隨著國家電網(wǎng)的數(shù)字化改造程度日趨完善,電網(wǎng)數(shù)據(jù)的積累也日漸成熟,從而使電網(wǎng)大數(shù)據(jù)的分析、應(yīng)用及其相應(yīng)的技術(shù)升級成為一種趨勢。在此發(fā)展形勢下,如何從海量電網(wǎng)數(shù)據(jù)中分析得到有價(jià)值的信息,并應(yīng)用到未來電網(wǎng)的生產(chǎn)中是電網(wǎng)發(fā)展面臨的主要問題。本文以電網(wǎng)一次調(diào)頻后的頻率預(yù)測為主要目標(biāo),設(shè)計(jì)了電網(wǎng)負(fù)荷頻率控制特性監(jiān)控分析系統(tǒng)。本文的主要研究內(nèi)容如下:首先,使用歷史數(shù)據(jù)建立起頻率預(yù)測模型和負(fù)荷預(yù)測模型。其中頻率預(yù)測功能作為該系統(tǒng)實(shí)現(xiàn)的核心,論文選用了長短時記憶神經(jīng)網(wǎng)絡(luò)來構(gòu)造計(jì)算模型,并采用Python語言實(shí)現(xiàn)相應(yīng)服務(wù)模塊的開發(fā)。論文一方面通過皮爾遜相關(guān)系數(shù)篩選出影響電網(wǎng)一次調(diào)頻后全網(wǎng)頻率的主要因素,另一方面處理原始數(shù)據(jù)集最終格式化為:訓(xùn)練集、測試集和超參數(shù)驗(yàn)證集,分別用于模型訓(xùn)練、測試和超參數(shù)調(diào)整。在頻率預(yù)測模型的基礎(chǔ)上,結(jié)合貝葉斯調(diào)優(yōu)算法,優(yōu)化LSTM網(wǎng)絡(luò)模型,尋找一組最優(yōu)的模型超參數(shù)集合,實(shí)現(xiàn)電網(wǎng)短期負(fù)荷預(yù)測。其次,電網(wǎng)監(jiān)控分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。本系統(tǒng)使用Java編程語言和Spring Boot框架進(jìn)行設(shè)計(jì)和開發(fā),系統(tǒng)包括全網(wǎng)實(shí)時狀態(tài)監(jiān)控,全網(wǎng)抗干擾能力,一次調(diào)頻后的狀態(tài)分析等主要功能。在明確系統(tǒng)... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

頻率預(yù)測結(jié)果和實(shí)際頻率對比圖

2018-01-01 16:00:00.0 50.0206 72597.703 90163.748 17580.283 9064.526 67878.974 2018-01-01 17:00:00.0 50.0335 74631.877 90999.515 16376.579 9964.413 71451.483 2018-01-01 18:00:00.0 50.0294 71172.407 87973.622 16793.959 8422.373 72703.543 2018-01-01 19:00:00.0 50.0222 72994.123 90492.957 17501.734 9295.882 70510.195 (3) 數(shù)據(jù)集劃分 構(gòu)建負(fù)荷預(yù)測模型時，采用的電網(wǎng)歷史數(shù)據(jù)集中有 25980 條數(shù)據(jù)，經(jīng)過數(shù)據(jù)處理后可用的數(shù)據(jù)集有 25977 條，按照 8：1：1 的比例分為訓(xùn)練集、驗(yàn)證集和測試集。圖 4-1 為2018 年 2 月數(shù)據(jù)集中負(fù)荷數(shù)據(jù)及與負(fù)荷波動相關(guān)性較大的各個數(shù)據(jù)的變化趨勢圖，圖中從上到下依次是：火電有功、水電有功、直流外送、頻率、全網(wǎng)有功、負(fù)荷等數(shù)據(jù)的變化趨勢，由圖可以看出來負(fù)荷波動有較為明顯的周期性。

西安理工大學(xué)工程碩士專業(yè)學(xué)位論文24模型都能較好的擬合短期負(fù)荷的波動趨勢，但如圖中所示，Bayes-LSTM模型更貼合真實(shí)值的變化趨勢。圖4-3負(fù)荷預(yù)測真實(shí)值與預(yù)測值對比圖Fig.4-3Comparisondiagramofrealvalueandpredictedvalueofloadforecast如表4-5所示，通過RMSE和MAPE評價(jià)指標(biāo)對LSTM模型和Bayes-LSTM模型在三組實(shí)驗(yàn)的預(yù)測數(shù)值進(jìn)行評價(jià)，可以看出在三組實(shí)驗(yàn)中Bayes-LSTM模型的預(yù)測效果都要優(yōu)于LSTM模型，預(yù)測精度相對于LSTM模型提升了21.2%。從預(yù)測結(jié)果來看Bayes-LSTM模型更好的分析歷史數(shù)據(jù)之間的關(guān)系，能有效提升短期負(fù)荷預(yù)測精度。表4-5三組實(shí)驗(yàn)中各模型評價(jià)指標(biāo)比較Tabel.4-5Comparisonofevaluationindexesofeachmodelinthreegroupsofexperiments模型RMSE(MW)MAPE(%)第一組第二組第三組第一組第二組第三組LSTM954.10972.72888.991.171.221.11Bayes-LSTM740.88761.83715.270.770.840.754.4本章小結(jié)本章在一次調(diào)頻后的短期頻率預(yù)測模型的基礎(chǔ)上，針對短期負(fù)荷預(yù)測問題對模型改進(jìn)，結(jié)合貝葉斯優(yōu)化算法使LSTM模型可以快速準(zhǔn)確的適應(yīng)電網(wǎng)負(fù)荷數(shù)據(jù)特性，構(gòu)建了Bayes-LSTM短期負(fù)荷預(yù)測模型。首先對電網(wǎng)系統(tǒng)的運(yùn)行數(shù)據(jù)進(jìn)行異常值剔除和缺失值填充處理，接下來介紹了貝葉斯優(yōu)化算法，然后展示了Bayes-LSTM模型的構(gòu)建過程，最后根據(jù)構(gòu)建的模型進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表示負(fù)荷預(yù)測模型可以較好的預(yù)測短期負(fù)荷趨勢，電網(wǎng)系統(tǒng)可以根據(jù)負(fù)荷波動趨勢制定發(fā)電計(jì)劃，實(shí)現(xiàn)電網(wǎng)頻率穩(wěn)定控制。

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群優(yōu)化LSTM的股票預(yù)測模型[J]. 宋剛,張?jiān)品?包芳勛,秦超.  北京航空航天大學(xué)學(xué)報(bào). 2019(12)
[2]深度學(xué)習(xí)在智能電網(wǎng)中的應(yīng)用現(xiàn)狀分析與展望[J]. 周念成,廖建權(quán),王強(qiáng)鋼,李春艷,李劍.  電力系統(tǒng)自動化. 2019(04)
[3]電力市場中基于Attention-LSTM的短期負(fù)荷預(yù)測模型[J]. 彭文,王金睿,尹山青.  電網(wǎng)技術(shù). 2019(05)
[4]LSTM Based Reserve Prediction for Bank Outlets[J]. Yu Liu,Shuting Dong,Mingming Lu,Jianxin Wang.  Tsinghua Science and Technology. 2019(01)
[5]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的PM2.5預(yù)測[J]. 白盛楠,申曉留.  計(jì)算機(jī)應(yīng)用與軟件. 2019(01)
[6]基于多層極限學(xué)習(xí)機(jī)的電力系統(tǒng)頻率安全評估方法[J]. 文云峰,趙榮臻,肖友強(qiáng),劉禎斌.  電力系統(tǒng)自動化. 2019(01)
[7]基于油中氣體分析的變壓器故障診斷ReLU-DBN方法[J]. 代杰杰,宋輝,楊祎,陳玉峰,盛戈皞,江秀臣.  電網(wǎng)技術(shù). 2018(02)
[8]基于深度強(qiáng)化學(xué)習(xí)的電網(wǎng)緊急控制策略研究[J]. 劉威,張東霞,王新迎,侯金秀,劉麗平.  中國電機(jī)工程學(xué)報(bào). 2018(01)
[9]基于VMD與PSO優(yōu)化深度信念網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[J]. 梁智,孫國強(qiáng),李虎成,衛(wèi)志農(nóng),臧海祥,周亦洲,陳霜.  電網(wǎng)技術(shù). 2018(02)
[10]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時間序列預(yù)測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報(bào). 2018(04)

博士論文
[1]計(jì)算智能在電力系統(tǒng)多目標(biāo)優(yōu)化中的應(yīng)用研究[D]. 葉承晉.浙江大學(xué) 2015

碩士論文
[1]區(qū)域電網(wǎng)一次調(diào)頻性能分析及研究[D]. 張澤灝.華北電力大學(xué) 2019
[2]基于REST的Web快速開發(fā)平臺的研究與實(shí)現(xiàn)[D]. 施佳達(dá).北京郵電大學(xué) 2015



本文編號：3275844