学位论文 > 优秀研究生学位论文题录展示

基于智能方法的电力系统负荷预测模型及其应用研究

作　者: 刘晓娟
导　师: 方建安
学　校: 东华大学
专　业: 控制理论与控制工程
关键词: 负荷预测模糊时间序列模糊回归离散灰色模型最优化理论模糊多目标规划
分类号: TM715
类　型: 博士论文
年　份: 2014年
下　载: 184次
引　用: 0次
阅　读: 论文下载

内容摘要

电力系统负荷预测是能量管理系统和配电管理系统的重要部分,是实现自动发电控制和经济调度控制的前提,它涉及电力系统规划与设计,电力系统运行的经济性、安全性、可靠性和稳定性等。随着电力系统的不断发展和电网管理的日趋现代化、复杂化,电力系统负荷预测问题的研究引起人们广泛的关注。准确的电力负荷预测可以合理地安排电网内部发电机组的运行,保持电网运行的安全稳定性；可以合理的安排机组检修计划,保证社会的正常生产和人民的正常生活；可以决定新装机容量的大小与电网的调度控制,有效的降低发电成本,提高经济效益和社会效益。因此,电力系统负荷预测成为现代电力系统运行和管理中的一个重要研究课题和现代电力系统科学中的一个重要领域。本文主要利用模糊数学、模糊时间序列、灰色系统理论、模糊多目标最优规划等智能方法,对电力系统负荷预测的模型与算法进行了应用研究。首先给出了基于模糊时间序列的基本预测模型与算法,并考虑到负荷自身变化的特点以及温度等综合因素对电力负荷的影响,对该预测模型进行了优化修正；其次基于稳健统计理论和模糊回归的思想,研究了稳健回归预测算法和稳健模糊回归预测算法；第三在离散灰色预测模型的基础上结合模糊多目标规划理论,研究了模糊离散灰色区间预测模型与算法；最后利用遗传算法和Pareto最优化理论来搜索和确定参数的最优区间,给出了基于多目标优化的模糊时间预测算法。针对不同的模型和算法,通过具体算例对不同预测模型与算法的预测结果进行了分析比较。论文的主要研究内容和创新点如下：(1)基于模糊时间序列的预测模型与算法研究。在模糊时间序列基本理论框架下,将模糊时间序列预测模型应用到电力系统负荷预测中来。首先对历史负荷数据进行必要的预处理,以检测和平滑异常数据,其次考虑到电力负荷自身的特征以及影响负荷预测的重要因素,分别引入温度影响因子、负荷变化影响因子及综合影响因素作为权重因子,提出了时变-模糊时间序列预测算法和基于最高温度修正的最大负荷预测算法。最后通过两个数值算例,说明了我们提出的考虑因素分析的模糊时间序列预测算法具有较高的预测精度和较大的有效性和普遍适应性。(2)基于稳健模糊回归的预测模型与算法研究。利用稳健统计和模糊回归的基本理论,研究了基于稳健估计的稳健回归预测算法和基于Tanaka’s体系下的稳健模糊回归预测模型。该稳健回归预测算法通过函数的选择以及反复迭代减弱异常数值对回归方程的不利影响,增强回归方程的稳健性；而稳健模糊回归预测模型,借助于误差评价指标以及Tanaka’s的模糊回归方法,研究并提出了一稳健模糊回归预测模型来预测模糊区间,通过一系列参数的优化和转化得到非线性模型。最后的两个算例,通过与传统算法和模型的比较,可以明显看出,我们提出的稳健算法和稳健模糊模型都能够有效降低异常数据对预测结果的影响,并且具有较好的稳定性。(3)基于模糊离散灰色理论的区间预测模型研究。在离散灰色预测模型的基础上,结合模糊多目标最优化理论,研究并提出了基于离散灰色模型的模糊多目标区间预测模型。针对输入变量是精确数和模糊数,分别给出了不同的区间预测算法。并将本文的预测结果和现有文献中的模糊线性回归区间预测、灰色模糊区间预测结果进行比较,精确度更高；最后将该模型和算法应用于电力系统负荷区间预测,得到了更一般的预测结果,说明我们提出的模型和算法具有较广泛的适应性。(4)基于多目标优化的模糊时间序列预测模型与算法研究。针对预测区间的划分是影响模糊时间序列预测精度的主要因素之一,首先定义和划分带有参数的预测区间,利用遗传算法搜索最优预测区间的长度并进行最优化参数的筛选和初始参数的选择,并借助于Pareto最优化理论识别最优解,提出了时变-基于比率的多目标最优化模糊时间序列预测模型和时不变-多目标最优化模糊时间序列预测模型,并将该模型和算法分别应用于Alabama大学入学率的预测,同已有文献相比,得到了较好的预测结果。最后,将我们提出的预测模型和算法应用于上海市用电量的长期预测,得到了更一般的预测结果,说明我们提出的预测模型和算法的有效性和适应性。

全文目录

摘要  5-9
ABSTRACT  9-14
第一章绪论  14-28
  1.1 研究背景及意义  14-15
    1.1.1 研究背景  14
    1.1.2 研究意义  14-15
  1.2 国内外预测模型与算法研究现状  15-23
    1.2.1 经典或传统预测模型与方法  16-19
    1.2.2 人工智能和计算智能预测方法  19-23
  1.3 电力系统负荷预测问题分析  23-24
    1.3.1 电力系统负荷的特点  23
    1.3.2 影响电力系统负荷预测主要因素  23-24
    1.3.3 预测效果评价标准  24
  1.4 论文的主要研究工作和创新点  24-26
  1.5 论文的结构安排  26-28
第二章电力负荷预测的模糊时间序列方法  28-44
  2.1 引言  28-29
  2.2 模糊时间序列基本概念  29-30
  2.3 模糊时间序列预测算法  30-35
    2.3.1 模糊时间序列预测框架  30-31
    2.3.2 考虑综合因素的时变模糊时间预测算法  31-34
    2.3.3 考虑温度因素的模糊时间序列预测算法  34-35
  2.4 算例及分析  35-42
    2.4.1 数值算例1  35-38
    2.4.2 数值算例2  38-42
  2.5 本章小结  42-44
第三章电力负荷预测的稳健模糊回归方法  44-58
  3.1 引言  44-45
  3.2 稳健模糊回归的基本概念  45-48
    3.2.1 稳健估计  45-47
    3.2.2 模糊回归  47-48
  3.3 稳健模糊回归预测算法  48-50
    3.3.1 稳健回归预测算法  48-49
    3.3.2 稳健模糊回归预测算法  49-50
  3.4 算例及分析  50-56
    3.4.1 数值算例1  50-53
    3.4.2 数值算例2  53-56
  3.5 本章小结  56-58
第四章电力负荷预测的模糊离散灰色模型  58-70
  4.1 引言  58
  4.2 灰色预测基本理论  58-62
    4.2.1 离散灰色模型的基本概念和性质  58-59
    4.2.2 灰色预测模型建模机理与基本步骤  59-60
    4.2.3 模糊多目标规划理论  60-62
  4.3 基于DGM的模糊多目标预测模型  62-63
  4.4 算例及分析  63-68
    4.4.1 数值算例1  63-67
    4.4.2 数值算例2  67-68
  4.5 本章小结  68-70
第五章基于多目标优化的电力负荷预测的模糊时间序列模型  70-90
  5.1 引言  70
  5.2 多目标最优化理论简介  70-73
  5.3 基于多目标优化的模糊时间序列预测模型  73-78
    5.3.1 时不变-多目标优化模糊时间序列预测模型  74-77
    5.3.2 时变-多目标优化模糊时间序列预测模型  77-78
  5.4 算例及分析  78-89
    5.4.1 数值算例1  78-86
    5.4.2 数值算例2  86-89
  5.5 本章小结  89-90
第六章总结与展望  90-94
  6.1 研究成果总结  90-91
  6.2 研究前景展望  91-94
参考文献  94-110
攻读博士学位期间发表和完成的论文  110-111
致谢  111

基于智能方法的电力系统负荷预测模型及其应用研究

内容摘要

全文目录

相似论文