電力負(fù)荷數(shù)據(jù)預(yù)測(cè)方法模型設(shè)計(jì)與分析.pdf

1、電力負(fù)荷數(shù)據(jù)管理系統(tǒng)是電力營(yíng)銷(xiāo)技術(shù)支持系統(tǒng)的組成部分,是實(shí)施需求側(cè)管理工作的有效技術(shù)手段。它是以計(jì)算機(jī)應(yīng)用技術(shù)、現(xiàn)代通信技術(shù)、電力自動(dòng)控制技術(shù)為基礎(chǔ)的信息采集、處理和實(shí)時(shí)監(jiān)控系統(tǒng)。電力負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)運(yùn)行有著重要的輔助作用,其預(yù)測(cè)精度的高低直接影響到電力系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)性和供電質(zhì)量。本文的工作主要是針對(duì)電力負(fù)荷短期預(yù)測(cè)問(wèn)題建立智能預(yù)測(cè)模型的方法,并對(duì)電力負(fù)荷理論基礎(chǔ)、概念發(fā)展、模型預(yù)測(cè)方法作一些研究。
　　 本文首先運(yùn)用

2、微軟通用的決策支持對(duì)象(DSO),結(jié)合區(qū)域電網(wǎng)氣象負(fù)荷數(shù)據(jù)庫(kù)設(shè)計(jì)了決策樹(shù)式的數(shù)據(jù)挖掘模型并實(shí)現(xiàn)了日負(fù)荷預(yù)測(cè)系統(tǒng)。在描述了DSO分層結(jié)構(gòu)特性之后,分析研究了日負(fù)荷預(yù)測(cè)的決策樹(shù)數(shù)據(jù)挖掘模型構(gòu)造過(guò)程并給出了程序化實(shí)現(xiàn)方法,進(jìn)一步實(shí)現(xiàn)了通過(guò)決策樹(shù)算法的負(fù)荷預(yù)測(cè)過(guò)程。實(shí)際使用的效果統(tǒng)計(jì)分析結(jié)果表明本系統(tǒng)達(dá)到并超過(guò)實(shí)用標(biāo)準(zhǔn),具有智能自適應(yīng)、自學(xué)習(xí)和全過(guò)程自動(dòng)化,通用可靠以及準(zhǔn)確率高等特性,是值得推廣的方便實(shí)用型負(fù)荷預(yù)測(cè)工具。數(shù)據(jù)挖掘方法將用于數(shù)據(jù)挖

3、掘和預(yù)測(cè)的模型算法提取出來(lái)單獨(dú)組建模型算法庫(kù),使模型和算法的組合具有更大的靈活性。
　　 其次采用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,輸入變量和確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的方法和算法,此方法的提出可以使得從歷史樣本知識(shí)數(shù)據(jù)到最終預(yù)測(cè)模型的建模過(guò)程變得簡(jiǎn)單明了,便于實(shí)際應(yīng)用。預(yù)測(cè)方法是使用MATLAB建立模型,對(duì)24個(gè)負(fù)荷點(diǎn)預(yù)測(cè),采用多輸入單輸出的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)每天的整點(diǎn)負(fù)荷值。因?yàn)殡娏ω?fù)荷與環(huán)境因素有關(guān),在輸入、輸出向量設(shè)計(jì)中輸入變量加入天氣特征值。根據(jù)輸入

4、、輸出向量對(duì)BP網(wǎng)絡(luò)設(shè)計(jì)。最后把電力負(fù)荷數(shù)據(jù)導(dǎo)入MATLAB,然后進(jìn)行短期負(fù)荷預(yù)測(cè)仿真,仿真結(jié)果表明其有較好的預(yù)測(cè)精度。該模型具有網(wǎng)絡(luò)結(jié)構(gòu)較小,訓(xùn)練時(shí)間短的優(yōu)點(diǎn),并考慮不同小時(shí)負(fù)荷差異,具有較高的預(yù)測(cè)精度,預(yù)測(cè)誤差在15％以下。提出了采用不同初值對(duì)權(quán)初始化方法,對(duì)網(wǎng)絡(luò)多次訓(xùn)練,一定程度上克服傳統(tǒng)算法收斂速度慢,容易陷入局部積小的缺點(diǎn)。
　　 兩類(lèi)算法,針對(duì)于短期日負(fù)荷曲線(xiàn)預(yù)測(cè),采用神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理方法,是一種比較有效的預(yù)測(cè)方案