隨著大數(shù)據(jù)技術(shù)的高速發(fā)展,在傳統(tǒng)行業(yè)獲得越來越多的應(yīng)用。大數(shù)據(jù)與傳統(tǒng)電力系統(tǒng)結(jié)合構(gòu)建了智能電網(wǎng),實現(xiàn)了電網(wǎng)的安全、穩(wěn)定和高效運行。電力大數(shù)據(jù)由在電力系統(tǒng)運行中廣泛分布的數(shù)據(jù)傳感器和遠(yuǎn)程終端單元(Remote Terminal Unit,RTU)獲取,其數(shù)據(jù)結(jié)構(gòu)復(fù)雜、數(shù)量龐大,其潛藏的數(shù)據(jù)價值也是巨大的。本文針對電力調(diào)度循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Nerual Network,RNN)短期負(fù)荷預(yù)測模型中采集數(shù)據(jù)集存在的數(shù)據(jù)缺陷、導(dǎo)致負(fù)荷預(yù)測精度不高的問題,利用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則和聚類算法對采集數(shù)據(jù)集進(jìn)行預(yù)處理,實現(xiàn)RNN模型的短期負(fù)荷預(yù)測,提高了預(yù)測精度。電力負(fù)荷預(yù)測問題,已有許多學(xué)者做了很多研究,但是單一的預(yù)測模型對于現(xiàn)今越來越冗雜的負(fù)荷數(shù)據(jù)集來說效率不高,因此,本文基于數(shù)據(jù)挖掘算法,利用改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法處理采集數(shù)據(jù)集。由于采集數(shù)據(jù)集包含多種擾動因素,為了挖掘其主要因素,論文利用改進(jìn)的K-means算法對其聚類,用處理的聚類數(shù)據(jù)集實現(xiàn)基于RNN模型的負(fù)荷預(yù)測。主要的研究內(nèi)容包括:1、研究了電力大數(shù)據(jù)下負(fù)荷聚類和負(fù)荷預(yù)測問題。針對電力負(fù)荷數(shù)據(jù)集的特點,研究了多種大數(shù)據(jù)集的處理...

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 短期負(fù)荷預(yù)測的研究現(xiàn)狀
        1.2.2 聚類算法的研究現(xiàn)狀
        1.2.3 關(guān)聯(lián)規(guī)則挖掘算法的研究現(xiàn)狀
    1.3 本文的主要研究工作
    1.4 論文的組織結(jié)構(gòu)
第2章 相關(guān)基礎(chǔ)理論
    2.1 引言
    2.2 負(fù)荷預(yù)測基本概念
        2.2.1 短期負(fù)荷預(yù)測的基本原理
        2.2.2 短期負(fù)荷預(yù)測模型
    2.3 聚類算法
        2.3.1 基于層次的聚類算法
        2.3.2 基于密度的聚類算法
        2.3.3 基于模型的聚類算法
        2.3.4 基于劃分的聚類算法
    2.4 關(guān)聯(lián)規(guī)則挖掘算法
        2.4.1 基本概念
        2.4.2 Apriori算法
    2.5 本章小結(jié)
第3章 電力負(fù)荷數(shù)據(jù)預(yù)處理
    3.1 引言
    3.2 關(guān)聯(lián)規(guī)則挖掘
        3.2.1 FP-growth算法簡介
        3.2.2 FP-grwoth改進(jìn)算法
    3.3 聚類處理
        3.3.1 傳統(tǒng)密度冠層算法
        3.3.2 基于密度冠層的K-means算法
    3.4 仿真實驗分析
        3.4.1 關(guān)聯(lián)規(guī)則挖掘分析
        3.4.2 聚類處理分析
    3.5 本章總結(jié)
第4章 CFS優(yōu)化RNN負(fù)荷預(yù)測模型
    4.1 引言
    4.2 基礎(chǔ)算法介紹
        4.2.1 RNN算法原理
        4.2.2 混沌自由搜索算法原理
    4.3 基于CFS優(yōu)化RNN負(fù)荷預(yù)測模型
        4.3.1 優(yōu)化負(fù)荷預(yù)測模型
        4.3.2 預(yù)測結(jié)果分析
    4.4 本章總結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間發(fā)表論文
附錄B 實習(xí)期間參與項目



本文編號：4021163