電力市場化是當(dāng)前電力體制不斷發(fā)展的產(chǎn)物,電能是其中最重要的部分之一,它的價(jià)格是電力市場的重要因素,保證市場的穩(wěn)定運(yùn)行,對電價(jià)的預(yù)測也逐漸成為各國學(xué)者的關(guān)注焦點(diǎn)。從發(fā)電側(cè)角度分析,發(fā)電公司可以通過預(yù)測電價(jià)來制訂準(zhǔn)確的投標(biāo)計(jì)劃,從而取得更大的利潤;從購電方角度分析,用戶可以通過預(yù)測的電價(jià)調(diào)整用電量,有效地控制購電成本;從市場監(jiān)管者角度分析,電價(jià)預(yù)測可為市場的穩(wěn)定發(fā)展提供科學(xué)依據(jù)。所以,電價(jià)預(yù)測在電力市場中具有重要意義。通過對各國電力市場的歷史數(shù)據(jù)分析發(fā)現(xiàn)電價(jià)具有一定的周期性和波動(dòng)性,而且電價(jià)的影響因素很多,除了歷史電價(jià)、歷史負(fù)荷這些可量化的因素之外,還包括氣候、市場需求等時(shí)變因素,不能量化的因素,這些都大大增加了電價(jià)預(yù)測工作的難度。同時(shí)預(yù)測樣本的選擇同樣影響電價(jià)預(yù)測的精度,如何選擇和處理輸入數(shù)據(jù)是本文需要考慮的一個(gè)重點(diǎn)。本文的研究課題為預(yù)測短期電價(jià)。鑒于電價(jià)的隨機(jī)性特點(diǎn),在分析不同模型預(yù)測電價(jià)的優(yōu)缺點(diǎn)后,本文采用BP神經(jīng)網(wǎng)絡(luò)算法,因?yàn)樯窠?jīng)網(wǎng)絡(luò)具有很好的泛化能力,能處理各種非線性問題。但同時(shí),BP神經(jīng)網(wǎng)絡(luò)存在收斂速度慢,反向傳播過程中會(huì)僅僅收斂到局部最小值的缺點(diǎn),造成訓(xùn)練時(shí)間長。針對BP神經(jīng)...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 電價(jià)預(yù)測的分類
        1.2.2 電價(jià)預(yù)測的研究現(xiàn)狀
    1.3 論文的組織安排
第2章 電價(jià)預(yù)測基本原理
    2.1 電價(jià)形成機(jī)制
    2.2 電價(jià)特點(diǎn)分析
    2.3 電價(jià)影響因素
        2.3.1 歷史電價(jià)
        2.3.2 負(fù)荷
        2.3.3 其它因素
        2.3.4 輸入變量的選擇
    2.4 本章小結(jié)
第3章 基于BP神經(jīng)網(wǎng)絡(luò)的短期電價(jià)預(yù)測方法
    3.1 基于人工神經(jīng)網(wǎng)絡(luò)的電價(jià)預(yù)測方法綜述
    3.2 BP神經(jīng)網(wǎng)絡(luò)原理
    3.3 基于BP神經(jīng)網(wǎng)絡(luò)的短期電價(jià)預(yù)測分析
        3.3.1 數(shù)據(jù)的選取
        3.3.2 數(shù)據(jù)預(yù)處理
        3.3.3 BP神經(jīng)網(wǎng)絡(luò)確定隱含層節(jié)點(diǎn)數(shù)
        3.3.4 誤差分析
    3.4 實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第4章 遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)短期電價(jià)預(yù)測算法設(shè)計(jì)
    4.1 GABP算法設(shè)計(jì)思想
        4.1.1 傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)電價(jià)預(yù)測方法的不足
        4.1.2 遺傳算法的原理和模型分析
        4.1.3 基于遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)
    4.2 GABP短期電價(jià)預(yù)測算法的設(shè)計(jì)
    4.3 對比實(shí)驗(yàn)
    4.4 本章小結(jié)
第5章 基于MapReduce的GABP的短期電價(jià)預(yù)測算法實(shí)現(xiàn)
    5.1 云計(jì)算
        5.1.1 Hadoop
        5.1.2 HDFS
        5.1.3 MapReduce
        5.1.4 HBase
    5.2 基于Hadoop的GABP電價(jià)預(yù)測算法并行化實(shí)現(xiàn)
        5.2.1 MR-GABP的算法設(shè)計(jì)
        5.2.2 MR-GABP的并行化實(shí)現(xiàn)
    5.3 Hadoop云計(jì)算平臺與開發(fā)環(huán)境的搭建與配置
        5.3.1 系統(tǒng)環(huán)境配置
        5.3.2 全分布Hadoop集群搭建
        5.3.3 全分布HBase的安裝與配置
        5.3.4 開發(fā)平臺搭建
    5.4 對比實(shí)驗(yàn)
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本論文的主要工作
    6.2 本文不足及展望
參考文獻(xiàn)
致謝
在碩士研究生學(xué)習(xí)期間發(fā)表的學(xué)術(shù)論文及科研情況



本文編號：3837765