短期负荷预测的混沌预报理论及经济性影响

《短期负荷预测的混沌预报理论及经济性影响》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、上海交通大学硕士学位论文短期负荷预测的混沌预报理论及误差经济性影响摘要负荷预测在电力系统中具有十分重要的作用。准确的负荷预测，有助于经济合理地安排电网发电机组的启停，保持电网的安全稳定性，减少不必要的旋转储备容量，保证社会的正常生产和生活，提高经济效益和社会效益。本文就混沌理论及其预测技术在负荷预测中的应用进行了十分深入的研究和分析，同时也分析了由于负荷预测的误差所带来的经济性影响。研究工作主要包括以下几个方面：1．阐述短期负荷预测的意义和常规的负荷预测方法；2．介绍了混沌理论的发展、应用现状和混沌基本理论；3．研究了上海电网负荷的特征，分别从

2、上海电网负荷序列和完全随机序列的庞加莱截面图、二维、三维相空间重构图、最大李亚普诺夫指数证明了上海电网负荷确实存在混沌行为；4．介绍了混沌局域预测法和关联度局域预测法，并将预测结果与采用传统的时间序列法预测的结果进行了比较，经过多天连续预测的结果表明局域预测法的预测效果比时间序列预测法的预测效果要好；5．介绍了混沌神经元网络预测法，并将预测结果与普通神经元网络预测法预测的结果进行了比较，说明了混沌神经元网络预测法的上海交通，k学硕士学位论文短期负荷预测的混沌预报理论及误差经济性影响预测效果比普通神经元网络预测法的预测效果要好；6．计算了由于负荷

3、预测的误差所带来的经济性影响。通过分别计算根据实际负荷和预测负荷在次日机组竞价上网模型中的购电成本表明，预测负荷偏低时所产生的经济损失比当预测负荷偏高相同程度时所造成的经济损失要大。关键词负荷预测，混沌，神经元网络，电力市场，局域预测法上海交通大学硕士学位论文短期负荷预测的混沌预报理论及误差经济性影响CHAOSFORECASTTHEoRYANDERRORECoNoMICIMPACTOFSHoRTTERMLoADFORECASTABSTRACTLoadforecastplaysaveryimportantroleinpowersystems．Ac

4、curateloadforecasthelpstomakeaneconomicandproperunitcommitmentplan，keepthesecurityandstabilityofpowernetwork,reduceunnecessaryspinningreserve，ensurethenormalproductionandlifeofthesocietyandbringeconomicandsocialbenefits．Thisthesismadeaverydeepresearchandanalysisofchaostheory

5、andtheapplicationofitsforecasttechnologyinloadforecast．Atthesametime，wecomputedtheeconomicimpactcausedbyloadforecasterror．OurresearchworkiSasfollows1．Weexpoundthesignificanceofloadforecastandtraditionalforecastmethods．2．Weintroducedthedevelopmentandthenowadaysapplicationofch

6、aostheoryandmadearesearchonthebasicchaostheory3．WemadeananalysisonthecharacteristicsofloadofShanghaiPowerNetwork(SPN)．FromthePoincarsectionfiguresandthetwodimensionandthreedimensionreconstructionfiguresinphasespace3上海交通大学硕士学位论文短期负荷预测的混沌预报理论及误差经济性影响ofloadseriesofSPNandallabso

7、lutestochasticseries，weprovedthatchaosphenomenaexistintheloadofSPN．4．Weintroducedthechaoslocalforecastmethodandtheimprovedlocalforecastmethod．Andwecomparedtheforecastresultsusingtheabovemethodwiththatusingtimeseriesforecastmethod．Theforecastresultsofseveralconsecutivedayssho

8、wthattheforecastprecisionusinglocalforecastmethodisbeRerthatusingtimeseries