短期电力负荷预测技术研究

论文摘要

短期电力负荷预测是负荷预测的重要组成部分,它对于经济调度、机组最优组合、最优潮流、电力市场交易等都有重要的意义。引入电力市场竞争机制后,各电力部门都要求制定经济合理的实时电价模型,它对于负荷预测的快速性和准确性提出了更高要求。对当前国内外短期负荷预测的研究状况进行了仔细的研究分析,对应用的各种方法原理从本质上进行深入分析和介绍,说明负荷预测研究的必要性和重要意义。针对单一预测方法的不足,并考虑小波变换的强大分解和重构功能,AR模型对于线性时间序列的预测简单以及神经网络的自学习、非线性等优点,提出一种基于小波变换,线性AR模型和RBF神经网络的短期负荷预测方法,给出详细的预测建模过程。阐述了小波变换的基本原理和Mallat快速小波算法的分解和重构过程,根据不同小波基的性质和特点,选取DB4小波作为正交小波基对负荷序列进行4尺度分解,分别得到高频和低频序列。分析线性时间序列模型在预测建模过程中的应用,针对低频序列的周期性特点,进行线性模型确定和定阶,选取AR模型对低频序列进行建模和预测,得到低频序列的预测数据。介绍神经网络的当前发展趋势,网络结构和基本原理,选取基于高斯核的径向基函数(RBF)神经网络对于随机性比较强的高频序列进行建模,给出模型的参数确定以及初始化方法,采用梯度下降法对权重进行迭代调整,进行完整的网络训练过程,分别得到高频序列的预测数据。最后对不同的预测值进行小波重构,得到完整的负荷预测曲线。使用该方法,对大连理工大学变电站历史负荷进行建模预测,证明该方法提高了预测精度,相比单一预测方法,具有较好的预测效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 负荷预测技术的发展
• 1.2.1 预测模型的发展
• 1.2.2 负荷影响因素的研究
• 1.2.3 智能技术的应用
• 1.3 论文的主要内容
• 1.3.1 论文的主要研究成果
• 1.3.2 论文的章节安排
• 2 小波变换在负荷预测中的应用
• 2.1 小波变换理论
• 2.1.1 小波变换原理
• 2.1.2 多分辨率分析和双尺度方程
• 2.1.3 Mallat算法
• 2.2 负荷序列的小波基选取
• 2.2.1 小波基函数性质
• 2.2.2 针对负荷序列的小波基选取
• 2.3 负荷序列的预测建模
• 2.4 本章小结
• 3 时间序列分析在负荷预测中的应用
• 3.1 线性时间序列模型
• 3.2 模型结构识别与定阶方法
• 3.2.1 自相关函数和偏相关函数
• 3.2.2 模型识别与定阶
• 3.2.3 模型参数估计
• 3.3 低频序列的时间序列法预测
• 3.4 本章小结
• 4 人工神经网络在负荷预测中的应用
• 4.1 神经网络的基本原理
• 4.1.1 径向基函数神经网络的构成
• 4.1.2 基于高斯核的径向基网络
• 4.2 基于高斯核的网络训练
• 4.2.1 参数确定与初始化
• 4.2.2 计算输出值
• 4.2.3 权重参数的迭代计算
• 4.3 高频序列的神经网络预测
• 4.4 本章小结
• 5 算例分析
• 5.1 负荷数据小波分解
• 5.2 各尺度域预测
• 5.3 结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 附录A 预测日96点数据预测结果
• 攻读硕士学位期间发表学术论文情况
• 致谢