本文關(guān)鍵詞：基于集合經(jīng)驗?zāi)Ｊ椒纸獾亩唐陔娏ω摵苫旌纤惴ㄑ芯颗c應(yīng)用

  更多相關(guān)文章： 數(shù)據(jù)挖掘 短期電力負荷預(yù)測 混合預(yù)測方法 非線性預(yù)測方法 線性預(yù)測方法 粒子群優(yōu)化

【摘要】：電力負荷預(yù)測不僅是電力系統(tǒng)的基本工作,同時它也是數(shù)據(jù)挖掘領(lǐng)域研究的重點和熱點。有效的負荷預(yù)測不僅能顯著地減少電力企業(yè)成本,而且在保障社會的正常生產(chǎn)和人們的日常生活前提下,使得整個社會的經(jīng)濟效益和社會效益得到一定的提高。因此,電力負荷預(yù)測是一件非常有意義且重要的事情。而且,隨著電力工業(yè)迅猛的發(fā)展和電力企業(yè)市場化步伐的加快,同時在不斷提高和改進的還有負荷預(yù)測的方法和預(yù)測精度。近年來,提供一種有效的、合理的和精確的電力負荷預(yù)測方法變得越來越關(guān)鍵。由于單個線性或非線性方法,無法獲取一個復(fù)雜電力系統(tǒng)的所有信息,因此本文提出了一種新穎的短期電力負荷混合預(yù)測方法Proposed method,該方法結(jié)合了集合經(jīng)驗?zāi)Ｊ椒纸?時間序列,灰色理論,相空間重構(gòu),最小二乘支持向量機和粒子群優(yōu)化算法。首先,使用自適應(yīng)的、完全由數(shù)據(jù)驅(qū)動的集合經(jīng)驗?zāi)Ｊ椒纸夥椒ㄈコ紨?shù)據(jù)中存在的噪聲信號,減少噪聲對預(yù)測精度的影響。然后,四種典型的預(yù)測方法分別使用集合經(jīng)驗?zāi)Ｊ椒纸庵蟮臄?shù)據(jù),預(yù)測接下來的電力負荷數(shù)據(jù),這四種方法包括,季節(jié)性差分回歸模型SARIMA,混沌時間序列模型CHAOS,灰色模型GM(1,1)和最小二乘支持向量機模型LSSVM。最后,將各種預(yù)測方法得到的預(yù)測值,通過賦予相關(guān)權(quán)重,且這些相關(guān)權(quán)重是由粒子群算法優(yōu)化得到的,然后得到最終的預(yù)測值。最后,使用真實的電力負荷數(shù)據(jù)進行數(shù)據(jù)仿真和案例研究,數(shù)據(jù)來源于澳大利亞新南威爾士州。同時,為了評估本文提出的混合方法Proposed method的有效性和性能,三種評價方法作為預(yù)測方法性能評價的準(zhǔn)則。通過對本文最終預(yù)測結(jié)果的研究和分析,并與本文所使用的四種典型預(yù)測方法相比,本文提出的混合方法Proposed method確實能夠顯著改善預(yù)測性能和提高預(yù)測精度。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 短期電力負荷預(yù)測 混合預(yù)測方法 非線性預(yù)測方法 線性預(yù)測方法 粒子群優(yōu)化
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM715
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-18
• 1.1 數(shù)據(jù)挖掘相關(guān)概念解析8-10
• 1.1.1 數(shù)據(jù)挖掘定義8
• 1.1.2 數(shù)據(jù)挖掘常用技術(shù)8-9
• 1.1.3 數(shù)據(jù)挖掘功能9-10
• 1.2 數(shù)據(jù)挖掘技術(shù)在電力負荷中的應(yīng)用10-16
• 1.2.1 數(shù)據(jù)挖掘與電力負荷預(yù)測的關(guān)系10-11
• 1.2.2 電力負荷預(yù)測11-12
• 1.2.3 短期電力負荷預(yù)測的目的和意義12-13
• 1.2.4 預(yù)測方法國內(nèi)外研究情況13-16
• 1.3 本文主要工作及章節(jié)安排16-18
• 第二章 集合經(jīng)驗?zāi)Ｊ椒纸?/span>18-22
• 2.1 數(shù)據(jù)分解技術(shù)18
• 2.2 經(jīng)驗?zāi)Ｊ椒纸?/span>18-20
• 2.3 集合經(jīng)驗?zāi)Ｊ椒纸?/span>20-22
• 第三章 預(yù)測方法理論22-32
• 3.1 時間序列方法22-23
• 3.1.1 ARIMA模型22-23
• 3.1.2 SARIMA模型23
• 3.2 灰色理論方法23-25
• 3.3 混沌理論方法25-28
• 3.3.1 相空間重構(gòu)26
• 3.3.2 互信息法確定時間延遲26-27
• 3.3.3 Cao方法確定嵌入維27-28
• 3.3.4 混沌時間序列預(yù)測28
• 3.4 最小二乘支持向量機方法28-32
• 第四章 粒子群優(yōu)化算法32-36
• 4.1 問題優(yōu)化求解32
• 4.2 粒子群算法32-34
• 4.3 粒子群算法優(yōu)化最小二乘支持向量機34-36
• 第五章 混合預(yù)測方法研究與應(yīng)用36-54
• 5.1 混合預(yù)測方法設(shè)計36-38
• 5.2 仿真數(shù)據(jù)的選取38
• 5.3 預(yù)測性能評價準(zhǔn)則38-39
• 5.4 預(yù)測詳細過程39-51
• 5.5 預(yù)測結(jié)果的比較與分析51-54
• 5.5.1 預(yù)測結(jié)果的比較51-53
• 6.5.2 預(yù)測結(jié)果的分析53-54
• 第六章 總結(jié)與展望54-56
• 6.1 總結(jié)54-55
• 6.2 展望55-56
• 參考文獻56-59
• 在學(xué)期間的研究成果59-60
• 致謝60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 宋曉輝;白曉民;易俗;;一種考慮負荷特性變化的改進線性回歸負荷預(yù)測法[J];供用電;2006年01期

2 林書成;王斌;張全安;;四川省安全生產(chǎn)趨勢預(yù)測研究[J];中國安全生產(chǎn)科學(xué)技術(shù);2008年04期

3 吉培榮,鄒紅波,張玉文;無偏灰色預(yù)測模型在電力系統(tǒng)負荷預(yù)測中的應(yīng)用[J];三峽大學(xué)學(xué)報(自然科學(xué)版);2005年04期

，

本文編號：941815