相空間重構(gòu)與支持向量機(jī)結(jié)合的短期負(fù)荷預(yù)測(cè)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩109頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電力部門(mén)的一項(xiàng)重要工作,短期負(fù)荷預(yù)測(cè)的精度對(duì)電網(wǎng)運(yùn)行的安全性、經(jīng)濟(jì)性以及電能質(zhì)量都有重要影響。大量的研究表明,負(fù)荷時(shí)間序列具有混沌性,用常規(guī)方法預(yù)測(cè)具有一定的困難。論文主要在相空間重構(gòu)基礎(chǔ)上,用多種支持向量機(jī)模型對(duì)電力系統(tǒng)短期負(fù)荷時(shí)間序列進(jìn)行預(yù)測(cè),通過(guò)理論分析和仿真結(jié)果驗(yàn)證了它們的有效性和可行性。主要研究?jī)?nèi)容如下: 相空間重構(gòu)理論是短期負(fù)荷混沌時(shí)間序列預(yù)測(cè)的基礎(chǔ),合理的選擇相空間重構(gòu)參數(shù),可以把序列中蘊(yùn)藏的

2、信息充分顯露出來(lái),從而進(jìn)行準(zhǔn)確的負(fù)荷預(yù)測(cè)。在相空間重構(gòu)基礎(chǔ)上形成了多種負(fù)荷時(shí)間序列的預(yù)測(cè)方法,常用的加權(quán)一階局域法一步預(yù)測(cè)模型進(jìn)行多步預(yù)測(cè)時(shí)計(jì)算量大且會(huì)產(chǎn)生累積誤差。針對(duì)這一問(wèn)題,引入加權(quán)一階局域法多步預(yù)測(cè)模型。對(duì)澳大利亞新南威爾士州2006年負(fù)荷時(shí)間序列進(jìn)行相空間重構(gòu),并使用加權(quán)一階局域法多步預(yù)測(cè)模型和一步預(yù)測(cè)模型,分別對(duì)工作日和休息日的負(fù)荷進(jìn)行預(yù)測(cè)仿真實(shí)驗(yàn),結(jié)果驗(yàn)證了加權(quán)一階局域法多步預(yù)測(cè)模型進(jìn)行短期負(fù)荷預(yù)測(cè)的優(yōu)越性。 使用

3、支持向量機(jī)方法進(jìn)行短期負(fù)荷預(yù)測(cè),針對(duì)支持向量機(jī)及其核函數(shù)中多個(gè)參數(shù)的選擇問(wèn)題,論文在研究粒子群優(yōu)化算法的基礎(chǔ)上,模擬人的隨機(jī)搜索行為,提出了隨機(jī)聚焦搜索優(yōu)化算法。該算法原理簡(jiǎn)單,參數(shù)較少,具有比粒子群算法及其多種改進(jìn)算法更簡(jiǎn)單的計(jì)算復(fù)雜度。將隨機(jī)聚焦搜索優(yōu)化算法用于對(duì)典型benchmark函數(shù)的優(yōu)化以及電力系統(tǒng)的無(wú)功優(yōu)化,與3種粒子群的改進(jìn)算法以及差分進(jìn)化算法進(jìn)行比較,表明該算法具有較大的實(shí)用價(jià)值和較好的應(yīng)用前景。 在短期負(fù)荷預(yù)

4、測(cè)中,針對(duì)支持向量機(jī)輸入?yún)⒘康倪x擇,提出了結(jié)合相空間重構(gòu)的方法。不考慮氣象因素的影響,只使用歷史負(fù)荷時(shí)間序列數(shù)據(jù)進(jìn)行相空間重構(gòu),將重構(gòu)相空間中的向量作為支持向量機(jī)的輸入?yún)⒘浚瑥亩鴮⒇?fù)荷時(shí)間序列重構(gòu)相空間中的非線性問(wèn)題,轉(zhuǎn)化為核函數(shù)映射的特征空間中的線性問(wèn)題進(jìn)行求解。將其用于對(duì)日峰值負(fù)荷的預(yù)測(cè),結(jié)果驗(yàn)證了模型的有效性。 考慮到對(duì)具有混沌性的負(fù)荷時(shí)間序列信號(hào)進(jìn)行處理時(shí),信號(hào)細(xì)微特征的提取非常關(guān)鍵。論文嘗試將小波技術(shù)與支持向量機(jī)核函數(shù)

5、方法相結(jié)合,構(gòu)建平移不變小波核支持向量機(jī)來(lái)處理這類信號(hào)。文中提出了Gaussian系列小波核、復(fù)Morlet小波核和復(fù)Gaussian小波核等3種平移不變小波核函數(shù),并對(duì)其滿足構(gòu)建支持向量機(jī)平移不變核的條件進(jìn)行了證明。將其用于一維函數(shù)和二維函數(shù)的逼近實(shí)驗(yàn)以及chens混沌時(shí)間序列的預(yù)測(cè)實(shí)驗(yàn),結(jié)果表明,3種小波核函數(shù)都能取得較好的效果,它們都優(yōu)于常用的Gaussian核和。Morlet小波核,證明了本文提出的小波核函數(shù)的可行性和優(yōu)越性。在

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論