電力市場(chǎng)的逐步開拓和發(fā)展,要求電力負(fù)荷預(yù)測(cè)更加及時(shí)、準(zhǔn)確和可靠,目前負(fù)荷預(yù)測(cè)在電力系統(tǒng)運(yùn)行和規(guī)劃中占有舉足輕重的地位。同時(shí),電力負(fù)荷具有明顯的隨機(jī)性和不確定性,難以保證較高的預(yù)測(cè)精度,因此,對(duì)電力負(fù)荷進(jìn)行預(yù)測(cè)并提高預(yù)測(cè)準(zhǔn)確度具有重要意義。本文通過對(duì)電力負(fù)荷特性分析,提出使用時(shí)間序列多維自回歸預(yù)測(cè)方法,根據(jù)多維自回歸預(yù)測(cè)精度受電力負(fù)荷異常值和隨機(jī)性影響的問題,從兩方面對(duì)電力負(fù)荷短期預(yù)測(cè)進(jìn)行研究。針對(duì)電力負(fù)荷數(shù)據(jù)存在異常值,使用多維自回歸預(yù)測(cè)模型對(duì)野值點(diǎn)敏感問題,提出了一種穩(wěn)健的基于最大相關(guān)熵準(zhǔn)則自回歸(Maximum Correntropy Criterion and Auto Regression,MCC-AR)的預(yù)測(cè)方法。將MCC引入約束最小二乘多維自回歸預(yù)測(cè)模型,根據(jù)相關(guān)熵中的高斯核寬實(shí)現(xiàn)數(shù)據(jù)點(diǎn)間的局部相似性度量,針對(duì)非線性非凸優(yōu)化問題,提出根據(jù)共軛凸函數(shù)的特性利用半二次方法進(jìn)行二次規(guī)劃,并采用半定松弛方法求解約束回歸問題,最終實(shí)現(xiàn)了回歸預(yù)測(cè)參數(shù)的估計(jì)。此外,對(duì)于該預(yù)測(cè)模型中幾類參數(shù)選擇方法分別進(jìn)行分析和討論,證實(shí)了所選參數(shù)的合理性和正確性。實(shí)測(cè)負(fù)荷數(shù)據(jù)預(yù)測(cè)結(jié)果表明,與多維的自回歸...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 短期負(fù)荷預(yù)測(cè)研究現(xiàn)狀
        1.2.1 負(fù)荷數(shù)據(jù)處理發(fā)展現(xiàn)狀
        1.2.2 短期負(fù)荷預(yù)測(cè)方法
    1.3 論文的組織結(jié)構(gòu)
2 電力負(fù)荷及短期電力負(fù)荷預(yù)測(cè)相關(guān)理論
    2.1 電力負(fù)荷概述
        2.1.1 電力負(fù)荷類型分析
        2.1.2 電力負(fù)荷特性
        2.1.3 電力負(fù)荷分析處理
    2.2 短期電力負(fù)荷預(yù)測(cè)理論
        2.2.1 短期電力負(fù)荷預(yù)測(cè)特點(diǎn)
        2.2.2 短期電力負(fù)荷預(yù)測(cè)實(shí)際要求
        2.2.3 短期電力負(fù)荷預(yù)測(cè)基本流程
        2.2.4 短期電力負(fù)荷預(yù)測(cè)評(píng)價(jià)指標(biāo)
    2.3 本章小結(jié)
3 時(shí)間序列AR短期負(fù)荷預(yù)測(cè)
    3.1 時(shí)間序列預(yù)測(cè)法
        3.1.1 時(shí)間序列特性
        3.1.2 常用時(shí)間序列模型
    3.2 短期多維自回歸負(fù)荷預(yù)測(cè)分析
        3.2.1 多維AR預(yù)測(cè)
        3.2.2 預(yù)測(cè)實(shí)例
    3.3 本章小結(jié)
4 基于最大相關(guān)熵準(zhǔn)則回歸的短期負(fù)荷預(yù)測(cè)
    4.1 相關(guān)熵理論
        4.1.1 相關(guān)熵概念及分析
        4.1.2 MCC
    4.2 基于MCC的多維AR預(yù)測(cè)模型
        4.2.1 MCC-AR模型的建立
        4.2.2 MCC-AR模型求解
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 常用方法與MCC-AR方法對(duì)比
        4.3.2 MCC-AR方法幾種參數(shù)選擇
    4.4 本章小結(jié)
5 改進(jìn)VMD及其在短期負(fù)荷預(yù)測(cè)中的應(yīng)用
    5.1 模態(tài)分解算法相關(guān)理論
        5.1.1 EMD原理及存在問題
        5.1.2 VMD基本原理
        5.1.3 VMD算法過程
        5.1.4VMD相關(guān)實(shí)驗(yàn)
    5.2 改進(jìn)的VMD分解
        5.2.1 分解模態(tài)樣本熵
        5.2.2 模態(tài)互相關(guān)性
        5.2.3 仿真實(shí)驗(yàn)分析
    5.3 基于改進(jìn)VMD分解的短期負(fù)荷預(yù)測(cè)
        5.3.1 改進(jìn)VMD分解的短期負(fù)荷預(yù)測(cè)流程
        5.3.2 實(shí)驗(yàn)及結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文的工作總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要研究成果



本文編號(hào)：3758564