本文關(guān)鍵詞：基于神經(jīng)模糊網(wǎng)絡(luò)和小波理論的電力系統(tǒng)短期負(fù)荷預(yù)報(bào)研究

  更多相關(guān)文章： 短期負(fù)荷預(yù)報(bào) 電力系統(tǒng) 小波分析 神經(jīng)模糊方法

【摘要】：目前,電力負(fù)荷預(yù)測(cè)對(duì)于電力工業(yè)的發(fā)展有著至關(guān)重要的作用。電力負(fù)荷預(yù)測(cè)是決定電力系統(tǒng)決策和優(yōu)化的最主要的能源信息。作為整個(gè)系統(tǒng)質(zhì)量性能的主要指標(biāo),電力負(fù)荷預(yù)測(cè)準(zhǔn)確度的提高有利于節(jié)約能源,增加企業(yè)利潤(rùn)。由于時(shí)間序列的復(fù)雜性和不確定性,使得能耗預(yù)測(cè)的精度較低。影響電力負(fù)荷預(yù)測(cè)水平的因素(包括系統(tǒng)自身和隨機(jī)條件)很多,例如能源結(jié)構(gòu)的持續(xù)改變,EPC本身的拓展,這些都使提高能耗預(yù)測(cè)準(zhǔn)確性的任務(wù)更加困難。本文的目的是在智能計(jì)算技術(shù)的基礎(chǔ)上開發(fā)一種電力負(fù)荷預(yù)測(cè)系統(tǒng),該系統(tǒng)能夠很好的解決并有效改善短期預(yù)測(cè)精度低的問(wèn)題。通過(guò)解決以下任務(wù)能夠?qū)崿F(xiàn)目標(biāo):(1)分析目前電力負(fù)荷預(yù)測(cè)的方法,找出提高預(yù)測(cè)精度最有前景的方向;(2)建立一種預(yù)測(cè)電力消耗系統(tǒng)的技術(shù);(3)在前人研究的基礎(chǔ)上,建立一個(gè)電力消耗預(yù)測(cè)系統(tǒng);(4)開發(fā)系統(tǒng)的MATLAB程序的實(shí)驗(yàn)研究;(5)建立系統(tǒng)質(zhì)量和可靠性的比較分析。本文實(shí)現(xiàn)研究目標(biāo)的應(yīng)用內(nèi)容:數(shù)學(xué)建模和時(shí)間序列的預(yù)測(cè)方法;回歸分析;模糊集理論;小波理論的基礎(chǔ);人工神經(jīng)網(wǎng)絡(luò)和混合網(wǎng)絡(luò)理論;進(jìn)化模型的方法;MATLAB數(shù)學(xué)軟件包�？茖W(xué)成果的獨(dú)創(chuàng)性包括:(1)波動(dòng)負(fù)荷數(shù)據(jù)的呈現(xiàn)模式的特征是由時(shí)間序列的加性成分來(lái)進(jìn)行識(shí)別和描述的,這個(gè)特點(diǎn)和性質(zhì)區(qū)別于其它方法;(2)短期負(fù)荷預(yù)測(cè)的過(guò)程是在將時(shí)間序列分為不同的組別的基礎(chǔ)上設(shè)計(jì)初步步驟,通過(guò)分別預(yù)測(cè)每個(gè)組件的特點(diǎn),從而實(shí)現(xiàn)在聯(lián)合使用的智能計(jì)算技術(shù)中的預(yù)測(cè);(3)利用小波濾波和模糊神經(jīng)網(wǎng)絡(luò)對(duì)電力負(fù)荷預(yù)測(cè)系統(tǒng)的構(gòu)建方法進(jìn)行了分析,反映了高頻、低頻、中頻區(qū)域的時(shí)間序列特性。本文采用的基于小波理論和神經(jīng)模糊網(wǎng)絡(luò)理論的電力負(fù)荷預(yù)測(cè)系統(tǒng)的預(yù)測(cè)結(jié)果優(yōu)于以往使用的經(jīng)典理論和方法。因此,能夠完成并實(shí)現(xiàn)這項(xiàng)工作的目標(biāo)。
【關(guān)鍵詞】：短期負(fù)荷預(yù)報(bào) 電力系統(tǒng) 小波分析 神經(jīng)模糊方法
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TM715;TP18
【目錄】：

• Abstract4-6
• 摘要6-9
• 1 Introduction9-16
• 1.1 Modern construction issue forecasting systems10-11
• 1.1.1 Russian and other foreign systems of electric load forecasting10-11
• 1.2 Current methods of forecasting the electrical load11-13
• 1.3 Research object statement and construction of an advanced EPC forecasting system13-14
• 1.4 Summary14-16
• 2 The development of the actual technology of construction of forecasting system16-32
• 2.1 Dynamics of the time series of electricity consumption and its view model16-20
• 2.2 Overview of forecasting methods for different frequency components of time seriesand selection of the most appropriate one20-28
• 2.2.1 Analysis of the low-frequency component25-26
• 2.2.2 Analysis of the mid-frequency component26-27
• 2.2.3 Analysis of the high-frequency component27-28
• 2.3 Technology of forecasting system development28-31
• 2.4 Summary31-32
• 3 Development of a system of STLF32-50
• 3.1 Forecasting electrical load32-34
• 3.2 Algorithm of formation of NFN structure34-38
• 3.3 Search algorithm for the optimal depth of the wavelet decomposition using the methodof standardized range38-41
• 3.4 Search for the optimal architecture of NFN using genetic algorithm41-45
• 3.5 Algorithm of formation of training samples and input variables45-48
• 3.6 Summary48-50
• 4 The experimental operation of the electric load forecasting system50-64
• 4.1 Preparation for the experiment50
• 4.2 Evaluation of prediction system accuracy50-55
• 4.3 Performance analysis of the built system55-57
• 4.4 Comparison of the developed prediction model and other models57-61
• 4.5 Graphic User Interface development61-64
• Conclusions64-65
• Acknowledgement65-66
• References66-69
• Appendix69-72
• Research achievement during working for the degree72

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王辛，，孟昭敦;短期負(fù)荷預(yù)報(bào)最優(yōu)算法的模糊判據(jù)[J];電力系統(tǒng)自動(dòng)化;1995年12期

2 劉遵雄,鐘化蘭,張德運(yùn);最小二乘支持向量機(jī)的短期負(fù)荷多尺度預(yù)測(cè)模型[J];西安交通大學(xué)學(xué)報(bào);2005年06期

3 雷紹蘭;孫才新;周nv;鄧群;劉凡;;電力短期負(fù)荷的多變量混沌預(yù)測(cè)方法[J];高電壓技術(shù);2005年12期

4 傅書

本文編號(hào)：633770