基于多时间尺度分析的电力负荷预测研究

发布时间：2020-11-01 19:48

　　 短时电力负荷的准确预测在电网规划的技术层面和经济方面具有重要意义。本文基于近年来较流行的机器学习算法对短时电力负荷预测进行深入的研究:针对电力历史负荷的数据波动特点进行多时间尺度分析;根据静态和动态神经网络模型特点,在小波包分解的基础上,通过分析精度高、泛化能力强且适于处理时序数据的WNN、RBFNN、ENN和NAR神经网络模型,建立了基于GA遗传算法的组合模型和NAR回归型动态神经网络模型;为验证所提出理论的有效性,本文选择利用美国PJM区域2016.12.1~2017.11.30的小时电力负荷数据进行预测比较分析,另外选择澳大利亚新南威尔士州2016.12.1~2017.11.30的小时电力负荷数据证明本论文所提出模型的适用性。本论文主要有以下几个方面的研究内容和结果:第一,根据美国PJM电力负荷数据特点,利用复小波分析理论进行多时间尺度分析。结果表明:非平稳的负荷时序中的存在4种变化周期,分别是以52天、33天、17天和7天为变化趋势;第二,由第一部分负荷多时间尺度分析的结果,以第一主周期52天的数据为例,建立基于GA的组合预测模型和NAR神经网络预测模型。第三,基于所提出的预测分析模型,以2017.12.01~2017.12.31的数据进行预测分析,并由实际发生的负荷数据进行验证。结果表明:PJM区域基于GA的组合模型和NAR神经网络预测模型的R值均为0.976,SMAPE分别为1.4%和1.7%;新南威尔士州基于GA的组合模型和NAR神经网络预测模型的R值分别为0.973和0.979,SMAPE分别为1.4%和1.8%。有效的短时电力负荷预测对于制定合理的电网规划和保证电网系统的稳定运行提供理论支持。在时序预测分析方面,本研究的结果表明,本文所提出的基于多时间尺度分析和GA的组合预测模型与NAR神经网络模型对负荷数据预测均具有较高精度。
【学位单位】：兰州大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F224;F416.61
【文章目录】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意义
    1.2 研究内容和国内外研究现状
        1.2.1 研究内容和方法
        1.2.2 国内外研究现状
    1.3 课题研究和技术路线
第二章 电力负荷分析的理论
    2.1 基于MATLAB的数据预处理方法
        2.1.1 数据的归一化处理
        2.1.2 小波包分解
    2.2 多时间尺度分析
        2.2.1 多时间尺度分析理论
        2.2.2 复Morlet小波理论
    2.3 基于神经网络的预测模型
        2.3.1 Wavelet神经网络
        2.3.2 RBF神经网络
        2.3.3 Elman神经网络模型
        2.3.4 NAR神经网络
    2.4 基于遗传算法的组合模型
    2.5 模型评价指标
    2.6 本章小结
第三章 电力负荷数据周期分析
    3.1 电力负荷的多时间尺度分析
    3.2 复Morlet小波分析
    3.3 周期尺度划分
第四章 电力负荷数据预测分析
    4.1 预测模型的数据预处理
        4.1.1 基于小波包的数据预处理
        4.1.2 基于神经网络的数据选取
    4.2 预测结果分析
        4.2.1 Elman神经网络分析结果
        4.2.2 RBF神经网络分析结果
        4.2.3 Wavelet神经网络分析结果
        4.2.4 NAR神经网络分析结果
    4.3 预测模型对比分析
        4.3.1 单一神经网络模型和组合模型对比分析
        4.3.2 NAR神经网络模型与组合模型对比分析
    4.4 数值预测与验证分析
    4.5 模型适用性分析
    4.6 本章小结
第五章 结论和展望
    5.1 结论和创新点
    5.2 研究展望
参考文献
致谢

【参考文献】

相关期刊论文 前9条

1 方仍存;周建中;张勇传;李清清;刘力;;基于粒子群优化的非线性灰色Bernoulli模型在中长期负荷预测中的应用[J];电网技术;2008年12期

2 蔡琼;陈萍;;灰色GM(1,1)模型及其在电力负荷预测中的应用[J];自动化技术与应用;2006年03期

3 康重庆,夏清,胡左浩,张伯明;电力市场中预测问题的新内涵[J];电力系统自动化;2004年18期

4 康重庆,夏清,张伯明;电力系统负荷预测研究综述与发展方向的探讨[J];电力系统自动化;2004年17期

5 王吉权,赵玉林;组合预测法在电力负荷预测中应用[J];电力自动化设备;2004年08期

6 游仕洪,程浩忠,谢宏,郭文铸,卢金滇;模糊组合预测在中长期负荷预测中的应用[J];电力系统及其自动化学报;2004年03期

7 赵剑剑,张步涵,程时杰,陆俭;一种基于径向基函数的短期负荷预测方法[J];电网技术;2003年06期

8 刘双,杨丽徙,王志刚,贾德峰,陈根永;基于Matlab神经网络工具箱的电力负荷组合预测模型[J];电力自动化设备;2003年03期

9 康重庆,夏清,沈瑜,相年德;电力系统负荷预测的综合模型[J];清华大学学报(自然科学版);1999年01期

相关硕士学位论文 前6条

1 尹立;基于支持向量机的某区域电网电力需求的预测研究[D];北京交通大学;2014年

2 原媛;电力负荷特性分析及中长期负荷预测方法研究[D];上海交通大学;2008年

3 吕婵;基于BP神经网络的短期负荷预测[D];华中科技大学;2007年

4 任丽娜;基于Elman神经网络的中期电力负荷预测模型研究[D];兰州理工大学;2007年

5 王白玲;电力负荷组合预测的理论方法及影响因素分析[D];华北电力大学（北京）;2005年

6 梁亚丽;中国电力需求周期波动特征及影响因素研究[D];华北电力大学（北京）;2005年

本文编号：2866007