欢迎来到天天文库
浏览记录
ID:32967285
大小:5.82 MB
页数:58页
时间:2019-02-18
《基于数据挖掘的短期负荷预测 (1)》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、学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,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,也不包含为获得南昌大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志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谢意。学位论文作者签名(手写):高辅k琳签字日期:为J-年6月j日学位论文版权使用授权书本学位论文作者完全了解直昌太堂有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权南昌大学可以将学位论文的全部
2、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、汇编本学位论文。同时授权中国科学技术信息研究所和中国学术期刊(光盘版)电子杂志社将本学位论文收录到《中国学位论文全文数据库》和《中国优秀博硕士学位论文全文数据库》中全文发表,并通过网络向社会公众提供信息服务。(保密的学位论文在解密后适用本授权书)、1n学位论文作者签名(手写):高燃导师签名(手写):参I秽愁\‘签字日期:ⅪJ上年6月,日签字日期:砷p年参月侈日————⋯———⋯———————————————●__—————__————————————————————————一一摘要团目短期负荷预测的特
3、点是明显受到天气变化、节假U、工作L了类型、重大社会活动及突发事件等各种因素的影响,其难点是不但要考虑负荷本身作为一种时间序列的特性,而且需要考虑各种非负荷因素的影响。电力系统负荷的历史数据复杂而且庞大,其数据具有有限性、不完整性、影响因素复杂性等特点。因此对其加工、处理、进行数据挖掘很有必要。本文对历史数据进行了数据预处理,包括数据清理、数据集成与转换和数据归约,既保证了数据的正确性和有效性,义使得数据的格式内容更加适合负荷预测。本文综合考虑了非负荷因素对短期负荷预测的影响,采用数据挖掘方法对数据进行了预处理,并运用决策树C4.5算法建立了短期负荷预测模型,运用实例进行了
4、验证分析,得到的预测结果能够超过负荷预测实用化标准的要求,并具有较高的预测精度。关键词:电力系统;负荷预测;数据挖掘;决策树C4.5算法IIAbstract————————————————————————————————————————————一ABSTRACTThecharacteristicsofshort—termloadforecastingisobviouslysubjeettotheinfluenceofvariousfactors,suchasweatherchanges,holidays,typeofdays,majorsocialactwltlesande
5、mergencies.Thedifficultyofshort.termloadforecastingisthatwenotonlyneedtoconsiderthecharacteristicsoftheloaditselfasatimeseries.alsoneedtoconsidertheinfluenceofvariousnon—loadfactors.Powersystemloadhistoricaldataiscomplexandhuge.Thecharacteristicsofthedataarelimited,incompletenessandcomplex
6、ityofinfluencingfactors.Therefore1t8processinganddataminingarenecessary.Thispaperprocessesthehistoricaldatabydatacleaning,dataintegrationandconversion,datareduction.Inthiswayitnotonlyensuresthecorrectnessandvalidityofdata,butalsomakesthedataformatmoresuitableforloadforecasting.Consideringt
7、heimpactofthenon—loadfactorsonshort—termloadforecastinQ.thepaperusesdataminingmethodsfordatapreprocessingandusesthedecisiontreeC4.5algorithmtoestablishashort—termloadforecastingmodel,andthenusesrealInstancestovalidationandanalysis.Theforecastingresultscanmeete
此文档下载收益归作者所有