电力短期负荷预测的混合智能优化技术及其软件实现

《电力短期负荷预测的混合智能优化技术及其软件实现》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、河海大学硕士学位论文摘要电力系统负荷预测是电力系统运行、控制和规划不可缺少的一部分，是电力市场技术支持系统的基础。短期负荷预测是指日负荷预测和周负荷预测。随着我国电力市场的发展和电网自动化水平的提高，短期负荷预测的实用化研究将显得更为重要。本文研究如下内容：(1)根据华中电网某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，并利用统计学的方法，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了规范化处理，并引入不同日之间特征量的“相似度”的概念，选取相似日训练样本。(2

2、)对已有的三种典型短期负荷预测模型：基于相似日的线性外推模型、支持向量机模型、组合预测模型分别作了介绍。f3)考虑到现阶段还没有一个模型能准确预测出任意天的待测负荷日，提出了一种基于混合智能优化技术的短期负荷预测方法，试图用它来自动寻找一个适合待预测负荷目的最佳模型。该方法不需要对相似日负荷经验修正，减少了对人的经验的依赖。实际预测误差统计表明该方法的预测精度满足要求，具有明显的优越性。(41开发了短期负荷预测软件。关键词：短期负荷预测，支持向量机，相似曰，线性外推，组合预测河海大学硕士学位论文ABSTRACTPowers

3、ystemloadforecast，whichisthebaseofpowermarkettechniquesupportingsystem，isallessentialpartofpowersystemoperation，controlandplanning．Short．termloadforecastincludesdayloadforecastandweekloadforecast．WiththedevelopmentofpowersystemmarketandthepowersyStemautomation,pra

4、cticalresearchofshort·termloadforecastismuchmoreimportant．Thedissertationconsistsoffourpartsasfollows：(1)Basedonthehistorydatafromapracticalpowersysteminsomecity,thecharacteristicsofloaddataandinfluencingfactorsareanalyzed．Basedonstatistics，“disorderdata'’Callbere

5、movedandaccurateandeffectiveIOadforecastingCallbeensured．Theinfluencingfactorsareprocessedbynormalization，andtheconceptionof“similardegree’’ofcharacteristicvariablesisusedfortrainingdataselection．(2)Threetypicalmodels(1inearextrapolationmodelbasedonsimilarday,supp

6、ortvectormachinemodel，combinedforecastingmodel)wereintroduced．(3)Itisconsideredthatthereisnomodeltoforecastanydayloadexactlynow,anewmodelbasedhybridintelligentoptimizedtechnologyWaspresented．thatistriedtoseekthebestmodelfortheforecasteddayautomatically．Themodelnee

7、dslessexperienceofhumanexperts．Theapplicationresultsindicatedthatprecisioniswell，andhasgoodperformance．(4)SoftwareofShort-termloadtbrecastinghasbeendeveloped．KeyWords：Short—tennloadforecasting,supportvectormachine，similarday,linearextrapolation，combinedforecasting

8、独创性声明本人所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果。与我一同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。如不实，本人负全部责任。学位论文作者签名：古签字日