基于知識發(fā)現(xiàn)的電力需求復合預測研究.pdf

1、電力需求預測是電力系統(tǒng)規(guī)劃與運行的重要基礎工作，是電力企業(yè)制定購電和發(fā)電計劃的重要依據(jù)，也是電網(wǎng)安全經(jīng)濟運行的重要保障。電力需求指標會受到各種因素的影響，知識發(fā)現(xiàn)理論和方法能夠用來挖掘指標變化的內在規(guī)律及其與影響因素之間的相互關系，從而做出更加科學準確的預測。本文在電力需求預測方面做了如下研究： (1)研究并提出了基于三指標量的復合預測模型。三指標量即指標總量、指標增長量和指標增長率，將預測指標序列轉換為三指標量序列，對每個序列

2、進行獨立分析并預測，然后再擬合成最終的預測結果，稱之為復合預測。文中將電力需求預測劃分為電量預測和負荷預測，并應用灰色關聯(lián)分析對電量指標與影響因素之間的相互關系進行了分析。根據(jù)復合預測思想的設計了實現(xiàn)模型，即基于三指標量的電量復合預測綜合模型。該模型借鑒了組合預測的思想，首先利用層次分析法針對三指標量序列分別進行模型評價和優(yōu)選，評價的標準包括模型預測誤差、模型擬合度、模型專家信任度和預測趨勢可信度，之后研究了兩種擬合方法，分別為基于預測

3、有效度的擬合方法和徑向基神經(jīng)網(wǎng)絡的擬合方法，并分析了兩種方法的優(yōu)缺點。通過實例分析，對比了綜合模型相比傳統(tǒng)模型的優(yōu)勢。復合預測方法能夠通過對預測指標的多角度分析，獲得更多有關數(shù)據(jù)變化的內在規(guī)律，從而做出更加科學的預測。 (2)研究了綜合利用多種數(shù)據(jù)挖掘方法進行短期負荷預測的方法。首先基于粗糙集對負荷的影響因素集合進行約簡，以約簡的影響因素集作為日特征集，之后利用模糊C—均值聚類方法對日負荷曲線進行聚類分析，將曲線形態(tài)最為近似的聚

4、為一類，最后以日特征集代替對應的日負荷曲線，并計算每類的類中心。進行預測時，計算預測日的日特征集到各類中心的距離，距離最近的為預測日的歸屬類，從歸屬類中選取歷史數(shù)據(jù)作為訓練樣本對BP神經(jīng)網(wǎng)絡預測模型進行訓練。通過實例分析，該方法能夠顯著提高預測精度，并且能夠適應一些特殊日期的負荷變化。 (3)研究了協(xié)同知識發(fā)現(xiàn)在電力需求預測中的應用方法。協(xié)同知識發(fā)現(xiàn)能夠融合用戶驅動知識和數(shù)據(jù)驅動知識，使用戶參與到知識發(fā)現(xiàn)的整個過程中，通過知識聚