基于集合经验模式分解的短期电力负荷混合算法研究与应用

基于集合经验模式分解的短期电力负荷混合算法研究与应用

ID:34877863

大小:9.18 MB

页数:60页

时间:2019-03-13

基于集合经验模式分解的短期电力负荷混合算法研究与应用_第1页
基于集合经验模式分解的短期电力负荷混合算法研究与应用_第2页
基于集合经验模式分解的短期电力负荷混合算法研究与应用_第3页
基于集合经验模式分解的短期电力负荷混合算法研究与应用_第4页
基于集合经验模式分解的短期电力负荷混合算法研究与应用_第5页
资源描述:

《基于集合经验模式分解的短期电力负荷混合算法研究与应用》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、:密级分类号:為Wf研究生学位论文基于集合经验模式分解的短期电力负荷海合论文题目(中文)算法研究与应用Researchandapplicationonahybridmethod论义题目外义)-termforshortload化recastingbasedonensembleempiricalmodedecomposition研究生姓名时俊学科、专业计算机软件与理论研巧方向数据挖掘学位级别硕壬导师姓名、职称李廉教授论文工作2014年9月至20巧年5月起止年月

2、论文提交日期2015年5月论文答辩日期20巧年5月学位授予曰期一校址:甘肃省兰州市原创性声明本人郑重声明:本人所呈交的学位论文,是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人己经发表或未发表的成果、数据、观点等,。均己明确注明出处除文中己经注明引用的内容外,不包含任何其他个人或集体己经发表或撰写过的科研成果。对本文的研巧成果做出重要贡献的个人和集体,均已在文中明确方式标明。本声明的法律责任由本人承担。.-论文作者签名:日期:勺俾cW文占_令关于学位论文使用授权的声明本人在导师指导下所完成的论文及

3、相关的职务作品,知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的规定,同意学校保存或向国家有关部口或机构送交论文的纸质版和电子版,允许论文被查阅和借阅;本人授权兰州大学可W将本学位论文的全部或部分内容编入有关数据库进行检索,可W采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时一,第署名单位仍然为兰州大学。本学位论文研究内容:'^公开^可1□不宜公开,己在学位办公室办理保密申请,解密后适用本授权书。""在W上选项内选择其中一项打V(请)论文作者签名:对化导师

4、签《:-.日期〇b(?:isy日期:純基于隻合经验模式分解的短期电力负荷混合算法研究与应巧摘要电力负荷预测不仅是电力系统的基本工作,同时它也是数据挖掘领域研究的重点和热点。有效的负荷预测不仅能虛著地减少电力企业成本,而且在保障社会的正常生产和人们的日常生活前提下,使得整个社会的经济效益和社会效益得到一一定的提高。因此,电为负荷预测是件非常有意义且重要的事情。而且,随着电力工业迅猛的发展和电力企业市场化步伐的加快,同时在不断提高和改进的还有负荷预测的方法和预测精度一。近年来提供种有效的、合理的和精确的电力,负荷预测方法变

5、得越来越关键。一个复杂电力系统的所有信息由于单个线性或非线性方法,无法获取,因此一P本文提出了种新颖的短期电为负荷混合预测方法roposedmethod,该方法结合了集合经验模式分解,时间序列,灰色理论,相空间重构,最小二乘支持向量。机和粒子群优化算法首先,使用自适应的、完全由数据驱动的集合经验模式分。解方法去除原始数据中存在的噪声信号,减少噪声对预测精度的影响然后,四种典型的预测方法分别使用集合经验模式分解之后的数据,预测接下来的电力负荷数据,这四种方法包括,季节性差分回归模型SARIMA,混浊时间序列模型CHAOS,灰色模型GM(U

6、卿最小二乘支持向量机模型LSSVM。最后,将各种预测方法得到的预测值,通过赋予相关权重,且这些相关权重是由粒子群算法优化得到的,然后得到最终的预测值。最后,使用真实的电力负荷数据进行数据仿真和案例研究,数据来源于澳大利亚新南威尔±州,osedmethod。同时为了评估本文提出的混合方法Prop的有效性和性能,H种评价方法作为预测方法性能评价的准则。通过对本文鼓终预测结果的研究和分析,,并与本文所使用的四种典型预测方法相比本文提巧的混合方法Proposedmethod确实能够显著改善预测性能和提高预测精度。关键词:数据挖掘;短期电为负荷

7、预测;混合预测方法;非线性预测方法;线性预测方法;粒子群优化IResearchandapplicationonahybridmethodforshor-ttermloadfo巧castingbasedonensembleempiricalmodedecompositionAbst巧ctEciemandfreilascworeeecirssmlectritydocastingsnotonthebikofthltrcpoweytebuty,aefoc

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。