【摘要】：隨著近年來我國國民經(jīng)濟的快速發(fā)展,各個經(jīng)濟部門對于電力能源的需求量也越來越大,電力管理部門面臨著重要的挑戰(zhàn)。由于電力資源具有隨產(chǎn)隨用的特殊性質(zhì),所以在電能的生產(chǎn)過程中必須按照實際的需求量進(jìn)行按需生產(chǎn),因此如何對未來的電力負(fù)荷進(jìn)行準(zhǔn)確預(yù)測已經(jīng)成為電力系統(tǒng)調(diào)度管理部門的重要挑戰(zhàn)。在以往的電力負(fù)荷預(yù)測工作中主要采用的是線性假設(shè)預(yù)測技術(shù),面對預(yù)測精度日益提高的需求已經(jīng)無法滿足電力管理部門的要求,所以如何提高電力負(fù)荷預(yù)測的準(zhǔn)確度是未來工作的重點。隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的快速發(fā)展,其自適應(yīng)能力強、容錯性好等優(yōu)點已經(jīng)成為電力負(fù)荷預(yù)測模型的重要基礎(chǔ)技術(shù),并得到了廣泛的認(rèn)可與關(guān)注。本文通過對電力負(fù)荷預(yù)測基本理論進(jìn)行分析,并結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)以及小波閾值去噪技術(shù)構(gòu)建了電力負(fù)荷預(yù)測模型,同時使用.NET開發(fā)平臺實現(xiàn)了一個電力負(fù)荷預(yù)測軟件平臺,具體而言,論文的研究工作主要包括:(1)通過對常見的電力負(fù)荷預(yù)測算法進(jìn)行分析,同時結(jié)合電力負(fù)荷預(yù)測中的非線性特征設(shè)計了基于神經(jīng)網(wǎng)絡(luò)技術(shù)的負(fù)荷預(yù)測模型,對神經(jīng)網(wǎng)絡(luò)的輸入層、隱含層以及結(jié)果輸出層進(jìn)行設(shè)計,完成了系統(tǒng)的核心預(yù)測算法模型設(shè)計。(2)對于電力負(fù)荷預(yù)測過程中使用的歷史負(fù)荷數(shù)據(jù)中存在的干擾因素過多以及數(shù)據(jù)噪聲較大等特征,提出了采用小波閾值去噪的方式對數(shù)據(jù)中的噪聲進(jìn)行去除處理,同時對傳統(tǒng)的小波閾值去噪算法進(jìn)行了一定的改進(jìn)操作。(3)在理論分析的基礎(chǔ)上,完成了電力負(fù)荷預(yù)測軟件系統(tǒng)的業(yè)務(wù)建模分析,提出了系統(tǒng)所需實現(xiàn)的各項功能,并通過系統(tǒng)功能結(jié)構(gòu)設(shè)計、對象模型設(shè)計、負(fù)荷預(yù)測模型設(shè)計和數(shù)據(jù)庫設(shè)計為系統(tǒng)的功能實現(xiàn)提供基礎(chǔ)。(4)按照系統(tǒng)研發(fā)過程中以及論文研究工作中存在的問題進(jìn)行了總結(jié)與分析,并針對當(dāng)前系統(tǒng)中仍然存在的問題與不足提出了相關(guān)改進(jìn)與完善意見,作為后續(xù)研究工作的指導(dǎo)。
[Abstract]:With the rapid development of China's national economy in recent years, the demand for power energy in various economic sectors is also increasing, and the power management department is facing an important challenge. Due to the special nature of power resources, the production of electric energy must be carried out according to the actual demand. Therefore, how to accurately predict the future power load has become an important challenge for the power system dispatching management department. In the previous work of power load forecasting, the linear hypothesis forecasting technology is mainly used. In the face of the increasing demand of forecasting accuracy, it can not meet the requirements of power management departments. Therefore, how to improve the accuracy of power load forecasting is the focus of future work. With the rapid development of neural network technology, its advantages such as strong adaptive ability and good fault tolerance have become an important basic technology of power load forecasting model, and have been widely recognized and paid attention to. In this paper, the basic theory of power load forecasting is analyzed, combined with neural network technology and wavelet threshold de-noising technology, the power load forecasting model is constructed. At the same time, a power load forecasting software platform is implemented by using .NET development platform. Specifically, the research work includes: (1) through the analysis of common power load forecasting algorithms, combined with the nonlinear characteristics of power load forecasting, a load forecasting model based on neural network technology is designed. The input layer, hidden layer and result output layer of neural network are designed. The core prediction algorithm model of the system is designed. (2) for the characteristics of too many interference factors and large data noise in the historical load data used in the power load forecasting process, The wavelet threshold denoising method is proposed to remove the noise in the data, and the traditional wavelet threshold denoising algorithm is improved. (3) on the basis of theoretical analysis, The business modeling and analysis of the power load forecasting software system is completed, and the functions that the system needs to realize are put forward, and the system function structure design and object model design are given. Load forecasting model design and database design provide the basis for the realization of system functions. (4) according to the existing problems in the research and development of the system and in the research work of the paper, the paper summarizes and analyzes. In view of the existing problems and deficiencies in the current system, the paper puts forward some suggestions for improvement and perfection, which can be used as the guidance of the following research work.
【學(xué)位授予單位】：西華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM715;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董偉;一種地區(qū)電力負(fù)荷預(yù)測的實用方法[J];吉林電力;2000年04期

2 滕菲,王寧;電力負(fù)荷預(yù)測技術(shù)[J];黑龍江電力;2002年05期

3 王建新,李彥民,龐春江,孫海洪;數(shù)據(jù)發(fā)掘技術(shù)在一類電力負(fù)荷預(yù)測中的應(yīng)用[J];計算機工程與應(yīng)用;2002年05期

4 黃桂華;中長期電力負(fù)荷預(yù)測方法的簡述[J];農(nóng)村電氣化;2002年08期

5 甄利玲;一種電力負(fù)荷預(yù)測的綜合方法[J];呂梁高等�？茖W(xué)校學(xué)報;2003年01期

6 周暉;高琦;和敬涵;鈕文潔;;電力負(fù)荷預(yù)測知識體系的教學(xué)研究[J];電力學(xué)報;2006年04期

7 徐玉華;;中長期電力負(fù)荷預(yù)測方法分析[J];寧夏電力;2007年04期

8 閆曉坤;;電力負(fù)荷預(yù)測的技術(shù)方法分析[J];民營科技;2007年11期

9 段保乾;李偉;洪浩林;;基于系統(tǒng)動力學(xué)模型的中長期電力負(fù)荷預(yù)測[J];中小企業(yè)管理與科技;2007年12期

10 郝建軍;張振剛;閆寧;;基于灰色理論的電力負(fù)荷預(yù)測[J];商情(財經(jīng)研究);2008年06期

相關(guān)會議論文 前10條

1 李忻賢;;淺談電力負(fù)荷預(yù)測[A];山東電機工程學(xué)會第四屆供電專業(yè)學(xué)術(shù)交流會論文集[C];2007年

2 喬艷芬;;基于分形理論的昆明電網(wǎng)電力負(fù)荷預(yù)測[A];2009年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2009年

3 趙成旺;顧幸生;;組合優(yōu)化灰色預(yù)測模型在中長期電力負(fù)荷預(yù)測中應(yīng)用[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

4 羅楠;朱業(yè)玉;杜彩月;王軍;王紅燕;;支持向量機方法在電力負(fù)荷預(yù)測中的應(yīng)用[A];中國氣象學(xué)會2007年年會天氣預(yù)報預(yù)警和影響評估技術(shù)分會場論文集[C];2007年

5 喬艷芬;;基于分形理論的昆明電網(wǎng)電力負(fù)荷預(yù)測[A];2009年云南電力技術(shù)論壇論文集（文摘部分）[C];2009年

6 楊旭;劉自發(fā);張建華;李聰;;考慮氣候因素的城市電力負(fù)荷預(yù)測[A];第十一屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2007年

7 牛東曉;陳志業(yè);邢棉;謝宏;;具有二重趨勢性的季節(jié)型電力負(fù)荷預(yù)測組合優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)模型[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責(zé)任和對策（上冊）[C];2002年

8 丁光彬;王治昆;趙林明;翟傳仁;;包絡(luò)預(yù)測方法及其在電力負(fù)荷預(yù)測中的應(yīng)用[A];管理科學(xué)與系統(tǒng)科學(xué)進(jìn)展——全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第4卷）[C];1997年

9 劉博;張筱慧;許璞;;變權(quán)重組合預(yù)測方法用于電力負(fù)荷預(yù)測[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（下冊）[C];2008年

10 孔勝;王宇;張承偉;;經(jīng)濟危機對中長期電力預(yù)測影響的實證研究[A];第五屆（2010）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2010年

相關(guān)重要報紙文章 前4條

1 薛元蕩 鮑導(dǎo);阜寧縣加強電力負(fù)荷預(yù)測[N];中國電力報;2000年

2 章家銀 張克杰;氣象要素在電力負(fù)荷預(yù)測中的應(yīng)用[N];巢湖日報;2006年

3 夏志強邋楊士進(jìn) 曾居仁;氣象預(yù)報助我省科學(xué)調(diào)度電力[N];貴州日報;2008年

4 本報記者 羅丹;氣象科技融入電網(wǎng)[N];中國氣象報;2014年

相關(guān)博士學(xué)位論文 前7條

1 周倩;智能工程體系及其在電力負(fù)荷預(yù)測中的應(yīng)用研究[D];華北電力大學(xué)（北京）;2010年

2 葉世杰;基于多指標(biāo)模型的電力負(fù)荷預(yù)測研究[D];重慶大學(xué);2010年

3 王建軍;基于知識挖掘技術(shù)的智能協(xié)同電力負(fù)荷預(yù)測研究[D];華北電力大學(xué)（北京）;2011年

4 尹新;群智能算法與電力負(fù)荷預(yù)測研究[D];湖南大學(xué);2011年

5 王大鵬;灰色預(yù)測模型及中長期電力負(fù)荷預(yù)測應(yīng)用研究[D];華中科技大學(xué);2013年

6 劉曉娟;基于智能方法的電力系統(tǒng)負(fù)荷預(yù)測模型及其應(yīng)用研究[D];東華大學(xué);2014年

7 王勇;用于電力行業(yè)決策支持的多AGENT技術(shù)研究[D];華東師范大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 石德琳;基于神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測研究與實現(xiàn)[D];山東大學(xué);2016年

2 王超;基于灰色理論的電力負(fù)荷預(yù)測研究[D];山東大學(xué);2016年

3 聶志剛;鄯善縣城區(qū)配電網(wǎng)改造與研究[D];華北電力大學(xué);2016年

4 李順東;云平臺下電網(wǎng)短期負(fù)荷預(yù)測算法的研究與實現(xiàn)[D];華北電力大學(xué);2016年

5 沈志忠;基于改進(jìn)灰色模型的中長期電力負(fù)荷預(yù)測[D];西華大學(xué);2016年

6 孔曉利;基于人工智能算法改進(jìn)極限學(xué)習(xí)機的電力負(fù)荷預(yù)測[D];天津理工大學(xué);2016年

7 梁毅;基于BP神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測模型設(shè)計與系統(tǒng)實現(xiàn)[D];西華大學(xué);2016年

8 李小燕;基于灰色理論的電力負(fù)荷預(yù)測[D];華中科技大學(xué);2007年

9 儲琳琳;市南地區(qū)電力負(fù)荷預(yù)測實用方法研究[D];上海交通大學(xué);2009年

10 耿光飛;珠海市電力負(fù)荷預(yù)測研究[D];中國農(nóng)業(yè)大學(xué);2000年

，

本文編號：2230602