基于数据挖掘技术的短期负荷预测

《基于数据挖掘技术的短期负荷预测》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、４密级：公开学校代码：１０００ＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ＾硕±学位论文，進Ｉ野Ｉ基于数据挖掘技术的短期负荷预测Ｉ作者姓名毕圣對巧业帛记ＳＭ指导教师王小君副教授一＞培养院系电气工程学院货，巧＇：ｆｃｒ－一巧巧见１ＦＴＪＮ户＾ｎｙｆｅ二零一年云月＇詞如交４乂＃硕壬学位论文基于数据挖掘技术的短期负荷预测Ｓｈｏｒ－ｔｔｅｒｍＬｏａｄＦｏｒｅｃａｓｔｉｎｂａｓｅｄｏｎＤａｔａＭｉｎｉｎＴｅｃｈｎｏｌ

2、ｏｇｇｇｙ作者：毕圣导师：王小君北京交通大学２０１６年３月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可＾心将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编Ｗ供査阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可Ｗ为存在馆际合作关系的兄弟离校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字曰期

3、：萨＾月是签字曰期：：学校代码：１０００４密级公开北京交通大学硕±学位论文基于数据挖掘技术的短期负荷预测－ｎＳｈｏｒｔｔ；ｅｒｍＬｏａｄＦｏｒｅｃａｓｔｉｂａｓｅｄｏｎＤａｔａＭｉｎｉｎＴｅｃｈｎｏｌｏｇｇｇｙ作者姓名：毕圣学号：１３１２１３８５导师姓名：王小君职称：副教授学位类别；工学学位级别：硕±；学科专业：电气工程研究方向短期负荷预测北京交通大学２０１６年３月１致谢、指导下完成的本论文的工作是在我的导师王小君教授的悉屯，王小君教授严谨的治学态

4、度和科学的工作方法给了我极大的帮肋和影响。在此衷也感谢两年来王小君老师对我的关必和指导。王小君教授悉也指导我们完成了实验室的科研工作，在学习上和生活上都给予了我很；的关也和帮助，在此向王小君老师表示衷也的谢意。＾王小君老师、和敬涵老师、张沛老师、张大海老师、罗国敏老师、叶豪东老师对于我的科研工作和论文都提出了许多宝贵的意见、，在此衷屯的表示感谢。在实验室工作及撰写论文期间，李智诚博±，李长城博±对我论文中的研巧工作给予了热情的帮助，在此向他们表达我的感谢之情。另外也感谢我的父母和妻子，他们的理解和支持使我

5、能够在学校专也的完成我的学业。巧ｉ？摘要电力系统负荷预测是电网制定发电计划和电力系统发展规划的基础，也是电力系统安全运行的重要依据。随着电力改革的推进，价格竞争机制的引进对电力系统负荷预测提出了更髙的要求。负荷预测有着长久的历史和成熟的负荷预测的理论及方法，但是有必要对现有的负荷预测方法加改进提高负荷预测的精度，进而满足电网对负荷预测精度的要求。随着用电信息采集系统的广泛建立，使得我们能够从用户侧采集大量的历史负荷数据，这些数据为我们在负荷预测这个场景应用新的预测手段和方法提供了基

6、础。与Ｗ往传统的负荷预测建立在应用小规模数据的基础上不同，新的大量数据积累使得我们可Ｗ在应用规模庞大的历史数据针对不同巧户进行负荷特征分析的基础上进而进行负荷预测。本文提出了基于一种基于数据挖掘技术和支持向量机的负荷预测方法，该方法在基于现有大量历史数据的基础上提出了支持向量机预测模型样本选取的新颖思路。首先采用层次聚类法对历史日负荷进行聚类分析，利用层次聚类得到的分类结果Ｌ义及历史天气、星期类型、节假日类型等数据建立决策树，然后根据待预测曰的属性在己建立的决策树中査询得到历史相似日并输入支持向量机建立预测

7、。模型，利用得到的支持向量机预测模型对待预测日的负荷进行预测本文中验证新方法所用数据均为浙江省某地级市的历史负荷数据和历史天气数据。文中用新提出的方法对浙江省某地区的日９６点负荷进行预测，并将该算法预测结果与传统的支持向量机算法预测结果进行比较，本文提出的方法解决了传统基于支持向量机建立模型训练时日期选取不能准确反映待预测日特征的问题，故本算法预测结果具有更高预测精度。基于将母线负荷预测结果累加可消减预测误差的原理，本文提出针对地区负荷将各母线负荷单独预测，结果进行累加，进而消减预测误差，提商预测精度，

8、同时文中也对基于母线负荷的综合负荷预測的优势及消减误差的原理进行了介绍。：关键词聚类；决策树；数据挖掘技术；＾持向Ｓ化；负荷特性分析；母线负荷预测；短期负荷预测ＶＡｂｓｔｒａｃｔＡＢ