基于小波变换的日负荷预测方法研究

论文摘要

电力系统日负荷预测是电网稳定和安全运行的重要依据,对改善电网的供电质量,节约国家能源、降低发电企业的成本有重要意义。负荷预测结果的精度受到两个方面的影响:一是历史负荷数据的处理,二是预测模型的建立。原始负荷数据的处理目的在于对历史数据进行查漏补缺、去伪存真。预测模型的选取是根据数据序列的特点选择相适应的数学方法。因此,负荷预测工作一方面需要考虑历史负荷数据的处理,另一方面还要考虑预测模型的选择。历史数据的处理包括异常数据的处理和数据延拓两个方面,本文结合历史负荷数据的特点,对历史数据中的异常数据进行了分类,并给出了相应的查找和处理方法;针对小波变换的边界效应,通过分析历史数据延拓的常用方法,本文采用差分补偿数据延拓方法进行数据延拓。预测模型是建立在历史负荷的变化规律的基础上的,历史负荷的规律性越明显,预测结果越精确。小波变换（wavelet transform）是一种时域-频域分析方法,在时域和频域上同时具有良好的局部化性质,能将时间序列分解成频率不相同、能量相对集中、规律性比原负荷序列更明显的子序列,基于小波变换子序列建立的预测模型可以更有效地提高负荷预测的精度。本文对小波变换方法进行详细的分析,通过比较选取Mallat算法对序列进行分解和重构,并给出了小波函数以及分解尺度的选取方法。历史负荷序列是一个时间序列,本文选取为时间序列模型作为负荷预测模型,给出了几种常用的时间序列模型及模型识别、参数估计和模型的校验方法。本文最后设计开发了日负荷预测软件系统,介绍了软件的系统结构、功能模块及软件的特点,并通过实例对算法的误差进行了分析,证明了本文算法的有效性和实用性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景及意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 2 历史负荷数据的处理
• 2.1 引言
• 2.2 异常数据的处理
• 2.3 历史数据的延拓
• 2.4 本章小结
• 3 小波变换理论
• 3.1 引言
• 3.2 小波变换的基础知识
• 3.3 小波函数的选取
• 3.4 分解尺度的选取
• 3.5 本章小结
• 4 负荷预测模型
• 4.1 引言
• 4.2 负荷预测的时间序列模型
• 4.3 模型识别与参数估计
• 4.4 模型的检验
• 4.5 本章小结
• 5 负荷预测软件设计与应用实例
• 5.1 引言
• 5.2 软件的系统结构
• 5.3 软件的功能模块
• 5.4 软件的特点
• 5.5 软件应用实例
• 5.6 误差分析
• 5.7 本章小结
• 6 结论
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 附录1 攻读硕士学位期间发表的学术论文