能源互聯(lián)網(wǎng)提出之后,能源問題得到了廣泛的關(guān)注。電能也得到了應有的重視,其中短期電力負荷預測既是電力行業(yè)的重點又是難點。電力部門根據(jù)電力負荷預測數(shù)據(jù)進行生產(chǎn)以及調(diào)度等工作,預測數(shù)據(jù)的準確程度直接影響到生產(chǎn)原材料的用量以及電力能源的合理分配,因此是電力行業(yè)的重點問題。由于影響負荷預測的因素較多,且各因素之間互相依賴,加大了負荷預測的難度。因此,短期電力負荷預測具有重要的現(xiàn)實意義。本文基于短期電力負荷的特點,在分析各種影響因素的基礎(chǔ)上,采用模擬退火算法優(yōu)化的智能人工蜂群算法進行預測,并設(shè)計開發(fā)了電力負荷預測系統(tǒng)。主要內(nèi)容如下。首先,對影響電力負荷預測的各種因素進行研究分析,包括日類型、天氣情況以及歷史數(shù)據(jù)的選擇等,在這些影響因素的基礎(chǔ)上憑借經(jīng)驗選擇影響屬性,利用基于粗糙集的屬性約簡算法對其進行約簡,刪除冗余的噪音屬性,將關(guān)鍵屬性作為模型的輸入向量,并用BP網(wǎng)絡模型驗證了屬性約簡的有效性。其次,通過對比群智能算法,選擇人工蜂群算法進行負荷預測,在建模過程中發(fā)現(xiàn)人工蜂群算法具有迭代速度慢、易陷入局部極小值等缺陷,于是使用模擬退火算法優(yōu)化人工蜂群算法,建立了基于ABC-SA算法的網(wǎng)絡預測模型,將人工蜂群算法(ABC)的并行搜索結(jié)構(gòu)和模擬退火算法(SA)的概率突跳特性相結(jié)合,進行電力負荷預測。將優(yōu)化前后的預測結(jié)果進行比較,優(yōu)化后的模型預測結(jié)果準確度更高。在此基礎(chǔ)上,對歷史數(shù)據(jù)的選擇進行了調(diào)整,將預測當天已經(jīng)產(chǎn)生的部分數(shù)據(jù)視作新息數(shù)據(jù),應用到負荷預測中,經(jīng)過實驗對比表明,使用新息數(shù)據(jù)進行預測的數(shù)據(jù)精度更高。最后,為了將負荷預測的結(jié)果及時有效的呈現(xiàn)給電力生產(chǎn)以及調(diào)度等部門,根據(jù)實際需求,設(shè)計并開發(fā)了電力負荷預測系統(tǒng),該系統(tǒng)的主要功能有負荷預測、數(shù)據(jù)管理、數(shù)據(jù)預處理、負荷分析以及訪問控制等。這些功能彼此關(guān)聯(lián)又相互獨立,基本能夠滿足電力系統(tǒng)的需要。
【學位單位】：華北電力大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TM715;TP18
【部分圖文】：

根據(jù)不同地區(qū)的氣候做出合理的分析，制定相應的預測方法。如圖2-1 所示為所選負荷預測地區(qū) 7 月份日最大負荷值與日最高溫度的曲線圖。由圖可以看出，日最高負荷隨著日最大溫度的變化而變化。降雨會使一些生活生產(chǎn)活動停止，尤其是長時間的降雨或者降雨量較大時，在北方還有可能會產(chǎn)生凍雨等極端天氣，這些情況都有可能會使用電量降低，負荷減小。還有一方面就是前面提到的，氣象因素之間也會相互影響、相互滲透，某一氣象因素發(fā)生變化時可能會引起更多的相關(guān)因素發(fā)生變化，這種氣象因素之間的相互作用、相互耦合就會造成負荷的改變。空氣濕度也會對人們的生產(chǎn)生活造成一定的影響，濕度過大可能會使某些企業(yè)打開烘干機等設(shè)備，濕度也會對人的體感溫度和人體舒適度造成影響。當濕度的變化達到一定程度，能夠引起人體舒適度變化的時候，就有可能會增加用電負荷。圖 2-1 夏季溫度與負荷變化曲線圖如圖 2-2 所示，為本文所選負荷預測地區(qū)濕度與負荷值得對比圖。圖中使用的是 2014 年 6 月 20 日的空氣濕度和負荷值。為方便對比，將負荷值按照下式進行變化。

圖 2-2 濕度變化與負荷變化曲線圖期因素與短期負荷的關(guān)系。很容易理解，正常的工作同的，與節(jié)假日的負荷也有差異。非工作日各種大型區(qū)域用電負荷自然會降低。于是日因素與負荷會呈現(xiàn)常工作生活也是有規(guī)律的，最明顯的就是以周為單位

圖 2-2 濕度變化與負荷變化曲線圖期因素與短期負荷的關(guān)系。很容易理解，正常的工作同的，與節(jié)假日的負荷也有差異。非工作日各種大型區(qū)域用電負荷自然會降低。于是日因素與負荷會呈現(xiàn)一常工作生活也是有規(guī)律的，最明顯的就是以周為單位另一種規(guī)律，如國慶、春節(jié)等。

【參考文獻】

相關(guān)期刊論文 前10條

1 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)絡的負荷模型預測[J];電工技術(shù)學報;2015年08期

2 馬瑞;周謝;彭舟;劉道新;徐慧明;王軍;王熙亮;;考慮氣溫因素的負荷特性統(tǒng)計指標關(guān)聯(lián)特征數(shù)據(jù)挖掘[J];中國電機工程學報;2015年01期

3 夏天宇;李辰;柳進;;基于超短期負荷預測的Non-AGC與AGC協(xié)調(diào)控制策略研究[J];電力系統(tǒng)保護與控制;2014年18期

4 谷文成;柴寶仁;滕艷平;;基于粒子群優(yōu)化算法的支持向量機研究[J];北京理工大學學報;2014年07期

5 吳桂峰;王軒;陳東雷;;基于優(yōu)化神經(jīng)網(wǎng)絡的短期電力負荷預測[J];計算機仿真;2013年11期

6 焦斌;葉明星;;BP神經(jīng)網(wǎng)絡隱層單元數(shù)確定方法[J];上海電機學院學報;2013年03期

7 李嘉龍;李小燕;劉思捷;文福拴;郭文濤;;考慮氣溫累積效應的短期負荷預測[J];華北電力大學學報(自然科學版);2013年01期

8 劉榮;方鴿飛;;改進Elman神經(jīng)網(wǎng)絡的綜合氣象短期負荷預測[J];電力系統(tǒng)保護與控制;2012年22期

9 蘇彩紅;向娜;陳廣義;王飛;;基于人工蜂群算法與BP神經(jīng)網(wǎng)絡的水質(zhì)評價模型[J];環(huán)境工程學報;2012年02期

10 葛少云;賈鷗莎;劉洪;;基于遺傳灰色神經(jīng)網(wǎng)絡模型的實時電價條件下短期電力負荷預測[J];電網(wǎng)技術(shù);2012年01期

本文編號：2818208