基于短期負(fù)荷預(yù)測技術(shù)的電能控制系統(tǒng)研究.pdf

1、針對國內(nèi)外工業(yè)用電采用基礎(chǔ)電費(fèi)和實(shí)際用電費(fèi)用兩部制電價(jià)的情況，研究針對擁有多臺大功率電弧爐的高能耗冶金企業(yè)，通過對負(fù)荷進(jìn)行均衡調(diào)節(jié)，降低最大負(fù)荷，從而降低基本電費(fèi)的用戶需求側(cè)能量控制系統(tǒng)。短期負(fù)荷預(yù)測(ShortTimeLoadForecasting，STLF)算法是課題的核心研究內(nèi)容。
　　 本文主要完成如下幾個(gè)方面的工作：
　　 對目前國內(nèi)外同類技術(shù)研究動態(tài)進(jìn)行分析，對主流短期負(fù)荷預(yù)測算法原理、方法和特點(diǎn)及存在的問題

2、進(jìn)行探討。說明本研究工作的實(shí)際背景、必要性和重要意義。
　　 針對擁有多臺大功率電弧爐供電系統(tǒng)負(fù)荷波動大、負(fù)荷容量難以選取的問題，獨(dú)創(chuàng)性地提出一種基于閾交理論的負(fù)荷分析、計(jì)算新算法。該算法利用負(fù)荷中超閾值數(shù)據(jù)，采用方差分析方法構(gòu)造一個(gè)閾值能量函數(shù)，獲得閾值選取的依據(jù)。推導(dǎo)出穿越強(qiáng)度的計(jì)算公式，利用供電系統(tǒng)瞬時(shí)功率對閾值的穿越強(qiáng)度考察己選閾值的合理性。
　　 依據(jù)歷史負(fù)荷數(shù)據(jù)，給出GM(1，1)模型最優(yōu)原始數(shù)據(jù)長度的確定方

3、法，利用殘差修正、等維新息等方法對預(yù)測結(jié)果進(jìn)行修正。針對灰色理論、重建相空間G.P算法和人工神經(jīng)網(wǎng)絡(luò)各自特點(diǎn)，獨(dú)立提出一種將上述算法模型相結(jié)合的短期負(fù)荷預(yù)測算法(G-G-NN)。該算法利用灰色預(yù)測的累加生成和重建相空間的G.P算法對原始時(shí)間序列進(jìn)行變換，生成規(guī)律性較強(qiáng)的時(shí)間序列相空間，而后利用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測。獲得比使用單一神經(jīng)網(wǎng)絡(luò)模型更高的預(yù)測精度和更好的實(shí)時(shí)性。
　　 針對所研究系統(tǒng)短期負(fù)荷序列既有波動性又有特殊周期性的

4、特點(diǎn)，利用小波良好的時(shí)頻分析特性，將不同頻率混合信號分解成不同頻帶上的信號，在各個(gè)尺度空間上利用不同的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測，而后進(jìn)行重構(gòu)完成預(yù)測。對利用不同小波函數(shù)進(jìn)行預(yù)測的效果進(jìn)行了比較和討論，實(shí)際算例表明該算法可進(jìn)一步提高負(fù)荷預(yù)測的精度。
　　 提出一種聯(lián)合數(shù)據(jù)挖掘與支持向量機(jī)的短期負(fù)荷預(yù)測算法，該算法利用數(shù)據(jù)挖掘中聚類算法對原始數(shù)據(jù)進(jìn)行初期處理，將海量輸入進(jìn)行壓縮，取其聚類中心作為支持向量機(jī)預(yù)測模型的輸入特征，而后利用交叉驗(yàn)證