微电网超短期负荷预测方法及策略研究

《微电网超短期负荷预测方法及策略研究》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、辽宁工业大学硕士学位论文微电网超短期负荷预测方法及策略研究专业:电力系统及其自动化研究生:潘超指导教师:鲁宝春教授辽宁工业大学电气工程学院二〇一五年三月MasterThesisResearchonModelandStrategyofMicro-gridUltra-ShortTermLoadForecastingSpeciality:PowerSystemanditsAutomationCandidate:PANChaoSupervisor:ProfessorLUBao-chunLiaoningUniversityof

2、TechnologyJinzhou,121001,ChinaMarch2015摘要在能源紧张和环境污染问题日益严峻的今天，综合开发与有效利用新能源势在必行，而微电网建设是充分消纳新能源与优化能源结构的有效途径之一。为保证微电网高效率的经济运行，准确地负荷预测是微电网优化运行和能量管理决策的重要依据。因此，本文针对如何提高微电网中超短期负荷预测精度的问题展开研究，对微电网系统优化运行具有重要的理论意义和实用价值。针对基于误差判别的超短期负荷预测模型在微电网系统下出现预测精度降低的问题，本文基于负荷样本数据结构，提出一种

3、基于负荷样本差异度的微电网超短期负荷预测方法。该方法对超短期负荷预测模型的运行策略进行改进，运用回归分析理论定义了负荷样本差异度。在预测过程中，根据负荷样本差异度调整预测模型，使改进的预测模型自动地适应负荷变化，从而提高超短期负荷预测精度。以某海岛微电网系统下的历史负荷为数据样本，为避免异常数据的干扰，对其进行辨识、补全和去噪等相关预处理。为全面掌握影响负荷的相关因素，对微电网负荷、气象等数据进行特性分析。为验证本文所提出预测模型的可行性，运用径向基神经网络理论，建立了基于负荷样本差异度的微电网超短期负荷预测模型，并

4、进行仿真实验。仿真结果表明：与基于误差判别的预测模型相比，本文提出的基于负荷样本差异度的超短期负荷预测模型可有效地提高微电网超短期负荷预测精度。关键词：超短期负荷预测；微电网；样本差异度；径向基神经网络；回归分析IAbstractAstheenergyscarcityandenvironmentpollutionhavebeenworsened,comprehensivedevelopmentandeffectiveuseofnewenergyresourcesisimperativeunderthecircumst

5、ance.Micro-gridconstructionisoneoftheefficientpathsthatcanusenewenergysufficientlyandoptimizeenergyconstruction.Inordertomakesurethemicro-gridruneffectively,theimportantbasisofmicro-gridoptimizerunningandenergymanagementdecisionisaccurateloadforecasting.Therefo

6、re,thisthesisstudiesonthequestionthathowtoimprovetheaccuracyofamiddleorshortexceedtimeloadforecasting.Ithasimportanttheoreticalsignificantandpracticalvalueformicro-gridsystemoptimaloperation.Accordingtotheproblemofforecastingprecisionreducedbytheultra-shortterm

7、loadforecastingmodelbasedonerrorjudgmentinMicro-grid,animprovedmethodofultra-shorttermloadforecastingbasedonadifferencedegreeofloadsampleisproposedinthispaperafterexhaustiveresearchofloadsample.Basedonimprovedoperatingstrategyoftheforecastingmodelandcombinedwit

8、hregressionanalysis,adifferencedegreeofloadsampleisdefinedtoadjustforecastingmodelinordertoadapttoloadchangingautomaticallyandenhanceprecisionofforecasting.Itselectsthequart