基于智能方法电力系统负荷预测模型及其应用研究

《基于智能方法电力系统负荷预测模型及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东华大学学位论文原创性声明f㈣嬲本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：表心谆乳竭Et期：年月日东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论

2、文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口，在——年解密后适用本版权书。本学位论文属于不保密■。学位论文作者签名：壶，l鹋岫日期：年月日指导教师签名：—孑■岔日期：伊cF年?月3Et摘要基于智能方法的电力系统负荷预测模型及其应用研究电力系统负荷预测是能量管理系统和配电管理系统的重要部分，是实现自动发电控制和经济调度控制的前提，它涉及电力系统规划与设计，电力系统运行的经济性、安全性、可靠性和稳定性等。随着电力系统的不断发展和电网管理的日趋现代化、复杂化，电力系统负荷预测问题的研究引起人们广泛的关注

3、。准确的电力负荷预测可以合理地安排电网内部发电机组的运行，保持电网运行的安全稳定性；可以合理的安排机组检修计划，保证社会的正常生产和人民的正常生活；可以决定新装机容量的大小与电网的调度控制，有效的降低发电成本，提高经济效益和社会效益。因此，电力系统负荷预测成为现代电力系统运行和管理中的一个重要研究课题和现代电力系统科学中的一个重要领域。本文主要利用模糊数学、模糊时间序列、灰色系统理论、模糊多目标最优规划等智能方法，对电力系统负荷预测的模型与算法进行了应用研究。首先给出了基于模糊时间序列的基本预测模型与算法，并考虑到负荷自身变化的特点以及温度等综合因素对电力

4、负荷的影响，对该预测模型进行了优化修正；其次基于稳健统计理论和模糊回归的思想，研究了稳健回归预测算法和稳健模糊回归预测算法；第三在离散灰色预测模型的基础上结合模糊多Ⅱ基于智能方法的电力系统负荷预测模型及其应用研究目标规划理论，研究了模糊离散灰色区间预测模型与算法；最后利用遗传算法和Pareto最优化理论来搜索和确定参数的最优区间，给出了基于多目标优化的模糊时间预测算法。针对不同的模型和算法，通过具体算例对不同预测模型与算法的预测结果进行了分析比较。论文的主要研究内容和创新点如下：(1)基于模糊时间序列的预测模型与算法研究。在模糊时间序列基本理论框架下，将模

5、糊时间序列预测模型应用到电力系统负荷预测中来。首先对历史负荷数据进行必要的预处理，以检测和平滑异常数据，其次考虑到电力负荷自身的特征以及影响负荷预测的重要因素，分别引入温度影响因子、负荷变化影响因子及综合影响因素作为权重因子，提出了时变一模糊时间序列预测算法和基于最高温度修正的最大负荷预测算法。最后通过两个数值算例，说明了我们提出的考虑因素分析的模糊时间序列预测算法具有较高的预测精度和较大的有效性和普遍适应性。(2)基于稳健模糊回归的预测模型与算法研究。利用稳健统计和模糊回归的基本理论，研究了基于稳健估计的稳健回归预测算法和基于Tanaka’S体系下的稳健

6、模糊回归预测模型。该稳健回归预测算法通过函数的选择以及反复迭代减弱异常数值对回归方程的不利影响，增强回归方程的稳健性；而稳健模糊回归预测模型，借助于误差评价指标以及Tanaka’S的模糊回归方法，研究并提出了一稳健模糊回归预测模型来预测模糊区间，通过一系列参数的优化和转化得到非线性模型。最后的两个算例，通过摘要Ill与传统算法和模型的比较，可以明显看出，我们提出的稳健算法和稳健模糊模型都能够有效降低异常数据对预测结果的影响，并且具有较好的稳定性。(3)基于模糊离散灰色理论的区间预测模型研究。在离散灰色预测模型的基础上，结合模糊多目标最优化理论，研究并提出了

7、基于离散灰色模型的模糊多目标区间预测模型。针对输入变量是精确数和模糊数，分别给出了不同的区间预测算法。并将本文的预测结果和现有文献中的模糊线性回归区间预测、灰色模糊区间预测结果进行比较，精确度更高；最后将该模型和算法应用于电力系统负荷区间预测，得到了更一般的预测结果，说明我们提出的模型和算法具有较广泛的适应性。(4)基于多目标优化的模糊时间序列预测模型与算法研究。针对预测区间的划分是影响模糊时间序列预测精度的主要因素之一，首先定义和划分带有参数的预测区间，利用遗传算法搜索最优预测区间的长度并进行最优化参数的筛选和初始参数的选择，并借助于Pareto最优化理

8、论识别最优解，提出了时变一基于比率的多目标最优化模糊时间序列预测模