学位论文 > 优秀研究生学位论文题录展示
基于智能优化SVM的短期负荷预测及误差修正模型研究
作 者: 张云云
导 师: 牛东晓
学 校: 华北电力大学(河北)
专 业: 技术经济及管理
关键词: 短期负荷预测 最小二乘支持向量机 动态惯性粒子群算法 GARCH误差修正模型
分类号: F224
类 型: 硕士论文
年 份: 2009年
下 载: 116次
引 用: 1次
阅 读: 论文下载
内容摘要
短期电力负荷预测研究工作,对电网调度及用电管理具有重要的学术价值和实际应用价值。本文建立了基于动态惯性粒子群优化最小二乘支持向量机的混合短期负荷预测模型,以保定供电公司的历史负荷数据为基础,在总结现有理论成果的基础上主要对支持向量机的训练算法、参数选取、核函数的构造、短期负荷特性以及误差预测模型进行研究,选择RBF核函数作为最小二乘支持向量机的核函数,并选用动态惯性粒子群优化算法对支持向量机的核参数和正则化参数进行寻优。提出了以动态惯性粒子群优化最小二乘支持向量机预测为基础的GARCH误差修正方法,对最小二乘支持向量机预测残差进行分析和预测,并修正预测结果。用提出的模型对保定市短期电力负荷进行建模预测,数据实验结果表明,模型具有优良的预测效果,可供区域电网短期负荷预测参考。
|
全文目录
摘要 4 ABSTRACT 4-8 第一章 引言 8-15 1.1 短期电力负荷预测任务及其意义 8 1.2 国内外研究动态 8-14 1.2.1 电力负荷预测研究方法 8-10 1.2.2 预测误差修正模型 10-11 1.2.3 支持向量机用于预测 11-13 1.2.4 支持向量机参数确定方法 13-14 1.3 课题研究内容 14-15 第二章 支持向量机理论介绍 15-20 2.1 支持向量机特点 15 2.2 支持向量机原理 15-16 2.3 最小二乘支持向量机(LS-SVM) 16-18 2.4 最小二乘支持向量机算法实现 18-20 第三章 负荷预测样本选择及预处理 20-32 3.1 短期负荷预测概述 20-23 3.1.1 负荷预测的特点 20-21 3.1.2 负荷预测的基本原理 21-22 3.1.3 短期负荷预测的主要评价指标 22-23 3.2 电力负荷特性分析 23-29 3.2.1 典型日负荷分析 23-26 3.2.2 负荷自身周期性 26-28 3.2.3 天气因素影响 28-29 3.3 历史数据异常检验及处理 29 3.4 样本的选择 29-30 3.5 数据归一化 30 3.6 气象数据及日期类型的量化及处理 30-32 第四章 基于动态惯性权重粒子群优化 LS-SVM 的短期负荷预测研究 32-47 4.1 粒子群优化算法 32-34 4.1.1 引言 32 4.1.2 基本算法介绍 32-33 4.1.3 改进的粒子群算法介绍 33-34 4.2 WPSO 优化LS-SVM 回归估计模型 34-36 4.2.1 WPS0-LS-SVM 逻辑框架图 34-35 4.2.2 WPS0-LS-SVM 模型步骤 35-36 4.3 基于WPSO-LS-SVM 短期负荷预测 36-46 4.3.1 预测步骤 36 4.3.2 保定电网负荷预测算例分析 36-46 4.3.2.1 前期处理 36-38 4.3.2.2 粒子群参数设置 38-39 4.3.2.3 输入输出特征的选择 39-40 4.3.2.4 LS-SVM 核函数的选取 40-42 4.3.2.5 普通粒子群和动态惯性权重粒子群对比试验 42-43 4.3.2.6 神经网络和支持向量机对比试验 43-44 4.3.2.7 结果 44-46 4.4 结论 46-47 第五章 基于 WPSO-LS-SVM 混合预测模型的 GARCH 误差修正方法研究 47-53 5.1 引言 47 5.2 GARCH 模型介绍 47-48 5.3 基于GARCH 误差修正的保定电网短期负荷预测 48-52 5.3.1 误差分析 48 5.3.2 误差预测建模 48-50 5.3.3 误差预测 50-51 5.3.4 负荷预测及修正 51-52 5.4 结论 52-53 第六章 总结与展望 53-55 6.1 本文总结 53 6.2 未来工作展望 53-55 参考文献 55-60 致谢 60-61 攻读硕士学位期间发表论文 61-63 攻读硕士学位期间参与课题研究 63
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于人工神经网络的电网日负荷预测研究,TM715
- 基于支持向量回归在短期负荷预测中的应用,TM715
- 基于支持向量机的能源管理系统短期负荷预测,TM715
- 基于EMD和高斯过程回归组合模型的短期电力负荷预测方法研究,TM715
- 基于决策树的短期负荷预测系统研究与实现,TM715
- 基于支持向量回归建模方法的短期电力负荷预测研究,TM715
- 基于LS-SVM的入侵检测,TP393.08
- 湿法冶金铜萃取组分含量软测量方法研究,TF811
- 加热炉钢坯温度建模及过程模拟,TP391.9
- 某地区电网短期负荷预测研究,TM715
- 大孤山选矿厂电能信息采集及短期负荷预测的研究,TM715
- 微网短期负荷预测中的白噪声分离,TM715
- 基于LS-SVM的开关磁阻电动机调速系统研究,TM352
- 电力负荷管理系统中的短期负荷预测技术的研究,TM715
- 300MW燃煤锅炉一次风优化研究,TK227.1
- 基于SIS数据的过热汽温模型参数的辨识,N945.12
- 砷盐净化除铜过程铜离子浓度预测模型的研究及应用,TP18
- 基于BP人工神经网络的电力短期负荷预测,TP183
- 基于超短期负荷预测的智能备自投在线投退系统,TM762
中图分类: > 经济 > 经济计划与管理 > 经济计算、经济数学方法 > 经济数学方法
© 2012 www.xueweilunwen.com
|