学位论文 > 优秀研究生学位论文题录展示

基于证据理论和支持向量机的短期负荷预测

作　者: 张娟
导　师: 卢志刚
学　校: 燕山大学
专　业: 电力系统及其自动化
关键词: 短期负荷预测证据理论支持向量机 RBF神经网络混沌自适应算法相似日算法
分类号: TM715
类　型: 硕士论文
年　份: 2010年
下　载: 133次
引　用: 0次
阅　读: 论文下载

内容摘要

随着电力市场的不断发展,负荷预测已成为电力系统人员制定正确决策的依据和保证。准确的负荷预测,可以经济合理地安排内部发电机组的启停,有效地降低发电成本,提高经济效益和社会效益,因此研究如何准确地进行负荷预测具有重要的现实意义。虽然研究学者已提出很多负荷预测算法,但普遍存在下列问题:仅考虑天气影响因素,忽视日负荷水平。鉴于此,本文对电网负荷预测问题进行了深入研究,考虑了天气、日负荷水平等影响因素,在此基础上用支持向量机方法提高了负荷的预测精度。首先,本文给出了在选取相似日时,选取平均负荷大小、负荷曲线形状、温度差值作为选取的特征量,再用证据理论进行融合,避免了传统方法只考虑各种影响因素或负荷曲线的相似度,选取的相似日与预测日的负荷有很大的差别,结果表明选取的相似日与预测日的负荷有更好的相似度。其次,用证据理论对原始数据进行预处理,剔除了原数据中与预测日负荷特征相差太远的,使得历史数据序列的变化规律有较大的简化,并包含气象信息。建立支持向量机预测模型进行预测,在选取参数时进行了大量的实验,选取适合本样本的最佳参数进行预测。最后,研究了神经网络和自适应混沌算法。运用上述三种方法进行预测后,用证据理论进行融合,然后与标准支持向量机和神经网络、自适应混沌算法进行比较,结果表明本文提出的方法预测结果明显提高。

全文目录

摘要  4-5
ABSTRACT  5-9
第1章绪论  9-17
  1.1 电力系统负荷预测的意义  9-10
  1.2 国内外研究现状  10-15
    1.2.1 短期负荷预测方法  10-14
    1.2.2 负荷预测发展  14-15
  1.3 电力负荷预测误差分析  15
  1.4 本文所做的工作  15-17
第2章证据理论  17-26
  2.1 基本定义  17-19
  2.2 D-S 合成法则  19-23
    2.2.1 两个信度的合成  19-22
    2.2.2 合成的基本性质和多个信度的合成  22-23
  2.3 对不确定证据的折扣处理  23-25
  2.4 本章小结  25-26
第3章基于证据相似日的支持向量机负荷预测  26-40
  3.1 支持向量机  26-29
    3.1.1 概述  26
    3.1.2 支持向量机原理  26-29
  3.2 基于D-S 证据融合和支持向量机的负荷预测  29-30
    3.2.1 基于D-S 相似日的SVM 结构  29
    3.2.2 SVM 算法的具体实现  29-30
  3.3 相似日的选取  30-35
    3.3.1 相似日理论  30-31
    3.3.2 证据理论  31-34
    3.3.3 Dempster 合成法则  34-35
  3.4 实例仿真  35-39
    3.4.1 系统介绍  35
    3.4.2 样本选择  35-36
    3.4.3 参数分析  36-37
    3.4.4 误差测量与结果分析  37-39
  3.5 本章小结  39-40
第4章基于SVM、RBF 和混沌的证据融合负荷预测  40-57
  4.1 RBF 神经网络  40-42
    4.1.1 概述  40
    4.1.2 RBF 神经网络原理和应用  40-42
  4.2 混沌算法  42-49
    4.2.1 混沌预测的理论基础和基本概念  42-46
    4.2.2 混沌自适应算法  46-49
  4.3 基于SVM、RBF 和混沌的证据融合负荷预测  49-50
  4.4 算例仿真  50-56
    4.4.1 SVM 预测  51
    4.4.2 RBF 预测结果  51-52
    4.4.3 混沌预测结果  52-53
    4.4.4 D-S 证据融合  53-56
  4.5 本章小结  56-57
结论  57-59
参考文献  59-65
攻读硕士学位期间承担的科研任务与主要成果  65-66
致谢  66-67
作者简介  67

基于证据理论和支持向量机的短期负荷预测

内容摘要

全文目录

相似论文