学位论文 > 优秀研究生学位论文题录展示
基于负荷密度指标法的配电网空间负荷预测方法研究
作 者: 孙威
导 师: 周湶
学 校: 重庆大学
专 业: 电气工程
关键词: 空间负荷预测 负荷密度指标法 支持向量机 自适应神经模糊系统
分类号: TM715
类 型: 硕士论文
年 份: 2010年
下 载: 162次
引 用: 0次
阅 读: 论文下载
内容摘要
负荷预测是配电网规划的重要组成部分,也是配电网规划的前提和基础,其准确性直接关系到规划方案的优劣。负荷预测包含负荷总量预测和空间负荷预测,它们对合理地进行配电网规划具有重要的指导意义。本文对目前国内外重点研究的两种配电网空间负荷预测方法(用地仿真法和负荷密度指标法)的特点和应用场合等进行比较,在详细分析了空间负荷预测的相关因素的基础上,阐述了负荷密度指标法在我国的适用性和实用性,并总结了其在工程实践中的关键和难点。针对传统方法在求取负荷密度指标时通常采用经验法或简单类比法、难以满足精度要求等不足,本文提出了基于最小二乘支持向量机(LS-SVM)的配电网空间负荷预测方法。在求取负荷密度指标过程中,先引入FCM算法把各类用地性质负荷聚类为几个等级,建立比较精细的负荷密度指标体系;然后在体系中选出与预测样本特征更为相似的样本进行训练,提高LS-SVM模型的泛化能力和预测精度;最后采用遗传算法(GA)对LS-SVM预测模型的参数进行自动优化,进一步提高了预测模型的适应性和预测精度。在计算规划区总量负荷过程中,为了避免求取同时率的麻烦,提出了采用智能预测方法对规划区的总量负荷进行预测,增强了空间负荷预测的合理性和科学性。鉴于传统的负荷密度指标求取方法没有侧重去寻求负荷密度与其各影响因素之间的内在复杂的非线性函数关系,也没有考虑各影响因素在预测中的权重和影响程度,本文进一步提出了一种基于自适应神经模糊系统(ANFIS)的负荷密度指标求取新方法。该方法首先用熵权法对影响因素的输入值进行加权处理,然后运用Fletcher-Reeves共轭梯度法改进ANFIS默认的混合学习算法,建立改进型ANFIS预测模型来求取负荷密度,克服了传统方法输出结果不可量化和精度不高等缺点。最后通过一个实例验证了该方法的实用性和有效性。
|
全文目录
中文摘要 3-4 英文摘要 4-9 1 绪论 9-18 1.1 配电网规划中的负荷预测的内容和意义 9-10 1.2 配电网规划中负荷预测研究现状 10-16 1.2.1 总量负荷预测研究现状 10-14 1.2.2 空间负荷预测研究现状 14-16 1.3 本文的主要研究内容 16-18 2 配电网空间负荷预测 18-30 2.1 引言 18 2.2 配电网空间负荷预测的分类 18-20 2.2.1 自上而下的方法:用地仿真法 18-19 2.2.2 自下而上的方法:负荷密度指标法 19-20 2.3 配电网空间负荷预测相关因素分析 20-26 2.3.1 小区划分方式 20-21 2.3.2 小区面积 21-22 2.3.3 同时率和负荷曲线 22-23 2.3.4 小区用地类型分类 23-24 2.3.5 小区负荷增长特性 24-25 2.3.6 饱和负荷密度指标 25 2.3.7 城市规划 25-26 2.4 负荷密度指标法的关键和难点分析 26-28 2.4.1 负荷密度指标的求取 27-28 2.4.2 同时率的确定 28 2.5 本章小结 28-30 3 基于 LS-SVM 和负荷密度指标法的空间负荷预测 30-46 3.1 引言 30 3.2 支持向量机在空间负荷预测中的应用 30-35 3.2.1 支持向量机 31-32 3.2.2 最小二乘支持向量机 32-35 3.2.3 支持向量机在空间负荷预测中的应用 35 3.3 模糊C-均值算法(FCM)在空间负荷预测中的应用 35-38 3.3.1 聚类分析方法 35-36 3.3.2 模糊C-均值算法(FCM) 36-37 3.3.3 FCM 在空间负荷预测中的应用 37-38 3.4 遗传算法在空间负荷预测中的应用 38-39 3.4.1 遗传算法(GA) 38 3.4.2 遗传算法在空间负荷预测中的应用 38-39 3.5 基于LS-SVM 和负荷密度指标法的空间负荷预测的基本步骤 39-43 3.5.1 建立负荷密度指标体系 39-41 3.5.2 划分小区 41 3.5.3 选择LS-SVM 模型的训练样本 41 3.5.4 预测待预测地块的负荷密度 41-42 3.5.5 负荷总量和空间分布预测 42 3.5.6 空间负荷预测的总体流程 42-43 3.6 算例分析 43-45 3.7 本章小结 45-46 4 基于自适应神经模糊系统的负荷密度指标求取方法 46-59 4.1 引言 46 4.2 熵权法基本理论 46-48 4.2.1 熵的定义 46 4.2.2 熵权法 46-48 4.2.3 熵权理论在负荷密度指标求取中的应用 48 4.3 自适应神经模糊推理系统 48-52 4.3.1 ANFIS 的结构 48-49 4.3.2 ANFIS 的学习算法 49-52 4.3.3 ANFIS 在负荷密度指标求取中的应用 52 4.4 基于ANFIS 的负荷密度指标求取新方法的步骤 52-54 4.4.1 负荷密度指标体系的建立 52-53 4.4.2 利用熵权法确定影响因素的权重 53 4.4.3 利用ANFIS 预测待预测地块的负荷密度 53-54 4.4.4 基于改进型ANFIS 的负荷密度指标求取新方法的总体流程 54 4.5 算例分析 54-56 4.6 两种方法比较 56-57 4.7 本章小结 57-59 5 结论与展望 59-61 5.1 结论 59 5.2 展望 59-61 致谢 61-62 参考文献 62-68 附录 68 A. 作者在攻读硕士学位期间发表的论文目录 68 B. 作者在攻读硕士学位期间参与的科研项目目录 68
|
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SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于机器学习的入侵检测系统研究,TP393.08
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
- 城市污水处理厂中A~2O工艺过程的建模研究,X703
中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 理论与分析 > 电力系统规划
© 2012 www.xueweilunwen.com
|