电力负荷多模型组合预测系统探索

电力负荷多模型组合预测系统探索

ID:28192454

大小:18.95 KB

页数:7页

时间:2018-12-08

电力负荷多模型组合预测系统探索_第1页
电力负荷多模型组合预测系统探索_第2页
电力负荷多模型组合预测系统探索_第3页
电力负荷多模型组合预测系统探索_第4页
电力负荷多模型组合预测系统探索_第5页
资源描述:

《电力负荷多模型组合预测系统探索》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。电力负荷多模型组合预测系统探索  摘要:文章采用了包括非线性优化组合模型、逻辑预测模型、组合自适应指数平滑模型等多种组合模型进行短期电力负荷的预测;并使用自适应滚动优化技术保证每种模型能随负荷特性变化,调整模型参数;同时根据对每种模型在一段时间内的预测误差分析,选取最优的组合模型。预测策略和预测模型系统的预测结果表明,组合预测模型的预测结果优于单一

2、模型的预测结果  关键词:电力负荷;预测模型;自适应指数  中图分类号:TM715文献标识码:A  文章编号:1674-1145(XX)36-0171-02    随着我国电力市场改革的深化,急需一系列适应电力市场的理论和技术,包括电力市场技术支持系统、市场运行规则理论等等。而负荷预测是电力系统规划和运行的基础,关系到整个电力系统的效率、效益及安全性,是电力市场技术支持系统的重要组成部分。为了提高预测的准确性,常常对同一预测问题采用多个预测方法来进行预测。因单一的预测方法所用的信息是有限的,而不同的预测方法所用的信息是不会

3、完全相同的,这样,可以将各种单一的预测结果进行组合得到一种组合预测结果。组合预测集多种预测模型的信息,可以达到改善预测效果的目的。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。  本文采用了多种组合模型来进行短

4、期电力负荷的预测;并使用自适应滚动优化技术保证每种模型能随时使用地区负荷特性变化,调整模型参数;同时根据对每种模型在一段时间内的预测误差分析,选取最优的组合模型。  一、建立预测模型的策略  (一)基于信息融合技术的多模型组合预测  1.对同一预测问题采用多种预测模型,由于每种预测模型包括的信息不同,根据组合预测理论,经过组合而得到的预测结果往往能够得到更好的预测效果;  2.对同一预测问题采用多种预测模型,从预测结果中选取一种最优的结果;  3.对同一预测问题,在采用一个模型进行预测时,选取不同的历史数据作为模型的输入,

5、例如,在进行周预测时,可以选用所预测周相邻前一段时间的数据(横向数据)作为预测模型的输入,同时也选用预测周前若干周的数据(纵向数据)进行预测;  4.基于时段、季节、温度等的组合修正。由于负荷往往具有多种不同的周期规律,因此在预测中综合历史负荷的统计规律,按多种不同方式进行预测结果的修正,包括每日分段修正、分季节修正、分日期类型修正等。  (二)模型自适应为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生

6、的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。  预测模型的参数与组合参数等采用自适应滚动优化,保证了模型具有较强的自适应性。  二、组合模型  基于以上建模策略,建立了以下多种组合预测模型。  (一)非线性优化组合模型  在实际问题中,自变量与因变量之间存在的相关关系常见的表现形式是非线性的,对于这些非线性模型的研究,一般说来较复杂。但有一类特殊的情况例外,那就是可以通过适当

7、的变量代换,将非线性相关关系的问题转化为线性相关关系问题来处理。这样,对非线性模型的研究也就随之得到解决。  设有两个变量x和y,它们之间存在着非线性相关关系。给定一组观测量(xi,yi),i=1,2,…,n。其散点图明显地表明不能用一条直线近似的拟合,即n个样本点(xi,yi)不在一条直线附近,而是在一条曲线附近。如果将此种情况按一元线性回归研究,显然是不合适的,这就需要用适当的曲线加以拟合。依据散点图,通常选配双曲线、幂函数曲线、指数曲线、倒指数曲线、对数曲线、S型曲线等6种曲线之一。本系统在进行预测时同时使用以上6条

8、曲线进行电力负荷优化预测。并根据对最新的历史数据的拟合结果的比较,选取一种最优的非线性模型作为预测模型。非线性优化组合模型结构如图1所示。  (二)逻辑预测模型为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。