu)化核極限學(xué)習(xí)機(jī),預(yù)測(cè)結(jié)果表明改進(jìn)后的模型在穩(wěn)定性和精確性上都得到了提升。作為深度神經(jīng)網(wǎng)絡(luò)研究熱點(diǎn)之一——長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM),本文將其預(yù)測(cè)結(jié)果與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)代表BP神經(jīng)網(wǎng)絡(luò)和自適應(yīng)蝙蝠算法優(yōu)化核極限學(xué)習(xí)機(jī)(IBA-KELM)預(yù)測(cè)結(jié)果進(jìn)行了比較。預(yù)測(cè)結(jié)果表明,在陽(yáng)泉地區(qū)短期負(fù)荷歷史數(shù)據(jù)具備高度相關(guān)性的情況下,LSTM深度神經(jīng)網(wǎng)絡(luò)的擬合性更好,展現(xiàn)了深度學(xué)習(xí)在負(fù)荷預(yù)測(cè)領(lǐng)域的發(fā)展前景。
【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】：2019
【分類(lèi)號(hào)】：TM715;TP18
【圖文】：

華北電力大學(xué)碩士學(xué)位論文的另一個(gè)特點(diǎn)是它的連續(xù)性。從該圖中我們也可以發(fā)現(xiàn)，負(fù)荷化的，它在有某個(gè)范圍下連續(xù)不斷地逐漸的波動(dòng)。由此可以看期性外，負(fù)荷還有連續(xù)性的特點(diǎn)。這時(shí)這種在一定范圍內(nèi)的連得人們可以利用這一規(guī)律對(duì)負(fù)荷建立非線性的預(yù)測(cè)模型。周期性和連續(xù)性外，負(fù)荷還具有波動(dòng)性的特點(diǎn)。每天都有著各的因素在影響著負(fù)荷值的變化，我們可以很清晰的看到負(fù)荷無(wú)化中，這些變化說(shuō)明了負(fù)荷具有波動(dòng)性，它不是單調(diào)的增加或減上下波動(dòng)的狀態(tài)下。

圖 3-1VAR(1)模型系統(tǒng)的 AR 根圖部分確定了所有影響因素的最佳滯后階數(shù)為后一階是對(duì)當(dāng)前短期負(fù)荷是有影響的。比如是，昨天的最高溫度，最低溫度以及平均溫且滯后一階是最佳能夠反應(yīng)昨天的溫度對(duì)今史負(fù)荷方面，可以看到最佳滯后一階，也就負(fù)荷和平均負(fù)荷已經(jīng)足夠反映歷史負(fù)荷對(duì)當(dāng)分得出的前三日最高負(fù)荷，最低負(fù)荷和平均還是把這三個(gè)指標(biāo)也作為陽(yáng)泉市短期負(fù)荷的期負(fù)荷影響指標(biāo)，它們分別是前一日日最高平均負(fù)荷，前二日日最高負(fù)荷，前二日日最日最高負(fù)荷，前三日日最低負(fù)荷，前三日日均溫度，最高溫度，濕度，星期類(lèi)型，風(fēng)速、平均溫度、最高溫度、濕度、星期類(lèi)型和

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龔風(fēng)云;王凱;;基于LSTM神經(jīng)網(wǎng)絡(luò)的烏魯木齊市流感樣病例的預(yù)測(cè)研究[J];科技視界;2019年31期

2 陳亮;王震;王剛;;深度學(xué)習(xí)框架下LSTM網(wǎng)絡(luò)在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J];電力信息與通信技術(shù);2017年05期

3 王國(guó)棟;韓斌;孫文峗;;基于LSTM的艦船運(yùn)動(dòng)姿態(tài)短期預(yù)測(cè)[J];艦船科學(xué)技術(shù);2017年13期

4 周生強(qiáng);;LSTM對(duì)上證指數(shù)的實(shí)證分析[J];現(xiàn)代經(jīng)濟(jì)信息;2017年09期

5 黃偉;劉存才;祁思博;;針對(duì)設(shè)備端口鏈路的LSTM網(wǎng)絡(luò)流量預(yù)測(cè)與鏈路擁塞方案[J];網(wǎng)絡(luò)與信息安全學(xué)報(bào);2019年06期

6 關(guān)鵬飛;李寶安;呂學(xué)強(qiáng);周建設(shè);;注意力增強(qiáng)的雙向LSTM情感分析[J];中文信息學(xué)報(bào);2019年02期

7 劉錦源;;面向農(nóng)產(chǎn)品期貨價(jià)格預(yù)測(cè)的改進(jìn)LSTM方法[J];江蘇科技信息;2019年27期

8 張明;杜裕;洪國(guó)平;;LSTM在宜昌短期電力負(fù)荷預(yù)測(cè)中的試驗(yàn)應(yīng)用[J];氣象研究與應(yīng)用;2019年03期

9 杜舒靜;徐凡;王明文;;實(shí)體驅(qū)動(dòng)的雙向LSTM篇章連貫性建模[J];中文信息學(xué)報(bào);2017年06期

10 保羅;郭旭琦;喬鐵柱;閻高偉;;改進(jìn)LSTM神經(jīng)網(wǎng)絡(luò)在磨機(jī)負(fù)荷參數(shù)軟測(cè)量中的應(yīng)用[J];中國(guó)礦山工程;2017年03期

相關(guān)會(huì)議論文 前10條

1 蔣振超;鄧永;姜青山;古亮;;一種基于兩階段字符級(jí)LSTM的僵尸網(wǎng)絡(luò)檢測(cè)方法[A];第32次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2017年

2 李鵬程;孫敏;龐溟舟;;基于LSTM神經(jīng)網(wǎng)絡(luò)的公交到站時(shí)間預(yù)測(cè)[A];第37屆中國(guó)控制會(huì)議論文集（F）[C];2018年

3 朱佳暉;張文峰;劉衛(wèi)平;張超;陳淵;;基于雙向LSTM和CRF的軍事命名實(shí)體識(shí)別和鏈接[A];第六屆中國(guó)指揮控制大會(huì)論文集（上冊(cè)）[C];2018年

4 柯任辰;徐維慶;楊科;;一種基于LSTM神經(jīng)網(wǎng)絡(luò)的自適應(yīng)巡航研究[A];2019中國(guó)汽車(chē)工程學(xué)會(huì)年會(huì)論文集（1）　[C];2019年

5 劉天鵬;劉海;;基于LSTM的城市道路養(yǎng)護(hù)投訴量預(yù)測(cè)研究[A];中國(guó)公路學(xué)會(huì)養(yǎng)護(hù)與管理分會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];2019年

6 安鵬;曹丹平;;基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的孔隙度預(yù)測(cè)方法研究[A];2018年中國(guó)地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)論文集（二十九）——專(zhuān)題59：計(jì)算地球物理方法和應(yīng)用、專(zhuān)題60：地?zé)豳Y源成因新理論與綜合探測(cè)新技術(shù)[C];2018年

7 梅杰;;基于LSTM神經(jīng)網(wǎng)絡(luò)的有效停車(chē)泊位短時(shí)預(yù)測(cè)方法研究[A];創(chuàng)新驅(qū)動(dòng)與智慧發(fā)展——2018年中國(guó)城市交通規(guī)劃年會(huì)論文集[C];2018年

8 張瑋霖;朱永華;高洪皓;;基于LSTM編碼-解碼器模型的網(wǎng)絡(luò)服務(wù)器集群負(fù)載預(yù)測(cè)算法[A];2018中國(guó)信息通信大會(huì)論文摘要集[C];2018年

9 張宇;張鵬遠(yuǎn);顏永紅;;基于注意力LSTM和多任務(wù)學(xué)習(xí)的遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別[A];第十四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議（NCMMSC’2017）論文集[C];2017年

10 劉秀波;馬帥;高利民;張博;;基于軌道幾何和LSTM的車(chē)輛響應(yīng)預(yù)測(cè)模型[A];第十三屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2019年

相關(guān)碩士學(xué)位論文 前10條

1 張沖沖;基于LSTM深度網(wǎng)絡(luò)和改進(jìn)核極限學(xué)習(xí)機(jī)的短期電力負(fù)荷預(yù)測(cè)[D];華北電力大學(xué);2019年

2 梁小龍;基于CNN和LSTM結(jié)合的心律失常分類(lèi)研究[D];西南大學(xué);2019年

3 周義;基于關(guān)注度LSTM的動(dòng)作提議和行為識(shí)別[D];合肥工業(yè)大學(xué);2019年

4 周航帆;基于詞向量的LSTM網(wǎng)絡(luò)在音樂(lè)推薦中的應(yīng)用研究[D];江蘇大學(xué);2019年

5 霍曉凱;基于History Attention的LSTM對(duì)話管理算法及其應(yīng)用[D];吉林大學(xué);2019年

6 田甜;基于LSTM的結(jié)構(gòu)病態(tài)問(wèn)題預(yù)測(cè)方法研究[D];長(zhǎng)安大學(xué);2019年

7 Khuram Hayat;基于融合LSTM的超短期風(fēng)速概率預(yù)測(cè)方法研究[D];華北電力大學(xué)(北京);2019年

8 杜心;基于LSTM神經(jīng)網(wǎng)絡(luò)的可用停車(chē)位預(yù)測(cè)模型研究[D];武漢理工大學(xué);2018年

9 李永帥;基于雙向LSTM的動(dòng)態(tài)情感詞典構(gòu)建方法研究及文本情感分析[D];鄭州大學(xué);2019年

10 閆澤杭;基于互助雙向LSTM與遞進(jìn)解碼機(jī)制的圖像標(biāo)題生成[D];大連理工大學(xué);2018年

本文編號(hào)：2713958