【摘要】：伴隨我國產(chǎn)業(yè)轉(zhuǎn)型,各行業(yè)電量波動加劇,使得以全社會電量為預(yù)測對象的很多模型預(yù)測誤差增大同時,社會發(fā)展對電量預(yù)測的精確程度提出了更高要求。而現(xiàn)有的分行業(yè)劃分標(biāo)準(zhǔn)不能滿足電量預(yù)測的需求,需要在現(xiàn)有行業(yè)基礎(chǔ)上重新進行設(shè)計。本文從優(yōu)化用電行業(yè)分類、優(yōu)化現(xiàn)有預(yù)測算法以及優(yōu)化預(yù)測結(jié)果處理三個層次四個章節(jié)進行研究,實現(xiàn)電量精細(xì)化預(yù)測。由于現(xiàn)有的國內(nèi)外行業(yè)劃分標(biāo)準(zhǔn)不滿足分行業(yè)電量預(yù)測,設(shè)計了一種用于電量預(yù)測的用電特性指標(biāo)體系。該指標(biāo)體系基于現(xiàn)有用電行業(yè)的歷史電量數(shù)據(jù),以峰谷特性、月電量時間序列和年電量時間序列三個方面、四個指標(biāo)為依據(jù)進行分類。與現(xiàn)行的行業(yè)劃分結(jié)果相比較,新的分類結(jié)果能夠以較小的分類數(shù)量,將有相似用電特性的行業(yè)有效分類。該分類方案能夠應(yīng)用于以下章節(jié)的電量預(yù)測。為實現(xiàn)對分行業(yè)電量精細(xì)化預(yù)測,提出了一種基于行業(yè)用電特性和改進熵權(quán)法的電量組合預(yù)測模型。該模型基于上一章的分類方案,同時應(yīng)用改進熵權(quán)法,修正多熵值分布趨于1時導(dǎo)致熵權(quán)分配紊亂的問題,重新對多誤差指標(biāo)評價指標(biāo)以及組合算法單項模型的權(quán)重進行分配,為各類用電行業(yè)的匹配其優(yōu)化組合預(yù)測模型。算例表明該模型具有良好的預(yù)測精度。進一步考慮外界因素的電量精細(xì)化預(yù)測,設(shè)計了一種基于EMD方法和改進GM(1,N)算法的電量預(yù)測模型。該模型首先篩選用于建立GM(1,N)模型的指標(biāo),再將受到復(fù)雜因素綜合作用的行業(yè)電量曲線分解為若干相對簡單、規(guī)律明顯且頻率較低的分量;通過對各分量建立基于線性相關(guān)系數(shù)和灰色動作量系數(shù)的改進GM(1,N)模型,修正傳統(tǒng)模型在建模原理、參數(shù)設(shè)置以及模型結(jié)構(gòu)方面的缺陷,使其更加合理穩(wěn)定;疊加分量預(yù)測結(jié)果得到各類行業(yè)考慮外界因素的精細(xì)化預(yù)測結(jié)果。算例表明該模型能夠?qū)崿F(xiàn)與第三章模型的互補,針對外界因素敏感型行業(yè)能夠進一步提高電量預(yù)測精度,從而提高總電量的預(yù)測精度。針對行業(yè)維度和時間維度中總量預(yù)測結(jié)果與分量預(yù)測結(jié)果之和不一致的問題,運用多級協(xié)調(diào)模型并搭建兩個維度的上下級協(xié)調(diào)模型。通過算例驗證了多級協(xié)調(diào)模型的可行性和有效性,優(yōu)化預(yù)測結(jié)果,實現(xiàn)精細(xì)化預(yù)測。
【圖文】：

圖 2-1 DTW 算法原理圖 2-1 算法原理所示，圖中由兩個時間序列各元素連接而成的兩條曲線，曲線之間特性類似的元素用虛線連接起來兩兩對應(yīng)。DTW 算法通過計算之間所有特性類似的元素兩兩距離之和，并憑借定量分析來判斷兩者的元素間距離和進行定義，命名為歸整路徑距離。若路徑距離值越大，則兩不相似。DWT 計算方法需要進行相似性分析的兩個已知的時間序列為分別記作 A 和 B。獲取其序|，兩序列間的歸整路徑記作 α={α1,α2,...,αk}，且有Max ( A ,B ) K A素間的距離表示為 αk，在以序列 A、B 為直角坐標(biāo)系中，其坐標(biāo)記作(i,j)。第 1 對元素間距離的坐標(biāo) α1=(1,1)為起始點，以第 k 對元素間距離的,|B|)為終點，從而使得 A 和 B 序列中的每個元素坐標(biāo)能夠都出現(xiàn)在 α 中。

α 中各對元素坐標(biāo) α(i,j)必須是按元素順序行進的，即坐標(biāo) i 和 j 單調(diào)遞增，從而避免圖2-2 中規(guī)整路徑出現(xiàn)相交，用邊界條件進行表達(dá)：( ) ( )1, , 1, 1k k i j ， i j i i i j j j最后以實現(xiàn)歸整路徑最小作為目標(biāo)函數(shù)，，可得到表達(dá)式：D ( i , j ) =D ist ( i , j ) min D ( i 1, j) , D ( i ,j 1) ,D ( i 1, j 1) 將所得的最小歸整路徑距離記為 D(|A|,|B|)，并基于動態(tài)規(guī)劃對路徑分析得到其解。下圖展示是的兩個時間序列規(guī)整路徑的成本矩陣 D(Cost Matrix)。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F426.61;TM73

【參考文獻】

相關(guān)期刊論文 前10條

1 陳旭;趙雪花;;基于EMD分解的AR模型在年徑流預(yù)測中的應(yīng)用[J];水電能源科學(xué);2014年07期

2 歐陽森;石怡理;;改進熵權(quán)法及其在電能質(zhì)量評估中的應(yīng)用[J];電力系統(tǒng)自動化;2013年21期

3 張素香;劉建明;趙丙鎮(zhèn);曹津平;;基于云計算的居民用電行為分析模型研究[J];電網(wǎng)技術(shù);2013年06期

4 李嘉龍;李小燕;劉思捷;文福拴;郭文濤;;考慮氣溫累積效應(yīng)的短期負(fù)荷預(yù)測[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2013年01期

5 葉林;劉鵬;;基于經(jīng)驗?zāi)B(tài)分解和支持向量機的短期風(fēng)電功率組合預(yù)測模型[J];中國電機工程學(xué)報;2011年31期

6 師洪濤;楊靜玲;丁茂生;王金梅;;基于小波—BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測方法[J];電力系統(tǒng)自動化;2011年16期

7 李小龍;李郁俠;師彪;牛艷利;王煜;;改進粒子群算法在中長期電力負(fù)荷組合預(yù)測模型中的應(yīng)用[J];武漢大學(xué)學(xué)報(工學(xué)版);2011年03期

8 李瑾;劉金朋;王建軍;;采用支持向量機和模擬退火算法的中長期負(fù)荷預(yù)測方法[J];中國電機工程學(xué)報;2011年16期

9 楊浩;張磊;何潛;牛強;;基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究[J];電力系統(tǒng)保護與控制;2010年16期

10 李鑫濱;張娟;張巖;盧志剛;;基于D-S證據(jù)理論的相似日支持向量機短期負(fù)荷預(yù)測[J];電網(wǎng)技術(shù);2010年07期

相關(guān)碩士學(xué)位論文 前6條

1 崔璐;基于行業(yè)電力負(fù)荷預(yù)測的江門地區(qū)開拓用電市場研究[D];華北電力大學(xué)（北京）;2011年

2 胡長洪;考慮實時氣象因素的短期負(fù)荷預(yù)測[D];浙江大學(xué);2010年

3 席照才;基于粒子群算法的輸電網(wǎng)規(guī)劃方法研究[D];華北電力大學(xué)（河北）;2008年

4 熊磊;分類負(fù)荷售電量的預(yù)測系統(tǒng)研究[D];重慶大學(xué);2007年

5 王德金;基于熵權(quán)法的電力中長期負(fù)荷組合預(yù)測[D];華北電力大學(xué)（北京）;2007年

6 于永杰;保定市行業(yè)用電分析及電力需求預(yù)測研究[D];華北電力大學(xué)（河北）;2005年

本文編號：2688593