短期電力負荷預測關鍵問題與方法的研究.pdf_第1頁
已閱讀1頁,還剩99頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、電力系統(tǒng)負荷預測是實現電力系統(tǒng)安全、經濟運行的基礎。對一個電力系統(tǒng)而言,提高電網運行的安全性和經濟性,改善電能質量,都依賴于準確的負荷預測。 在短期負荷預測中,正確認識和分析影響負荷因素對負荷的影響一直是短期負荷預測的關鍵問題。本文在充分利用氣象信息的基礎上,對影響負荷的關鍵因素進行了分析,對短期負荷預測方法進行了深入的研究,提出了一種基于對影響負荷因素進行分析的短期負荷預測方法。對影響負荷因素的研究主要包括:影響負荷因素的篩選

2、、確定性負荷影響因素的分析、不確定性負荷影響因素的分析及少數據負荷的處理等。 影響負荷因素的篩選:為明確影響負荷因素進而除去有可能對負荷預測造成不良影響的因素,提出了能夠對影響負荷因素進行篩選的方法。該方法在采用數據挖掘理論進行聚類分析基礎上,對偏最小二乘回歸分析的主成分進行有效地提取,然后通過對影響負荷因素的重要性的分析,實現對影響負荷因素的篩選。通過篩選的預測模型不僅減少了建模的工作量,而且能夠保證負荷預測的精度。

3、確定性負荷因素的分析:正確把握氣溫、天氣狀況等確定性負荷因素對負荷的影響是短期負荷預測的重點問題之一。尤其預測中會出現由于某種確定性負荷因素數值發(fā)生改變,使得負荷預測模型無法把握負荷變化趨勢的情況,進而降低預測精度。為此提出了采用結構化神經網絡進行分析的方法,通過對不同的子網絡和全結合網絡的學習,掌握不同影響負荷因素對負荷影響,依據影響負荷因素的實際情況把握負荷變化方向,在保證預測精度的基礎上,為定量研究各種因素對負荷的影響提供可行的依

4、據。 不確定性負荷因素的分析:負荷預測中除確定性影響負荷因素外,往往內含著人們并不清楚而對負荷有影響的規(guī)律性因素。針對電力負荷中存在著規(guī)律性,而影響負荷因素不能夠確定的問題,提出通過RBF神經網絡來尋找負荷變化的普遍性規(guī)律,采用模糊推理來分析負荷的峰谷值,通過兩者的結合解決對影響負荷因素不明確的預測難題。該方法發(fā)揮了神經網絡自適應和模糊推理處理不確定因素的優(yōu)勢,使預測精度得到明顯的提高。 少數據負荷的處理:對于天氣突變等

5、特殊日,由于此類負荷可供參考的歷史數據少,變化規(guī)律也不確定,如果采用常規(guī)的預測方法,預測精度難以得到保證。本文提出采用改進的GM(1,1)模型和修正系統(tǒng)對短期負荷進行分析。該方法利用灰色模型具有要求負荷數據少、可以不考慮負荷分布規(guī)律等優(yōu)點,創(chuàng)建改進的灰色預測模型。同時,為了考慮特殊日對負荷變化的影響,利用最新信息修正預測結果,從而進一步提高預測精度。在完成上述四部分研究工作的基礎上,本文首次提出了一種能夠綜合考慮影響負荷因素的短期負荷預

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論