学位论文 > 优秀研究生学位论文题录展示

基于蚁群算法和元胞自动机的配电网空间负荷预测

作 者: 邓景云
导 师: 周湶
学 校: 重庆大学
专 业: 电气工程
关键词: 空间负荷预测 元胞自动机 蚁群算法 转换规则 分类规则挖掘
分类号: TM715
类 型: 硕士论文
年 份: 2010年
下 载: 167次
引 用: 2次
阅 读: 论文下载
 

内容摘要


配电网空间负荷预测是配电网规划的基础,不仅要预测未来负荷的量,而且要提供负荷增长的位置信息,即未来负荷的空间分布。因此,空间负荷预测对合理地进行配电网规划具有重要的指导意义。本文对影响空间负荷预测的相关因素进行了分析,构建了基于元胞自动机的空间负荷预测模型,研究了基于蚁群算法和元胞自动机的配电网空间负荷预测方法。论文的主要内容如下:在对空间负荷预测过程中相关因素进行分析的基础上,得到影响空间负荷预测方法的复杂度及预测结果精度的主要因素为:小区划分方法、小区面积、同时率和负荷曲线、预测方法流程等。针对用地仿真法用于空间负荷预测中用地类型演化过程难以进行模拟的问题,利用元胞自动机具有时空动态性和局部性的特点,构建了基于元胞自动机的空间负荷预测模型,用以模拟小区用地类型演化,并对电力负荷元胞进行了划分和定义,为空间负荷预测的实现奠定了基础。针对元胞自动机实际应用中转换规则难以获取的问题,提出了基于蚁群算法的元胞自动机规则挖掘方法,采用基于蚁群算法的分类规则挖掘算法自动获取元胞自动机的元胞转换规则,该算法利用了蚁群算法具有的自适应、正反馈、群体智能等特点,提高了元胞自动机的智能化程度。提出了基于蚁群算法和元胞自动机的配电网空间负荷预测方法。在小区用地类型动态演化的过程中,引入元胞自动机理论,实现规划区域各小区用地类型的动态模拟。在获取电力负荷元胞转换规则的过程中,引入蚁群算法进行分类规则挖掘,得到小区用地的决策规则。在空间负荷预测的整个过程中,采用用地仿真法“自上而下”负荷分配的思想,通过规划区域负荷总量预测,将其结果分配到各个小区,从而实现了规划区域的空间负荷预测。通过实例验证了该方法的适用性和可信度,为配电网空间负荷预测提供了一种新颖的、实用的方法。

全文目录


中文摘要  3-4
英文摘要  4-8
1 绪论  8-16
  1.1 本课题研究的背景和意义  8-9
  1.2 配电网负荷预测综述  9-14
    1.2.1 负荷预测分类  9-10
    1.2.2 负荷总量预测常用方法  10-12
    1.2.3 空间负荷预测常用方法  12-14
  1.3 本文的主要研究内容  14-16
2 空间负荷预测  16-24
  2.1 空间负荷预测步骤和流程  16-18
    2.1.1 空间负荷预测建模  16
    2.1.2 空间负荷预测流程  16-18
  2.2 空间信息处理及负荷总量预测  18-19
    2.2.1 小区划分  18
    2.2.2 用地分类  18
    2.2.3 负荷总量预测和分类用地预测  18-19
  2.3 用地仿真过程  19-21
    2.3.1 空间信息提取  19-20
    2.3.2 空间数据模糊离散化  20
    2.3.3 推理规则库建立  20
    2.3.4 用地决策  20-21
  2.4 土地转换为负荷  21
  2.5 空间负荷预测影响因素  21-23
  2.6 本章小结  23-24
3 基于蚁群算法元胞自动机规则挖掘  24-45
  3.1 元胞自动机的基础理论  24-32
  3.2 蚁群算法简介  32-35
  3.3 蚁群算法的实现  35-38
  3.4 利用蚁群算法挖掘元胞自动机的转换规则  38-44
    3.4.1 规则构造  39-40
    3.4.2 启发式函数  40-41
    3.4.3 规则修剪  41-42
    3.4.4 信息素浓度更新  42-44
  3.5 本章小结  44-45
4 空间负荷预测的实现  45-54
  4.1 空间负荷预测流程图  45
  4.2 电力负荷元胞的定义与划分  45-46
  4.3 GIS 中空间信息提取  46-47
  4.4 数据预处理及建立样本数据表  47-48
  4.5 电力负荷元胞转换规则的获取  48
  4.6 小区负荷预测  48-49
  4.7 算例分析  49-53
  4.8 本章小结  53-54
5 结论  54-55
致谢  55-56
参考文献  56-60
附录:A 作者在攻读学位期间发表的论文目录  60

相似论文

  1. 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
  2. 基于蚁群算法的电梯群优化控制研究,TU857
  3. 高光谱图像空—谱协同超分辨处理研究,TN911.73
  4. 动态环境下移动对象导航系统相关技术的研究,TP301.6
  5. 基于改进蚁群算法的机器人路径规划研究,TP242
  6. 改进的蚁群算法及其在TSP上的应用研究,TP301.6
  7. 基于电子海图的海上溢油预测系统的设计与实现,X55
  8. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  9. 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
  10. 基于物理拓扑感知的Chord算法研究,TP393.02
  11. 电渣炉过程控制系统的设计及优化控制,TP273
  12. Ad Hoc网络中分簇路由算法的研究,TN929.5
  13. 几种秘密共享方案的研究,TN918.1
  14. 图像信息处理机的图像处理方法研究,TP391.41
  15. 智能光网络中路由选择算法的研究,TN929.1
  16. 面向无线传感器网络的多路径路由协议研究,TN915.04
  17. 改进蚁群算法在盲均衡中的应用,TN911.5
  18. 智能光网络动态路由和波长分配算法的研究,TN929.1
  19. 基于Agent的无线传感器网络自组织演化机制研究,TN929.5
  20. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
  21. 基于蚁群算法的车辆调度问题研究,TP301.6

中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 理论与分析 > 电力系统规划
© 2012 www.xueweilunwen.com