本文關(guān)鍵詞：基于多變量LS-SVM和模糊循環(huán)推理系統(tǒng)的負(fù)荷預(yù)測

  更多相關(guān)文章： 智能電網(wǎng) 實(shí)時(shí)電價(jià) 負(fù)荷預(yù)測 多變量最小二乘支持向量機(jī) 關(guān)聯(lián)規(guī)則挖掘算法 模糊循環(huán)推理系統(tǒng)

【摘要】：智能電網(wǎng)是未來電網(wǎng)的發(fā)展趨勢,各行業(yè)對電力的依賴增強(qiáng),對供電可靠性及電能質(zhì)量的要求日益提高,以高效、清潔、安全、可靠、交互為主要特點(diǎn)的智能電網(wǎng)的實(shí)現(xiàn),離不開精確的負(fù)荷預(yù)測技術(shù)的支持。同時(shí),我國積極推進(jìn)電力體制改革,重點(diǎn)任務(wù)就包括有序推進(jìn)電價(jià)改革,理順電價(jià)形成機(jī)制；推進(jìn)電力交易體制改革,完善市場化交易機(jī)制；建立相對獨(dú)立的電力交易機(jī)構(gòu),形成公平規(guī)范的市場交易平臺。逐漸形成的電力市場需求響應(yīng)將給傳統(tǒng)用電模式帶來重大變化,用戶可以根據(jù)電能需求結(jié)合實(shí)時(shí)電價(jià)調(diào)整用電模式,這使得負(fù)荷預(yù)測變得更加復(fù)雜。目前國內(nèi)針對智能電網(wǎng)需求響應(yīng)環(huán)境下的負(fù)荷預(yù)測取得一定的研究成果,隨著電力市場逐步開放,對復(fù)雜需求響應(yīng)環(huán)境下的負(fù)荷預(yù)測方法研究具有重要的意義。本文以智能電網(wǎng)需求響應(yīng)環(huán)境下電力市場負(fù)荷預(yù)測為研究對象,對電力市場售電側(cè)、需求側(cè)之間的關(guān)系進(jìn)行了討論,以探究更高精度的負(fù)荷預(yù)測方法。主要內(nèi)容如下：首先,通過相似日負(fù)荷序列局部形相似計(jì)算,選取樣本數(shù)據(jù)。考慮到預(yù)測時(shí)刻負(fù)荷和前面若干時(shí)刻負(fù)荷的內(nèi)在規(guī)律,以及負(fù)荷曲線的總體相似與局部相似間的差異,將負(fù)荷曲線形系數(shù)(負(fù)荷序列形狀相似程度的指標(biāo))引入預(yù)測樣本的選擇中,完成預(yù)測樣本的提取,能夠減少訓(xùn)練數(shù)據(jù),大大提高預(yù)測速度和預(yù)測性能。其次,采用多輸入雙輸出的最小二乘支持向量機(jī)(LS-SVM),對負(fù)荷和價(jià)格進(jìn)行同時(shí)預(yù)測,得到初步預(yù)測結(jié)果。然后,考慮需求響應(yīng)條件下實(shí)時(shí)電價(jià)與負(fù)荷之間的相互影響,采用基于數(shù)據(jù)挖掘技術(shù)的模糊循環(huán)推理系統(tǒng)模擬人的思維過程,通過挖掘電價(jià)變化量、負(fù)荷變化量等變量之間的關(guān)聯(lián)規(guī)則,模擬電價(jià)與負(fù)荷預(yù)測之間存在博弈過程。最后,對多變量最小二乘支持向量機(jī)的初步預(yù)測結(jié)果進(jìn)行循環(huán)修改,直至負(fù)荷和電價(jià)預(yù)測結(jié)果趨于穩(wěn)定。多變量最小二乘支持向量機(jī)不存在容易陷入局部最優(yōu)等問題,并且有良好的泛化能力,基于改進(jìn)的模糊關(guān)聯(lián)規(guī)則挖掘算法具有良好的完備性和魯棒性,模糊控制器對循環(huán)預(yù)測的控制能夠逼近現(xiàn)實(shí)環(huán)境的各種可能情況,修正負(fù)荷預(yù)測結(jié)果。針對某電網(wǎng)的實(shí)際預(yù)測結(jié)果表明,該方法具有較好的預(yù)測效果。
【關(guān)鍵詞】：智能電網(wǎng) 實(shí)時(shí)電價(jià) 負(fù)荷預(yù)測 多變量最小二乘支持向量機(jī) 關(guān)聯(lián)規(guī)則挖掘算法 模糊循環(huán)推理系統(tǒng)
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM715
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-20
• 1.1 研究背景和意義10-11
• 1.2 智能電網(wǎng)需求響應(yīng)的發(fā)展概況11-13
• 1.3 國內(nèi)外研究現(xiàn)狀13-18
• 1.3.1 傳統(tǒng)負(fù)荷預(yù)測方法的研究現(xiàn)狀13-16
• 1.3.2 電力市場環(huán)境下負(fù)荷預(yù)測方法的研究現(xiàn)狀16-17
• 1.3.3 負(fù)荷預(yù)測誤差分析方法17-18
• 1.4 課題來源18
• 1.5 論文的研究內(nèi)容及安排18-20
• 第2章 負(fù)荷預(yù)測樣本數(shù)據(jù)的選取20-29
• 2.1 負(fù)荷預(yù)測數(shù)據(jù)預(yù)處理的必要性20
• 2.2 電力負(fù)荷特性分析20-23
• 2.2.1 電力負(fù)荷的分類21
• 2.2.2 電力負(fù)荷的影響因素21-23
• 2.3 負(fù)荷預(yù)測相似日選取的方法23-25
• 2.3.1 傳統(tǒng)方法23-24
• 2.3.2 使用負(fù)荷值來選擇相似日24
• 2.3.3 使用負(fù)荷值和負(fù)荷增量值來選擇相似日24-25
• 2.4 相似日負(fù)荷序列局部形相似25-28
• 2.4.1 負(fù)荷序列的局部特性分析25-26
• 2.4.2 負(fù)荷序列的局部形相似計(jì)算26-27
• 2.4.3 曲線形相似指標(biāo)的確定27-28
• 2.5 負(fù)荷預(yù)測樣本的選取28
• 2.6 本章小結(jié)28-29
• 第3章 基于多變量LS-SVM的負(fù)荷預(yù)測29-38
• 3.1 電價(jià)預(yù)測對負(fù)荷預(yù)測的影響29
• 3.2 統(tǒng)計(jì)學(xué)習(xí)理論的核心問題29-31
• 3.3 最小二乘支持向量機(jī)LS-SVM31-32
• 3.4 多變量最小二乘支持向量機(jī)LS-SVM32-35
• 3.4.1 多變量LS-SVM的基本原理32-34
• 3.4.2 多變量LS-SVM模型核函數(shù)的選擇34
• 3.4.3 多變量LS-SVM模型的建立34-35
• 3.5 算例分析35-36
• 3.6 本章小結(jié)36-38
• 第4章 模糊關(guān)聯(lián)規(guī)則挖掘算法38-49
• 4.1 關(guān)聯(lián)規(guī)則挖掘的提出38-39
• 4.2 模糊關(guān)聯(lián)規(guī)則39-42
• 4.2.1 模糊關(guān)聯(lián)規(guī)則的提出39
• 4.2.2 模糊關(guān)聯(lián)規(guī)則的基本概念和定義39-41
• 4.2.3 模糊關(guān)聯(lián)規(guī)則的挖掘過程41-42
• 4.3 基于Apriori的模糊關(guān)聯(lián)規(guī)則挖掘算法42-43
• 4.4 改進(jìn)型的多輸入/多輸出對象的模糊關(guān)聯(lián)規(guī)則提取算法43-46
• 4.4.1 模糊規(guī)則庫的數(shù)據(jù)挖掘43-45
• 4.4.2 模糊模型的建立45-46
• 4.5 算法的驗(yàn)證46-48
• 4.5.1 算法的實(shí)驗(yàn)環(huán)境46
• 4.5.2 實(shí)驗(yàn)一46-47
• 4.5.3 實(shí)驗(yàn)二47-48
• 4.6 本章小結(jié)48-49
• 第5章 超短期負(fù)荷預(yù)測綜合模型的建立49-59
• 5.1 模糊控制系統(tǒng)的組成49-50
• 5.2 模糊集模糊變量的定義50-52
• 5.3 基于多變量LS-SVM和模糊循環(huán)推理系統(tǒng)的預(yù)測模型52-54
• 5.3.1 樣本數(shù)據(jù)的選取和處理52
• 5.3.2 基于多變量LS-SVM和模糊循環(huán)推理系統(tǒng)的模型建立和預(yù)測流程52-54
• 5.4 預(yù)測實(shí)例分析54-58
• 5.5 本章小結(jié)58-59
• 結(jié)論59-61
• 參考文獻(xiàn)61-65
• 致謝65-66
• 附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄66-67
• 附錄B 攻讀學(xué)位期間所參加的科研項(xiàng)目目錄67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 鐘慶,吳捷,鐘丹虹;基于系統(tǒng)論的負(fù)荷預(yù)測集成化方法[J];電力自動(dòng)化設(shè)備;2002年10期

2 張伏生,劉芳,趙文彬,寇強(qiáng),劉沛津,曹正建;基于Internet/Intranet的負(fù)荷預(yù)測系統(tǒng)方案[J];電力系統(tǒng)自動(dòng)化;2003年10期

3 康重慶;牟濤;夏清;;電力系統(tǒng)多級負(fù)荷預(yù)測及其協(xié)調(diào)問題 (一)研究框架[J];電力系統(tǒng)自動(dòng)化;2008年07期

4 李小銳;黎燦兵;袁彥;;基于下級負(fù)荷預(yù)測的短期負(fù)荷預(yù)測新算法[J];江西電力職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年02期

5 李新煒;王子琦;方鳴;周鵬;王啟明;李同;鞠平;;基于分區(qū)逐時(shí)氣象信息的全網(wǎng)負(fù)荷預(yù)測研究[J];電力系統(tǒng)保護(hù)與控制;2009年03期

6 康重慶;趙燃;陳新宇;楊興宇;曹欣;劉梅;;多級負(fù)荷預(yù)測的基礎(chǔ)問題分析[J];電力系統(tǒng)保護(hù)與控制;2009年09期

7 任峰;丁超;;市場環(huán)境下負(fù)荷預(yù)測誤差風(fēng)險(xiǎn)管理研究[J];現(xiàn)代電力;2009年03期

8 羅鳳章;王成山;肖峻;侯磊;王建民;李亦農(nóng);陳春琴;王賽一;;計(jì)及氣溫因素的年度負(fù)荷預(yù)測修正方法[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2009年03期

9 楊凱;;如何提高負(fù)荷預(yù)測的準(zhǔn)確率[J];大眾用電;2009年10期

10 李q，

本文編號：556682