電力系統(tǒng)負(fù)荷預(yù)報(bào)方法研究.pdf

1、在電力系統(tǒng)現(xiàn)代化管理,乃至整個(gè)國(guó)民經(jīng)濟(jì)的發(fā)展中,電力負(fù)荷預(yù)報(bào)都具有不可忽視的重要意義,尤其是準(zhǔn)確的短期電力負(fù)荷預(yù)報(bào)。它是能量管理系統(tǒng)的重要組成部分,是電力調(diào)度、制定電價(jià)的基礎(chǔ),是電力系統(tǒng)安全、經(jīng)濟(jì)、可靠運(yùn)行的前提。研究負(fù)荷特性、分析負(fù)荷理論、優(yōu)化預(yù)報(bào)算法、提高預(yù)報(bào)精度、建立高效實(shí)用的負(fù)荷預(yù)報(bào)模型已成為當(dāng)前電力系統(tǒng)負(fù)荷預(yù)報(bào)中十分重要的課題。
　　本文主要針對(duì)電力系統(tǒng)短期負(fù)荷的預(yù)報(bào)方法及其預(yù)報(bào)模型的建立進(jìn)行了研究,在對(duì)負(fù)荷時(shí)間序列分析

2、的基礎(chǔ)上,分別建立了基于電力負(fù)荷量測(cè)序列的自適應(yīng)AR模型、基于電力負(fù)荷量測(cè)序列的混沌預(yù)報(bào)模型、組合最優(yōu)預(yù)報(bào)模型。
　　對(duì)于電力負(fù)荷量測(cè)序列自適應(yīng)AR模型的建模及參數(shù)估計(jì)過(guò)程中,采用三種不同的模型估計(jì)的遞推算法,即基于最小二乘方法、基于Wiener濾波理論的方法、基于Kalman濾波理論的方法。在建立基本預(yù)報(bào)模型的基礎(chǔ)上加以改進(jìn),對(duì)各模型的預(yù)報(bào)效果進(jìn)行分析比較,得出最優(yōu)模型。
　　對(duì)于建立基于混沌時(shí)間序列相空間重構(gòu)的預(yù)報(bào)模型,

3、首先對(duì)延遲時(shí)間、嵌入維數(shù)、最大Lyapunov指數(shù)等參數(shù)的多種計(jì)算方法進(jìn)行分析和改進(jìn)。然后利用所求的參數(shù)建立基于最大Lyapunov指數(shù)預(yù)報(bào)模型,將改進(jìn)的歐幾里德距離公式運(yùn)用到建模過(guò)程中,使預(yù)報(bào)精度大大提高。將Kalman濾波理論引入到混沌時(shí)間序列中,提出混沌Kalman濾波預(yù)報(bào)方法,利用相點(diǎn)演化關(guān)系,直接建立混沌系統(tǒng)的狀態(tài)空間模型,利用Kalman濾波自身具有的實(shí)時(shí)校正技術(shù),對(duì)具有混沌特性的電力系統(tǒng)負(fù)荷序列,進(jìn)行相點(diǎn)演化的實(shí)時(shí)遞推預(yù)報(bào)