基于模糊聚類選取相似日的短期電力負(fù)荷預(yù)測(cè).pdf

1、電力系統(tǒng)負(fù)荷預(yù)測(cè)是電網(wǎng)能量管理系統(tǒng)的重要內(nèi)容。通過精確的負(fù)荷預(yù)測(cè),可以經(jīng)濟(jì)合理地安排機(jī)組啟停,減少旋轉(zhuǎn)備用容量,進(jìn)而降低發(fā)電成本,提高經(jīng)濟(jì)效益。因此,尋求有效的負(fù)荷預(yù)測(cè)方法,提高預(yù)測(cè)結(jié)果的準(zhǔn)確度具有重要意義。
　　本文首先介紹了電力負(fù)荷發(fā)展的背景及意義,闡述了國(guó)內(nèi)外在電力負(fù)荷預(yù)測(cè)領(lǐng)域的研究現(xiàn)狀,著重介紹了基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè);然后針對(duì)人工神經(jīng)網(wǎng)絡(luò)尤其是BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)具有過擬合、容易陷入局

2、部極值等缺點(diǎn),提出了基于小波分解與粒子群算法優(yōu)化的支持向量機(jī)預(yù)測(cè)模型。該模型以支持向量機(jī)為基礎(chǔ),同時(shí)采用粒子群算法解決支持向量機(jī)的參數(shù)選擇問題。最后通過小波分解將電力負(fù)荷時(shí)間序列分解為高頻與低頻序列,對(duì)低頻序列采用本模型預(yù)測(cè),而高頻序列則采用加權(quán)平均的方法預(yù)測(cè),將高頻與低頻序列的預(yù)測(cè)結(jié)果重構(gòu)在一定程度上弱化了電力負(fù)荷的隨機(jī)性。
　　為了進(jìn)一步提高預(yù)測(cè)精度,提出了基于模糊聚類選取相似日的短期電力負(fù)荷預(yù)測(cè)模型。為了更準(zhǔn)確地描述氣象因素

3、對(duì)于負(fù)荷預(yù)測(cè)精度的影響,該模型首先將氣象因素細(xì)分為氣溫、氣壓、風(fēng)速、陰雨等情況,然后和星期類型、日期類型一起構(gòu)成相似日的影響因素,通過模糊規(guī)則建立模糊系數(shù)特征映射表,不但實(shí)現(xiàn)影響因素的量化,而且便于實(shí)時(shí)添加新規(guī)律。在此基礎(chǔ)上,采用模糊聚類方法進(jìn)行分類,根據(jù)聚類水平選取相似日,減少了樣本數(shù)量,加快了選取速度。該模型充分考慮了氣象等因素對(duì)電力負(fù)荷預(yù)測(cè)的影響,進(jìn)一步弱化了負(fù)荷的隨機(jī)性。
　　最后,建立了短期電力負(fù)荷預(yù)測(cè)系統(tǒng)軟件。該軟件主