基于知識挖掘技術(shù)的智能協(xié)同電力負荷預測研究.pdf_第1頁
已閱讀1頁,還剩139頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認領

文檔簡介

1、電力工業(yè)是國家的重大基礎行業(yè),對于我國經(jīng)濟建設、國家安全、社會穩(wěn)定、居民生活質(zhì)量具有至關(guān)重要的作用,精確的電力負荷預測對于制定發(fā)電計劃、制定經(jīng)濟合理的電力調(diào)配計劃、制定上網(wǎng)競價計劃、控制電網(wǎng)經(jīng)濟運營、降低旋轉(zhuǎn)儲備容量、進行電力市場需求分析、避免重大事故、有效化解風險、保障生產(chǎn)和生活用電方面具有十分重要的意義。然而電力負荷預測工作是十分復雜的,它除了包括負荷自身特性、經(jīng)濟人口等定量型因素的影響,同時也包含著不規(guī)則事件、日期類型、季節(jié)類型、

2、描述性天氣等非數(shù)字型的定性因素的影響,如果不考慮這些定性因素的影響,無論如何改進負荷預測模型,預測精度都很難有根本性的提高,負荷預測理論也難以有較大的突破。因此,本文提出了基于知識挖掘技術(shù)的智能協(xié)同電力負荷預測研究思想,旨在結(jié)合知識挖掘技術(shù)和智能電力負荷預測方法進行協(xié)同電力負荷預測,通過知識挖掘直接對數(shù)據(jù)庫中的負荷變量屬性及對應的各類影響因素變量屬性進行分析處理,在預測時通過計算與預測目標各類知識特征的總體關(guān)聯(lián)程度大小,自動提取具有高度

3、相似性綜合知識特征的同類歷史數(shù)據(jù),再結(jié)合智能算法和電力負荷預測方法建立具有針對性的自適應結(jié)構(gòu)的智能預測模型對負荷進行預測,在遇到有少部分具有較大的預測誤差點時利用知識挖掘形成的糾偏規(guī)則進行相應的后干預工作,能夠進一步克服以前的預測方法的不足,使預測精度得到突破性的提高。本文進行的主要工作如下:
   (1)提出了基于知識挖掘技術(shù)的負荷數(shù)據(jù)規(guī)范以及相應的預處理方法。在對影響負荷預測的屬性變量進行分類的基礎上,建立起相應的數(shù)據(jù)庫結(jié)構(gòu)

4、規(guī)范,利用相應的數(shù)據(jù)預處理方法形成各種負荷預測需要的不同數(shù)據(jù)視圖,可以方便對定性型因素和定量型因素的處理。
   (2)建立了基于知識挖掘分類技術(shù)的自適應結(jié)構(gòu)的日負荷曲線BP神經(jīng)網(wǎng)絡預測模型。在僅有純負荷數(shù)據(jù)的情況下,首先通過計算負荷曲線的相似度對歷史數(shù)據(jù)進行排序并進行初步的預測,然后再利用BP神經(jīng)網(wǎng)絡對誤差進行糾偏工作來得到更加精確的預測結(jié)果;在具有較多氣象數(shù)據(jù)可供分析時,首先利用聚類分析將日曲線負荷進行聚類分析,然后利用知識

5、挖掘中的分類技術(shù)尋求氣象數(shù)據(jù)和曲線負荷聚類之間的關(guān)系,形成相應的知識規(guī)則,并在形成分類規(guī)則時,利用粗糙集的屬性約簡技術(shù)剔除掉冗余屬性來加快生成規(guī)則的速度,最后利用不同類別的數(shù)據(jù)訓練出不同的BP神經(jīng)網(wǎng)絡模型;這樣在進行負荷預測工作時,可以根據(jù)預先判斷的氣象數(shù)據(jù)找出相應的類別,并選取相應的BP神經(jīng)網(wǎng)絡進行預測來提高預測的精度。在利用BP神經(jīng)網(wǎng)絡進行模型訓練時,提出了一種簡單的自適應BP神經(jīng)網(wǎng)絡對日負荷曲線進行預測,該自適應網(wǎng)絡可以自動確定隱

6、含層節(jié)點的個數(shù),無需人為經(jīng)驗的干預。
   (3)提出了利用微分進化算法調(diào)整參數(shù)的支持向量機中長期負荷預測模型。對于中長期負荷預測,由于其樣本數(shù)據(jù)遠少于短期負荷預測,因此適用于小樣本數(shù)據(jù)量條件下的支持向量機智能預測方法,該方法可以有效地選取支持向量機所需求的相應參數(shù),可以有效地提高中長期負荷預測的精度。
   (4)提出了一種結(jié)合知識挖掘后干預糾偏技術(shù)、時間序列預測技術(shù)以及支持向量機預測方法的日最大負荷預測方法。由于日最

7、大負荷預測不但需要考慮氣象因素的影響,還需要考慮不同類型日期、不規(guī)則事件對日最大負荷的影響,本文提出的方法不但可以考慮負荷序列的趨勢,而且可以考慮非線性因素的影響和不規(guī)則事件的影響,經(jīng)過知識挖掘后干預糾偏后可以有效地提高負荷預測的精度。
   (5)提出了基于負荷預測的預警監(jiān)測指標并建立了基于知識挖掘的自然災害預警方法。結(jié)合上文中的負荷預測方法和預測結(jié)果,對短期日負荷曲線進行偏離度的監(jiān)測以及對中長期供需平衡進行監(jiān)測,對于氣象災害

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(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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)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