基于数据分解和esn网络的短期电力负荷预测模型

《基于数据分解和esn网络的短期电力负荷预测模型》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、学校代码10459学号201212182128密级硕士学位论文基于数据分解和ESN网络的短期电力负荷预测模型作者姓名：李莎莎导师姓名：罗勇教授学科门类：工学专业名称：控制理论与控制工程培养院系：电气工程学院完成时间：2015年5月AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterShort-termLoadForecastingModelofcombineddatadecompositionandESNBy:ShashaLiSupervis

2、or:Prof.YongLuoControlTheoryandControlEngineeringSchoolofElectricalEngineeringMay2015学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均己在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者：冬日期：Tt�/r年七月日学位论文使用授权声明本

3、人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索，可以釆用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。学位论文作者：峰多5日期：年t月Jo日摘要摘要电力负荷预测精度的

4、好坏直接关系着电力系统的稳定性，也和社会、人民生活的正常有序进行息息相关。尤其是短期电力负荷，关系着电力系统的日调度和生产计划工作。准确的短期负荷预测能够降低发电成本，节约资源，也是电力系统实现自动化管理不可或缺的。因此高精度的预测模型意义重大。本文对短期电力负荷的特性进行了分析后，提出了基于数据分解和回声状态网络（ESN）相结合的预测模型。根据电力负荷的特性，用合适的分解方法对负荷数据进行分解，挖掘出数据本身固有的内在规律特征。再针对不同的分解量分别建立ESN网络，用相应的样本训练对应的ESN网络，并

5、用训练好的网络对分量分别预测，最后累加所有分量的预测值得到最后的负荷预测值。论文首先考虑了相似日对短期负荷的影响，用模糊方法进行相似日的选取，使得训练样本更加有针对性，对预测将更加有效。接着，将数据分解到不同时间尺度上，对每一个分解量分别进行分析和预测能更准确的挖掘电力负荷数据本身具有的特性和规律。最后用一种新型的递归神经网络——ESN网络对每一个分量进行预测，可以避免传统的神经网络训练学习过程复杂、容易陷入局部极值等问题。本文在进行数据分解时用了三种分解方法：经验模态分解（EMD），平均经验模态分解（

6、EEMD），改进的局部均值分解（ILMD），对每一个分解的结果进行了分析对比。最后用三种分解方法分别和回声状态网络结合对电力负荷进行预测，对结果进行了对比和分析。由仿真结果可知：对负荷进行分解后再预测，其效果优于不分解直接进行预测；在三种分解方法与ESN网络相结合的预测模型中，ILMD与ESN网络相结合的预测模型，其预测精度和速度是最理想。关键词：短期负荷预测，回声状态网络，EMD，EEMD，ILMD，相似日筛选IAbstractAbstractThestandorfallofpowerloadfore

7、castingaccuracyhasdirectlyaffectiononthestabilityofpowersystemandsociety.Atthesametime,itcanmakesurepeople’slifeinorder.Short-termpowerloadforecastinghasrelationshipwithpowersystem’sschedulingandproductionplanning.Accurateshort-termloadforecastingcanredu

8、cecost,saveresource.Anditisalsoanintegralparttorealizeautomaticmanagementofelectricpowersystem.Soshort-timepowerloadforecastingmodelwithahighdegreeofaccuracyisofgreatsignificance.Thecharacteristicsofshort-termpowerloadarea