欢迎来到天天文库
浏览记录
ID:35069225
大小:2.67 MB
页数:43页
时间:2019-03-17
《基于组合预测方法的电力负荷预测研究》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、、分类号:TM715密级;么开UDC10142;单位代码:化佑3寺火驾硕击学位论文基于组合预测方法的电力负荷预测研究磯学号;2013540作者:武岩岩学科名称:运筹学与控制论2016年3月1日沈阳工业大学硕士学位论文基于组合预测方法的电力负荷预测研究ResearchonLoadForecastingBasedonCombinationMethod作者:武岩岩单位:理学院指导教师:李媛副教授单位:理学院协助指导教师:单位:单位:论文答辩日期:2016年2月26日学位授
2、予单位:沈阳工业大学独创性说明本郑重声明:所呈交的论文是我个人在^导师指导下进行的硏究工作及取得的研究成果。尽我所知,除了文中特别加标注和致谢的地方夕K论文中不包含其他人己经发表或撰写的研巧成果,也不包含为获得沈阳工业大学或其他教育机构的学位或证一书所使用过的材料。与我同工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示了谢意。.签名导.:若4日期;V/《I/关于学位论文使用授权的说明本学位论文作者和指导教师完全了解沈阳工业大学有关保留、使用学位论文的规定,即:学校有权保留
3、并向国家有关部口或机构送交论文的复印件和电子版;本人授权沈阳工业大学可,允许论文被查阅和借阅将学位论文的全部或部分内容编入有关数据库进行检索、交流,可。采用影印、缩印或其他复制手段保存论文和汇编本学位论文)(保密的论文在解密后应遵循此规定签名;日期;^摘要随着当今经济的快速发展,化石燃料为主的一次能源逐渐被耗尽及环境问题日益突出,优质的二次能源—电能在人类生活和生产中的地位越来越重要。电力系统负荷预测对保障电力部门的稳定经济运行及电网的合理规划起到了至关紧要的作用,因此高精度的负荷预测对合理高效的利用现有电
4、能具有较大的现实意义。本文在深入研究全国工业月用电量时间序列的基础上,建立了基于混沌时间序列的Elman神经网络、基于遗传算法的小波神经网络及改进变权组合预测模型。针对电力负荷数据在多重因素相互影响下呈非线性特性甚至是混沌性的问题,采用基于相空间重构的Elman神经网络方法进行全社会工业月用电量预测。利用小数据量法计算最大Lyapunov指数判别时间序列的混沌性,进而确定最优延迟时间及最佳嵌入维数进行相空间重构,以此确定Elman神经网络的拓扑结构,并将实测数据带入模型进行训练。通过对实测数据进行预测仿真,表明该模型达到了较好的预测
5、效果,验证了提出的时间序列相空间重构与Elman神经网络结合的正确性与有效性。在深入研究电力负荷数据呈现非线性和不确定性问题的基础上,提出基于遗传算法的小波神经网络预测方法,该方法将小波神经网络训练后的误差平方和作为衡量适应度函数值的依据,计算出相应个体的适应度。在此基础上,采用选择、交叉及变异等操作生成新的种群,通过迭代法找出具有最优适应度值的个体或者直至最大迭代步数。最后,将该方法优化所得的参数代入小波神经网络模型,对全国工业月用电量数据进行预测仿真,并将该模型与小波神经网络作比较,验证了本文所提方法具有良好的预测效果和更高的预
6、测精度。最后针对单一模型预测性能的优劣,提出改进的变权组合预测模型,建立基于以上两种单一模型的组合预测模型。经实测数据验证,本文所提的改进预测模型补偿了单一模型的不足,最终提高了预测效果。关键词:负荷预测,Elman神经网络,小波神经网络,遗传算法,组合预测IAbstractWiththerapiddevelopmentoftoday'seconomy,aswellastheprimaryenergywhicharemainlyfossilfuelsgraduallybeexhaustedandthecontinuousincrea
7、seofthedegreeofenvironmentpollution,thehighqualityofsecondaryenergy-electricalenergyplaysamoreandmoreimportantroleinhumanlifeandproductionstatus.Powerloadforecastingisofgreatsignificancetoensuresecurityandstableoperationofpowersystemandreasonableofpowergrid.Therefore,r
8、aisingtheprecisionofpowerloadforecastinghasgreatpracticalsignificancetoensureofreasonableandefficientuseofexistingpow
此文档下载收益归作者所有